Τεχνητή Νοημοσύνη Θα μπορούσε να εντοπίσει το φάρμακο για την καταπολέμηση των υπερμικροβίων

Αναλύοντας τα γονίδια ανθεκτικότητας και τις πρωτεΐνες του E. coli, οι ερευνητές μπορούν να βελτιστοποιήσουν τις θεραπείες για την αντιμετώπιση τόσο της τρέχουσας όσο και της μελλοντικής μικροβιακής αντοχής.
Open Image Modal
KATERYNA KON/SCIENCE PHOTO LIBRARY via Getty Images

Η αντοχή στα αντιβιοτικά είναι ένα μεγάλο πρόβλημα δημόσιας υγείας σε όλο τον κόσμο. Όταν βακτήρια όπως το E. coli δεν ανταποκρίνονται πλέον στα αντιβιοτικά, οι λοιμώξεις γίνονται πιο δύσκολο να αντιμετωπιστούν.

Για την ανάπτυξη νέων αντιβιοτικών, οι ερευνητές συνήθως εντοπίζουν τα γονίδια που κάνουν τα βακτήρια ανθεκτικά. Μέσω εργαστηριακών πειραμάτων, παρατηρούν πώς τα βακτήρια ανταποκρίνονται σε διαφορετικά αντιβιοτικά και αναζητούν μεταλλάξεις στη γενετική σύνθεση ανθεκτικών στελεχών που τους επιτρέπουν να επιβιώσουν.

Αν και είναι αποτελεσματική, αυτή η μέθοδος μπορεί να είναι χρονοβόρα και μπορεί να μην καταγράφει πάντα την πλήρη εικόνα του τρόπου με τον οποίο τα βακτήρια γίνονται ανθεκτικά. Για παράδειγμα, οι αλλαγές στον τρόπο με τον οποίο λειτουργούν τα γονίδια που δεν περιλαμβάνουν μεταλλάξεις μπορούν ακόμα να επηρεάσουν την αντίσταση. Τα βακτήρια μπορούν επίσης να ανταλλάξουν γονίδια αντίστασης μεταξύ τους, τα οποία μπορεί να μην ανιχνευθούν εάν εστιαστούν μόνο σε μεταλλάξεις σε ένα μόνο στέλεχος.

Οι συνάδελφοί του Abdullahi Tunde Aborode από το Πανεπιστήμιο του Μισισιπή αναπτύξαν μια νέα προσέγγιση για τον εντοπισμό γονιδίων αντοχής στο E. coli με μοντελοποίηση υπολογιστή, επιτρέποντάς μας να σχεδιάσουμε νέες ενώσεις που μπορούν να μπλοκάρουν αυτά τα γονίδια και να κάνουν τις υπάρχουσες θεραπείες πιο αποτελεσματικές.

Αναγνώριση αντίστασης

Για να προβλέψουν ποια γονίδια συμβάλλουν στην αντοχή, ανέλυσαν τα γονιδιώματα διαφόρων στελεχών E. coli για να αναγνωρίσουμε γενετικά πρότυπα και δείκτες που σχετίζονται με την αντοχή. Στη συνέχεια χρησιμοποιήσαν αλγόριθμους μηχανικής μάθησης εκπαιδευμένους σε υπάρχοντα δεδομένα για να επισημάνουν νέα γονίδια ή μεταλλάξεις που μοιράζονται μεταξύ ανθεκτικών στελεχών που μπορεί να συμβάλλουν στην αντίσταση.

Μετά τον εντοπισμό γονιδίων αντίστασης, σχεδιάσαν αναστολείς που στοχεύουν και μπλοκάρουν ειδικά τις πρωτεΐνες που παράγουν αυτά τα γονίδια. Αναλύοντας τη δομή των πρωτεϊνών για τις οποίες κωδικοποιούν αυτά τα γονίδια, μπόρέσαν να βελτιστοποιήσουν τους αναστολείς ώστε να συνδέονται ισχυρά με αυτές τις συγκεκριμένες πρωτεΐνες.

Για να μειώσουν την πιθανότητα τα βακτήρια να αναπτύξουν αντίσταση σε αυτούς τους αναστολείς, στόχευσαν περιοχές του γονιδιώματός τους που κωδικοποιούν πρωτεΐνες κρίσιμες για την επιβίωσή τους. Παρεμβαίνοντας στον τρόπο με τον οποίο τα βακτήρια εκτελούν σημαντικές λειτουργίες, καθιστά πιο δύσκολο για αυτά να αναπτύξουν μηχανισμούς αντιστάθμισης. Εδωσαν επίσης προτεραιότητα σε ενώσεις που λειτουργούν διαφορετικά από τα υπάρχοντα αντιβιοτικά για την ελαχιστοποίηση της διασταυρούμενης αντοχής.

Τέλος, δοκίμασαν  πόσο αποτελεσματικά οι αναστολείς μπορούσαν να ξεπεράσουν την αντίσταση στα αντιβιοτικά στο E. coli . Χρησιμοποιήσαν προσομοιώσεις υπολογιστή για να αξιολογήσουμε πόσο ισχυρά ένας αριθμός αναστολέων συνδέεται με τις πρωτεΐνες-στόχους με την πάροδο του χρόνου. Ένας αναστολέας που ονομάζεται εσπεριδίνη ήταν σε θέση να συνδεθεί ισχυρά με τα τρία γονίδια του E. coli που εμπλέκονται στην αντίσταση που εντοπίσαν, υποδηλώνοντας ότι μπορεί να είναι σε θέση να βοηθήσει στην καταπολέμηση των ανθεκτικών στα αντιβιοτικά στελεχών.

 

 

Μια παγκόσμια απειλή

Ο Παγκόσμιος Οργανισμός Υγείας κατατάσσει τη μικροβιακή αντοχή ως μία από τις 10 κορυφαίες απειλές για την παγκόσμια υγεία. Το 2019, η βακτηριακή αντοχή στα αντιβιοτικά σκότωσε περίπου 4,95 εκατομμύρια ανθρώπους παγκοσμίως.

Στοχεύοντας τα συγκεκριμένα γονίδια που είναι υπεύθυνα για την αντίσταση στα υπάρχοντα φάρμακα, η προσέγγισή τους θα μπορούσε να οδηγήσει σε θεραπείες για την πρόκληση βακτηριακών λοιμώξεων που όχι μόνο είναι πιο αποτελεσματικές αλλά και λιγότερο πιθανό να συμβάλλουν σε περαιτέρω αντίσταση. Μπορεί επίσης να βοηθήσει τους ερευνητές να συμβαδίζουν με τις βακτηριακές απειλές καθώς αυτές εξελίσσονται.

 

 

Η προγνωστική τους προσέγγιση θα μπορούσε να προσαρμοστεί σε άλλα βακτηριακά στελέχη, επιτρέποντας πιο εξατομικευμένες στρατηγικές θεραπείας.

Στο μέλλον, οι γιατροί θα μπορούσαν ενδεχομένως να προσαρμόσουν τις αντιβιοτικές θεραπείες με βάση τη συγκεκριμένη γενετική σύνθεση των βακτηρίων που προκαλούν τη λοίμωξη, οδηγώντας ενδεχομένως σε καλύτερα αποτελέσματα.

Καθώς η αντίσταση στα αντιβιοτικά συνεχίζει να αυξάνεται παγκοσμίως, τα ευρήματά τους μπορεί να αποτελέσουν ένα κρίσιμο εργαλείο για την καταπολέμηση αυτής της απειλής. Απαιτείται περαιτέρω ανάπτυξη πριν χρησιμοποιηθούν οι μέθοδοι τους στην κλινική. Ωστόσο, παραμένοντας μπροστά από την εξέλιξη των βακτηρίων, οι στοχευμένοι αναστολείς θα μπορούσαν να βοηθήσουν στη διατήρηση της αποτελεσματικότητας των υπαρχόντων αντιβιοτικών και στη μείωση της εξάπλωσης ανθεκτικών στελεχών.