Вы все в курсе, конечно, что Всемирная организация здравоохранения уж который год бьет тревогу - резистентость бактерий к антимикробным препаратам неуклонно растет с каждым годом, антибиотики перестают действовать, в настоящее время несколько инфекций стали абсолютно неизлечимыми вследствие резистентности. Кстати, В 2019 году, по данным ВОЗ, число случаев туберкулеза, резистентного сразу к нескольким препаратам, в России составило 5,4 на 100 тыс. человек. Это и так звучит ужасно, а еще ужаснее - вновь могут стать опасными для жизни роды, а медицина вернется на уровень начала XX столетия (никому туда не советую).
От таких бактерий умирает уже точно больше миллиона человек в год, к 2050 году эта цифра теоретически может достигнуть 10 миллионов. Но пока что на разработку одного нового антибиотика уходит (грубо) около десяти лет, и мы проигрываем в этой гонке. Точнее, уходило около 10 лет. А теперь это будет совсем по-другому, быстрее.
Недавно добрый люди прислал мне линк на свежую статью из Cell (1)). Там биофизики рассказали, как при помощи машинного обучения проанализировали десятки тысяч микробных геномов открытой базы данных. Собственно, это база Центра исследований микробиома в Технологическим университете в Квинсланде (Австралия). Ну и состав этого центра и множество авторов статьи в Cell сильно пересекаются, разумеется (но база и правда открытая, можете воспользоваться (2)). Так вот! Их алгоритм нашел более 800 тысяч фрагментов ДНК (ДНК участников микробиома, разумеется), которые кодируют потенциальные антимикробные соединения. Как они утверждают, 90% из этих фрагментов не были описаны прежде. И вот что важно: три из 100 соединений, синтезированных исследователями, действительно вылечили лабораторных мышей. Если экстраполировать эти процента удачи на остальную массу фрагментов, то у нас только тут что-то около 25 тысяч потенциально работающих антимикробных фрагментов.
Они вообще у себя вот что пишут: Machine learning predicts nearly 1 million new antibiotics in the global microbiome. И это, кажется, еще довольно пессимистичная оценка. И напомню, что сейчас известно всего несколько тысяч разнообразных натуральных и синтетических веществ, применяемых в качестве антибиотиков (все они объединены в 16 крупных классов).
Ну короче. Ураган вариантов.
Правда, непонятно, откуда мы возьмем столько ученых, чтобы проверять эти варианты, но вот в статье в журнале
Science (3) в мае пишут, значить, что уже начали создавать в ассортименте роботизированные лаборатории, чтобы на потоке проверять то, что нагенерили нейросети. Посадил вот так рядышком две нейросети, одна базу с ДНК ковыряет, другая полученные результаты в пробирке растит и проверяет. А человек только сбоку подходит и в окошечке забирает охапкой новые антибиотики, красота.
Если вы думаете, что в предыдущем абзаце я иронизирую, то нет - вот тут (4) пишут, что препараты, открытые ИИ, показывают 80-90% успешности на первой фазе испытаний, по сравнению с обычными 40-60%. Вот это да.
🔬www.sciencedirect.com
🔬https://ampsphere.big-data-biology.org/home
🔬https://www.science.org/content/article/no-humans-needed-ai-robots-discover-new-laser-materials-on-their-own
🔬https://www.sciencedirect.com/science/article/pii/S135964462400134X
Картиночку я для вас сгенерил с помощью сетки Realistic Vision 5.0
_______
Источник | #chrdk
@F_S_C_P
Комментариев нет:
Отправить комментарий