Grazie al deep learning, i ricercatori del MIT di Boston hanno identificato una nuova classe di candi-dati antibiotici che potrebbero essere efficaci contro lo Staphylococcus aureus resistente alla meticillina
Utilizzando un tipo di intelligenza artificiale nota come deep learning, i ricercatori del Massachusetts Institute of Technology (MIT) hanno scoperto una classe di antibiotici in grado di eliminare un batterio resistente ai farmaci, lo Staphylococcus aureus resistente alla meticillina (MRSA), che ogni anno causa più di 10mila morti solo negli Stati Uniti. Nello studio, pubblicato su Nature, è riportato che i composti identificati sono in grado di eliminare l’MRSA, sia quando coltivato in laboratorio che in modelli murini di infezione. I composti mostrano anche una tossicità molto bassa contro le cellule umane e ciò li rende dei candidati farmacologici particolarmente promettenti. Inoltre, per la prima volta, i ricercatori sono stati in grado di capire quali tipi di informazioni utilizzasse il modello di deep learning per fare previsioni sulla potenza ed efficacia degli antibiotici analizzati. Queste nuove conoscenze potrebbe aiutare i ricercatori a progettare ulteriori farmaci ancor più efficaci di quelli individuati dal modello.
ABBIAMO BISOGNO DI NUOVI ANTIBIOTICI
La medicina moderna ha tratto grande beneficio dall’uso dei farmaci antimicrobici per trattare le malattie infettive causate dai batteri. Tuttavia, l’uso ricorrente di questi farmaci nell’uomo, negli animali e nell’ambiente ha contribuito alla comparsa del fenomeno della resistenza antimicrobica (AMR), che è presto diventata una delle maggiori minacce alla salute pubblica e ambientale degli ultimi vent’anni. La resistenza antimicrobica è associata alla capacità di determinati microrganismi di sopravvivere in presenza di agenti antimicrobici, attraverso l’acquisizione di mutazioni che permettono loro di limitare l’assorbimento di un farmaco o di inattivarlo. Molti microrganismi, inoltre, sviluppano una multiresistenza, quindi sopravvivono all’uso di diverse classi di antibiotici. Per questo, si rende sempre più necessario lo sviluppo di nuove strategie antimicrobiche. L’Italia, purtroppo, detiene il triste primato europeo di Paese con il consumo più elevato di antibiotici e la quota maggiore di malattie e decessi causati da antibiotico resistenze. Tra le cause principali che promuovono l’acquisizione di caratteri di resistenza da parte dei batteri vi è senza dubbio l’uso scorretto degli antibiotici. Infatti, non solo spesso vengono assunti per patologie di origine virale, come l’influenza o il raffreddore, per le quali non sono indicati, ma anche non rispettando i tempi di somministrazione e la corretta posologia.
IL CASO DELLO STAPHYLOCOCCUS AUREUS
Lo Staphylococcus aureus resistente alla meticillina infetta ogni anno più di 80mila persone solo negli Stati Uniti, causando infezioni della pelle e polmoniti. I casi più gravi possono portare alla sepsi, un’infezione del flusso sanguigno potenzialmente fatale. Lo Staphylococcus aureus, uno dei principali agenti patogeni umani, è da sempre incline a sviluppare fattori di resistenza, che gli permettono di evadere l’azione degli antibiotici, tanto da essere stato denominato “superbatterio”. L'uso clinico della meticillina ha portato alla comparsa di ceppi di S. aureus resistenti a questo antibiotico (detti, appunto, MRSA), che sono aumentati negli ultimi decenni. Infatti, oltre ai ceppi già conosciuti, prevalentemente residenti negli ambienti ospedalieri, i nuovi cloni resistenti possono invadere gli ambienti comunitari e infettare anche le persone che non presentano particolari fattori di rischio.
LO STUDIO
Negli ultimi anni il Dott. Collins e i suoi colleghi della Abdul Latif Jameel Clinic for Machine Learning in Health (Jameel Clinic) del MIT hanno iniziato a utilizzare il deep learning per cercare di identificare nuovi antibiotici. Il loro lavoro, ad esempio, ha prodotto potenziali farmaci contro l’Acinetobacter baumannii, un batterio che si trova spesso negli ospedali, e verso molti altri batteri resistenti agli antibiotici. Questi composti sono stati identificati utilizzando modelli di deep learning, in grado di imparare a identificare le strutture chimiche associate all’attività antimicrobica. Questi modelli sono anche in grado di vagliare milioni composti, generando previsioni su quali potrebbero avere una migliore attività antimicrobica. Anche se questi tipi di ricerche si sono rivelati fruttuosi, un limite a questo approccio è che i modelli utilizzati sono delle “scatole nere”, il che significa che non c’è modo di sapere su quali caratteristiche il modello basi le sue previsioni. Tuttavia, se gli scienziati riuscissero a sapere come i modelli formulano le loro previsioni, potrebbe essere ancor più facile per loro identificare o progettare nuovi antibiotici.
Con questo nuovo studio, la scatola nera è stata aperta. Innanzitutto, i ricercatori hanno addestrato un modello di deep learning utilizzando set di dati molto estesi. Hanno generato questi dati di addestramento testando l’attività antibiotica di circa 39mila composti contro l’MRSA, quindi hanno inserito questi dati, oltre alle informazioni sulle strutture chimiche dei composti, nel modello. Successivamente, per capire come il modello stesse facendo le sue previsioni, i ricercatori hanno adattato un particolare algoritmo, che consente al modello di deep learning di generare non solo una stima dell’attività antimicrobica di ciascuna molecola, ma anche una previsione di quali sottostrutture della molecola svolgano questa attività. Per restringere ulteriormente il pool di farmaci candidati, i ricercatori hanno addestrato altri tre modelli di deep learning, al fine di prevedere se i composti fossero tossici per tre diversi tipi di cellule umane. Combinando queste informazioni con le previsioni sull’attività antimicrobica, i ricercatori hanno scoperto un gruppo di composti che sarebbero in grado di uccidere i microbi senza causare effetti avversi sul corpo umano. Da questa raccolta, i modelli hanno identificato composti di cinque classi diverse, in base alle strutture chimiche presenti all'interno delle molecole, che prevedevano essere attivi contro l’MRSA. Quindi, i ricercatori hanno testato circa 280 di questi composti contro l'MRSA coltivato in laboratorio. In questo modo, è stato possibile identificarne due, della stessa classe, che sembrano essere dei candidati antibiotici molto promettenti. Infatti, nei test su due modelli murini, uno di infezione cutanea da MRSA e uno di infezione sistemica, ciascuno di questi composti ha ridotto la popolazione di Staphylococcus aureus resistente alla meticillina di un fattore 10.
L'USO DELL'AI NELLA RICERCA: PROSPETTIVE FUTURE
Il viaggio che va dall’ideazione all’approvazione e adozione di un farmaco, come gli antibiotici, è un processo lungo, complesso e costoso, che molto spesso porta a fallimenti. Negli ultimi dieci anni, la grande crescita della ricerca medica è andata di pari passo con i progressi delle tecnologie informatiche, dell’intelligenza artificiale e del deep learning. Le potenzialità delle applicazioni dell’intelligenza artificiale nello sviluppo di nuovi farmaci potranno, quindi, influenzare tutte le fasi del processo di scoperta di nuove molecole, dalla progetta-zione alla previsione delle proprietà di un farmaco. Inoltre, i metodi contemporanei di intelligenza artificiale, come le reti neurali, l'apprendimento per rinforzo e i modelli da essi generati, insieme ai metodi di simulazione delle strutture e delle dinamiche molecolari, potranno contribuire non solo alla scoperta di farmaci, ma anche all'analisi e previsione delle risposte ai trattamenti. Altre strategie per il contrasto della resistenza agli antibiotici Oltre alla promozione della ricerca e delle innovazioni nei campi della prevenzione, diagnosi e terapia delle infezioni resistenti agli antibiotici, i vari Paesi sono impegnati nello sviluppo di diverse strategie per il contrasto della resistenza antimicrobica. In Italia, ad esempio, il Piano Nazionale di Contrasto all’Antibiotico-Resistenza (2022-2025) prevede il rafforzamento della prevenzione e sorveglianza delle infezioni ospedaliere e comunitarie e dell’approccio “One Health” (un approccio integrato e multidisciplinare per favorire la salute di persone, animali e ambiente, che passi anche attraverso la sorveglianza delle AMR). Inoltre, il Piano prevede la promozione dell’uso appropriato degli antibiotici nella popolazione e tra gli operatori sanitari e una cooperazione a livello internazionale, necessaria per contrastare le AMR in tutto il mondo.
Sostieni la ricerca, sostieni la vita. Dona ora
Dona ora per la ricerca contro i tumori
