Fino a pochi anni fa, creare un nuovo antibiotico significava scavare nella stessa zona di terra, in quanto si passavano ore ad analizzare i microbi presenti nel suolo alla ricerca di proprietà note per uccidere i batteri nocivi. Ma poiché i superbatteri resistenti si sono ormai ampiamente diffusi, le scoperte stavano diventando molto rare e difficili da fare.
Ma, grazie all’intelligenza artificiale, sempre più diffusa in tutti i settori, si sta creano la possibilità di studiare molecole per nuovi antibiotici mai viste finora. Uno studio pubblicato giovedì sulla rivista Cell descrive come i ricercatori del Massachusetts Institute of Technology hanno usato l’apprendimento automatico per identificare una molecola che sembra in grado di contrastare alcuni dei patogeni più formidabili del mondo.
l’IA per creare un antibiotico contro superbatteri
Quando testata su topi, la molecola, soprannominata halicin, ha efficacemente curato il batterio gastrointestinale Clostridium difficile, un killer comune di pazienti ospedalizzati e un altro tipo di batteri resistenti ai farmaci che spesso causano infezioni nel sangue, nel tratto urinario, e polmoni.
La caratteristica più sorprendente della molecola? È strutturalmente distinto dagli antibiotici esistenti, hanno detto i ricercatori. È stato trovato in un database di riproposizione di farmaci dove inizialmente è stato identificato come un possibile trattamento per il diabete, un’impresa che mette in mostra il potere dell’apprendimento automatico a supporto degli sforzi di scoperta.
“Stiamo trovano per la prima volta contatti con nuove strutture chimice che in passato non avremmo nemmeno immaginato che potessero diventare effettivamente un antibiotico”, ha detto Nigam Shah, professore di informatica biomedica alla Stanford University. ” Ciò espande notevolmente lo spazio di ricerca in dimensioni che non sapevamo che esistessero. Penso che questa piattaforma ridurrà direttamente i costi della fase di scoperta dello sviluppo di antibiotici”, ha dichiarato James Collins, coautore dello studio e professore di bioingegneria al MIT. “Con questi modelli, ora è possibile ottenere nuovi prodotti chimici in un periodo di tempo più breve, comportando meno investimenti.”