 συνεχίζει να διαπρέπει σε πολλούς τομείς της επιστήμης, και τώρα, με τη βοήθεια ερευνητών από το Πανεπιστήμιο){kind=link}
Η τεχνητή νοημοσύνη (ΤΝ) συνεχίζει να διαπρέπει σε πολλούς τομείς της επιστήμης, και τώρα, με τη βοήθεια ερευνητών από το Πανεπιστήμιο του Τέξας στο Όστιν, κατακτά και την ανάπτυξη αντιβιοτικών. Χρησιμοποιώντας ένα μεγάλο γλωσσικό μοντέλο, αντίστοιχο του ChatGPT, οι επιστήμονες κατάφεραν να αναπτύξουν ένα νέο, ασφαλές και αποτελεσματικό αντιβιοτικό που υπόσχεται να καταπολεμήσει τα ανθεκτικά βακτήρια, που αποτελούν μια από τις μεγαλύτερες απειλές για τη δημόσια υγεία.
Μεταμορφώνοντας το τοξικό σε ασφαλές
Όπως δημοσιεύθηκε στο επιστημονικό περιοδικό «Nature Biomedical Engineering», οι ερευνητές χρησιμοποίησαν ένα μεγάλο γλωσσικό μοντέλο για να μετατρέψουν ένα τοξικό για τον άνθρωπο αντιβιοτικό σε ασφαλές. Το συγκεκριμένο αντιβιοτικό, γνωστό ως Protegrin-1, είχε αποδειχθεί εξαιρετικά αποτελεσματικό στην εξολόθρευση βακτηρίων, αλλά ήταν επικίνδυνο για ανθρώπινη χρήση.
Η επανάσταση της μηχανικής μάθησης στην ανάπτυξη αντιβιοτικών
«Τα μεγάλα γλωσσικά μοντέλα ανοίγουν νέους δρόμους στην εφαρμογή της μηχανικής μάθησης στη μηχανική επεξεργασία πρωτεϊνών και πεπτιδίων», δηλώνει ο καθηγητής Κλάους Βίλκε, συν-συγγραφέας της μελέτης. Οι ερευνητές δημιούργησαν πάνω από 7.000 παραλλαγές του Protegrin-1 χρησιμοποιώντας μια πρωτοποριακή μέθοδο, επιτρέποντάς τους να εντοπίσουν γρήγορα τις περιοχές που θα μπορούσαν να τροποποιηθούν χωρίς να χαθεί η αντιβιοτική δραστηριότητα.
Εκπαιδεύοντας τη μηχανή για ασφαλείς και αποτελεσματικές θεραπείες
Στη συνέχεια, οι επιστήμονες εκπαίδευσαν το μεγάλο γλωσσικό μοντέλο να αξιολογεί εκατομμύρια πιθανές παραλλαγές του αντιβιοτικού με βάση τρεις παραμέτρους: επιλεκτική στόχευση των βακτηριακών μεμβρανών, αποτελεσματικότητα στην εξολόθρευση των βακτηρίων και ασφάλεια για τα ανθρώπινα κύτταρα. Το αποτέλεσμα ήταν το bsPG-1.2, μια πιο ασφαλής και αποτελεσματική εκδοχή του Protegrin-1.
Ενθαρρυντικά αποτελέσματα και ελπίδες για το μέλλον
Πειράματα σε ποντίκια έδειξαν ότι το bsPG-1.2 ήταν εξαιρετικά αποτελεσματικό στη μείωση των βακτηρίων στα όργανά τους, έξι ώρες μετά τη μόλυνση. Αν τα επόμενα πειράματα είναι εξίσου επιτυχή, οι ερευνητές ελπίζουν να προχωρήσουν σε κλινικές δοκιμές στον άνθρωπο.
«Η μηχανική μάθηση όχι μόνο μας βοηθά να ανακαλύψουμε νέα μόρια που μπορούν να σώσουν ζωές, αλλά και να βελτιστοποιήσουμε τα υπάρχοντα αντιβιοτικά, οδηγώντας τα ταχύτερα στην κλινική πράξη», καταλήγει ο Δρ. Μπράιαν Ντέιβις, συν-συγγραφέας της μελέτης.
Με τη βοήθεια της τεχνητής νοημοσύνης, η ανθρωπότητα αποκτά έναν νέο ισχυρό σύμμαχο στη μάχη κατά των ανθεκτικών βακτηρίων, ανοίγοντας νέες προοπτικές για την αντιμετώπιση ενός από τα μεγαλύτερα προβλήματα της σύγχρονης ιατρικής.