Proiectul COMBINE a antrenat un model de inteligență artificială pentru a îmbunătăți selecția compușilor care pot combate bacteriile rezistente la mai multe medicamente.
Yojana Gadiya, cercetător la Fraunhofer ITMP Screening Port Hamburg și Universitatea din Bonn, coordonator al eforturilor de dezvoltare a acestui model în cadrul proiectului, explică de unde a venit ideea pentru acest model de învățare automată: „Unul dintre primele lucruri pe care le-am făcut în cadrul COMBINE a fost să efectuăm un sondaj cu privire la informațiile disponibile publicului cu privire la RAM. Dacă căutați pe Google, veți găsi o prezentare generală a acestor informații compilate de cele mai mari două comunități RAM: JPIAMR și GARDP. Am aruncat o privire mai atentă asupra datelor găsite în aceste resurse și am observat că, în principal, se vorbește fie despre modele și seturi de date legate de tulpina bacteriană (de exemplu, genotipuri și fenotipuri), fie despre unde pot fi găsiți pacienții care suferă de RAM (de exemplu, date clinice). Un lucru care lipsea cu desăvârșire erau informațiile bazate pe compuși, care sunt esențiale pentru descoperirea preclinică a medicamentelor”.
Informațiile bazate pe compuși se referă la compușii care pot prezenta activitate împotriva anumitor tulpini bacteriene. Într-o anumită măsură, fiecare organizație dispune de propria bază de date internă privind activitatea, care colectează informații privind compușii antimicrobieni testați. Dar niciuna dintre aceste date nu este agregată într-un singur spațiu. „Acesta este motivul care ne-a determinat să creăm acest întreg depozit, pe care îl numim Graficul cunoștințelor antimicrobiene (KG) – pentru a colecta toate informațiile disponibile publicului privind compușii testați experimental în ceea ce privește tulpinile bacteriene sau agenții patogeni existenți. Folosind aceste date, am antrenat modele de învățare automată pentru a identifica compuși antimicrobieni”, a declarat Yojana Gadiya.
Modelul a fost antrenat folosind datele de bioactivitate prezente în KG antimicrobian. Acest set de date este special, deoarece cartografiază peste 80.000 de compuși cu date de activitate într-un spectru larg de tulpini microbiene (bacteriene și fungice). Într-o lume ideală, fiecare dintre acești compuși ar fi fost testat cu fiecare tulpină microbiană, dar având în vedere timpul și costurile asociate cu acest lucru, este destul de dificil. Din acest motiv, a fost creat un set de date minimalist care cartografiază fiecare compus la o clasă microbiană: Gram-pozitiv, Gram-negativ, ciuperci sau o altă clasă de agenți patogeni cunoscuți sub denumirea de acid-fast.
În acest fel, cercetătorii din acest proiect au acum o imagine mult mai completă a compusului. Folosind aceste informații ca date de antrenament, ei fac modelul să învețe corelații între proprietățile chimice și activitatea microbiană. Acest lucru crește eficiența procesului de dezvoltare a medicamentelor, deoarece nu trebuie să fie efectuate inițial atât de multe teste pentru a găsi compuși medicamentoși care funcționează.
De asemenea, modelul spune pentru ce tip de clasă de agenți patogeni este mai probabil să fie activ medicamentul – dacă este vorba de Gram pozitiv, Gram negativ, tulpini de tuberculoză etc. Acest lucru va reduce costurile, deoarece nu va trebui să fie cumpărată o bibliotecă completă de compuși și să fie analizați pentru a afla acest lucru (economisind aproximativ 100.000-120.000 de euro). Totodată, crește eficiența prin indicarea a ceea ce funcționează efectiv. Modelul poate fi utilizat pentru a spune că din acești 200 de compuși, 20 vor funcționa, dar 20 cu siguranță nu vor funcționa. Apoi sunt selectați cei 20 care vor funcționa, plus zece care cu siguranță nu vor funcționa (astfel încât să existe un control negativ) și apoi trebuie să fie testați doar 30 de compuși în total în loc de 200.
Proiectul COMBINE este sprijinit de Inițiativa privind medicamentele inovatoare, un parteneriat între Uniunea Europeană și industria farmaceutică europeană.
