Halicyna – bardzo obiecujący antybiotyk

W ubiegłym tygodniu świat obiegła informacja o sukcesie w poszukiwaniu nowych antybiotyków. Wszystko za sprawą wyników badania opublikowanego na łamach Cell. Naukowcy z Massachusetts Institute of Technology (MIT) użyli algorytmów uczenia maszynowego do zidentyfikowania substancji nazwanej halicyną (oryg. halicin).

Podziel się ze znajomymi!

Poszukiwanie nowych leków skutecznych w leczeniu zakażeń bakteryjnych jest istotniejsze niż kiedykolwiek od czasu wynalezienie penicyliny. Według danych Światowej Organizacji Zdrowia (WHO), z powodu narastającej antybiotykooporności co roku umiera prawie 700 tys. osób na świecie. Niepokojące jest, że tendencja od lat jest wzrostowa. Według ekspertów do roku 2050 śmiertelność może wzrosnąć do nawet 10 mln osób.

Rosnący problem antybiotykooporności

Dane te znajdują odzwierciedlenie w Polsce. W Narodowym Programie Ochrony Antybiotyków na lata 2016-2020 czytamy, że skuteczność antybiotyków zależy przede wszystkim od rozsądnego ich stosowania. To nadużywanie antybiotyków jest główną przyczyną tak szybkiego wzrostu oporności wśród bakterii. W badaniach amerykańskich określa się, że niemal 70% osób otrzymuje te leki bezpodstawnie w leczeniu na przykład infekcji układu oddechowego.

O ile częste stosowanie znacząco przyspiesza rozwój antybiotykooporności, o tyle ograniczenie tej formy leczenia nie rozwiąże problemu. Stosowane w szpitalach antybiotyki usuwają z populacji drobnoustroje wrażliwe na ich działanie, pozostawiając te oporne. W związku z tym powodują, że szczepy niewrażliwe namnażają się i stanowią zagrożenie dla pacjentów przebywających na oddziale szpitalnym. Dochodzi wtedy do zakażeń szpitalnych, które są niezwykle trudne w leczeniu. Zaś według prognoz, kiedyś mogą być niemożliwe do wyleczenia. W tym momencie główną bronią przeciwko zakażeniom szpitalnym jest zarezerwowanie pewnych najsilniejszych antybiotyków do terapii wyłącznie szpitalnej. Wówczas ogranicza się narastanie antybiotykooporności poprzez mniejszą populacyjną ekspozycję na wybrane antybiotyki. Dzięki temu mogą one być zastosowane w szczególnych przypadkach najcięższych zakażeń.

Jednocześnie trwają bardzo intensywne poszukiwania nowych związków chemicznych mogących pełnić rolę skutecznych środków bakteriobójczych. Ograniczenie stosowania antybiotyków tylko opóźnia proces narastania oporności wśród bakterii, ale już teraz istnieją szczepy niewrażliwe na znane leki, tzw. MDR, XDR i PDR, czyli oporne na wszystkie znane leki przeciwbakteryjne.

Na początku lutego pisaliśmy o wkładzie sztucznej inteligencji w stworzenie nowego leku na chorobę obsesyjno-kompulsywną. Naukowcy z Oxfordu wówczas mówili o szerokim zastosowaniu technik uczenia maszynowego w rozwijaniu nowych leków i znaczącym przyspieszeniu procesu ich wdrożenia do powszechnego użycia. Najnowsze doniesienie z Massachusetts Institute of Technology (MIT) wskazuje, że dzięki zastosowaniu technologi AI zidentyfikowano nowy antybiotyk, który posiada niezwykle pożądane z punktu widzenia medycyny cechy.

Nowy antybiotyk

Naukowcy z MIT dostosowali komputerową sieć neuronową do poszukiwania związków chemicznych potencjalnie zabójczych dla E. coli. Algorytm został zastosowany do bazy Drug Repository Hub, należącej do Broad Institute, zawierającej ok. 6 000 związków chemicznych. Sztuczna inteligencja wyszukała tam cząsteczkę – halicynę, o strukturze innej od znanych dotychczas antybiotyków, o której sądził, że wykaże silne działanie antybakteryjne. Następnie została ona poddana badaniu przez inny algorytm w kategorii toksyczności dla ludzi.

Nie jest to zupełnie nowa substancja. Halicyna była kiedyś testowana pod kątem zastosowań w leczeniu cukrzycy. Teraz jednak została przebadana na dziesiątkach szczepów bakterii pobranych od ludzi. Wśród patogenów, były także te antybiotykooporne, w tym Clostridium difficile, Acinetobacter baumanii, czy Mycobacterium tuberculosis. Wobec powyższych szczepów halicyna wykazała bardzo dobrą skuteczność, co przedstawiają diagramy opublikowane w pracy naukowej:

Diagramy wskazują na aktywność halicyny w czasie na bakterię E.coli.
Szczegółowe objaśnienia tutaj.

Powyższe dane wskazują również na inną bardzo ważną informację. Podczas 30-dniowych testów nie stwierdzono rozwijania się antybiotykooporności na nową substancję. Dla porównania oporność na cyprofloksacynę zaczyna się rozwijać po kilku dniach, a po 30 dniach jest 200-krotnie wyższa u badanych szczepów E. coli. Ma być to skutek sposobu działania tej substancji. Halicyna działa poprzez zaburzenie gradientu jonowego po obu stronach błony komórkowej. Konsekwencją tego, główny nośnik energii – ATP (adenozynotrójfosforan) nie może być wytwarzany i komórka bakteryjna ginie z niedoboru energii. Według badaczy, bakteriom będzie niezwykle trudno uzyskać oporność na taki mechanizm działania leku.

Na modelu zwierzęcym nowy antybiotyk został użyty do leczenia myszy zarażonej uprzednio szczepem Acinetobacter baumanii opornym na wszystkie znane antybiotyki. Halicyna zwalczyła infekcję w ciągu 24 godzin, również nie generując antybiotykooporności. Wyniki powyższych badań są bardzo obiecujące. Podczas testów jedyną oporną bakterią okazał się Pseudomonas aeruginosa.

Sukces, ale szukamy dalej

Pierwsze sukcesy nowego antybiotyku są wstępem do właściwych badań klinicznych. Jednak powstałe algorytmy uczenia maszynowego i sieci neuronowej są dalej rozwijane. Autorzy pracy wykorzystali je do przeanalizowania ponad 100 milionów cząsteczek z bazy ZINC15, w której znajduje się blisko 1,5 miliarda molekuł. Po 3 dobach zostały znalezione 23 potencjalne leki, które nie są zbliżone do żadnego znanego antybiotyku oraz nie powinny wykazywać toksyczności u ludzi. W badanich in vitro wykazano, że właściwości antybakteryjne posiada 8 z powyższych cząsteczek, a 2 z nich są szczególnie silne.

Naukowcy planują kontynuację rozwijania swojego modelu, szczególnie w kierunku poszukiwania leków celowanych w konkretny gatunek bakterii, jak Pseudomonas, który nie jest objęty spektrum działania halicyny. Co więcej, algorytmy są publicznie dostępne w internecie, co może zachęcić kolejne zespoły badaczy do zastosowania ich we własnych projektach naukowych.

ChempropYang et al., 2019bhttps://github.com/swansonk14/chemprop
RDKitLandrum, 2006https://github.com/rdkit
BWALi and Durbin, 2009https://github.com/lh3/bwa
DESeq2Love et al., 2014https://bioconductor.org/packages/release/bioc/html/DESeq2.html
edgeRRobinson et al., 2010https://bioconductor.org/packages/release/bioc/html/edgeR.html
GenomeViewAbeel et al., 2012https://genomeview.org
EcoCyc Pathway ToolsKeseler et al., 2013https://ecocyc.org
Źródła:
https://www.cell.com/
http://naukawpolsce.pap.pl/
Podziel się ze znajomymi!

Dodaj komentarz

Twój adres email nie zostanie opublikowany. Pola, których wypełnienie jest wymagane, są oznaczone symbolem *