bt365手机平台-下载首页

  • MIT的研究人员使用的机器学习算法来找出一个名为halicin药物杀死细菌多株。 halicin(顶行)防喷抗生素抗性的在电子发展。大肠杆菌,而环丙沙星(下排)没有。

    MIT的研究人员使用的机器学习算法来找出一个名为halicin药物杀死细菌多株。 halicin(顶行)防喷抗生素抗性的在电子发展。大肠杆菌,而环丙沙星(下排)没有。

    图片:在bt365手机app实验室柯林斯礼貌

    全屏

人工智能产量新抗生素

MIT的研究人员使用的机器学习算法来找出一个名为halicin药物杀死细菌多株。 halicin(顶行)防喷抗生素抗性的在电子发展。大肠杆菌,而环丙沙星(下排)没有。

深刻学习模式,功能强大的新型药物标识可以杀死耐抗生素细菌的许多物种。


记者联系

艾比abaz要么ius
电子邮件: abbya@mit.edu
电话:617-253-2709
bt365手机app新闻办公室

媒体资源

1张图片下载

媒体访问

媒体只能从本网站的桌面版本下载。

使用机器学习算法,bt365手机app的研究人员发现一个强大的新的抗生素化合物。在实验室测试中,这种药物杀害了许多世界上最有问题的致病细菌,一些菌株包括对所有已知的抗生素具有抗药性。此外,它在两个不同的感染小鼠模型中清除。

计算机模型,它可以在几天之内屏幕超过一亿的化合物,被设计,采用比机制来对那些现有药物的不同细菌杀灭挑选出潜在的抗生素。

“我们想开发一个平台,让我们能够利用人工智能的力量,迎来抗生素药物开发的新时代,”詹姆斯·柯林斯,医疗技术和科学的bt365手机app学院特默教授医学工程和科学的说(IME)和生物工程系。 “我们的方法揭示了这个惊人的分子,可以说是这并-发现更强大的抗生素之一。”

在他们的新研究中,研究人员还确定了其他几个有希望的候选人抗生素,他们计划进一步测试。他们认为,该模型可以用来同时设计新的药物,基于什么it've了解到了化学结构使药物杀死细菌。

“机器学习模型可以探索,在硅片,大型化工空间,可以是昂贵望而却步传统的实验方法,”里贾纳说Barzilay,在bt365手机app计算机科学和人工智能实验室(CSAIL)的电气工程和计算机科学的电子三角洲教授。

Barzilay和Collins,谁是共同领导的bt365手机app教授的阿卜杜勒·拉蒂夫·贾米尔诊所机在健康(J-诊所)学习,是学习,这在当今出现的资深作者 细胞。论文的第一作者是乔纳森·斯托克斯,在bt365手机app做博士后和bt365手机app和哈佛大学的Broad研究院。

新管道

在过去的几十年中,很少有新的抗生素被开发出来,而且大部分这些新批准的抗生素是现有药物的略有不同的变体。筛选新的抗生素目前的方法是过于昂贵通常情况下,需要显著的时间投资,仅限于化学多样性窄谱通常。

“我们正面临着周围抗生素耐药性不断增长的危机,并正在通过增加越来越多的两种病原体变得对抗生素耐药存在,并在生物技术的贫血管道和新的抗生素制药行业产生这种情况,”柯林斯说。

试图找到完全新颖的化合物,我联手Barzilay,Jaakkola托米教授和他们的学生凯文·杨,凯尔·斯旺森和文公斤,先前曾开发出一种可以训练分析的分子结构机器学习的计算机模型用化合物和关联起来个人特质,能够:如杀灭细菌。

使用预测的计算机模型的“硅”筛查的概念并不新,但到现在为止,这些是不够精确的模型改造药物发现。此前,分子派代表矢量为反映某些化学基团的存在或不存在。然而,新的神经网络能够自动学习,这些表述,连续映射成分子随后被用来预测其性能的载体。

在这种情况下,模型中的研究人员设计来寻找功能,使化学分子杀死有效 即大肠杆菌。这样做,他们培训了约2500个分子,其中包括约1700 FDA批准的药物和一组的800种产品自然有了多样的结构和广泛的生物活性的模型。

十一模型进行训练,研究人员测试了该研究所广泛的药物再利用中心,约6,000化合物库。该模型挑选出一个分子被预测有较强的抗菌活性,有任何现有抗生素的化学结构不同。使用不同的机器学习模型,研究人员还发现,将可能ESTA分子具有低毒性对人类细胞。

ESTA分子,决定从调用halicin研究人员,虚构的人工智能系统后,“2001:太空漫游”,之前已调查作为可能的糖尿病药物。研究人员测试了其对几十个病人中分离,并在培养皿中生长的细菌菌株,并发现它能够杀死许多具有耐的治疗,包括 难辨梭状芽孢杆菌, 鲍曼不动杆菌结核分枝杆菌。药物争分夺秒地工作,所有的物种,他们测试,与外 铜绿假单胞菌,A难以治疗肺病原体。

在动物活体试验halicin的有效性,研究人员用它来感染治疗的小鼠 一种。鲍曼不动杆菌,细菌已经感染了许多美国境内驻扎在伊拉克和阿富汗的士兵。的应变 一种。鲍曼不动杆菌 他们使用的是所有已知的抗生素具有抗药性,但应用halicin含膏完全清除24小时内感染。

初步研究杀菌建议通过破坏对他们维持跨细胞膜他们的电化学梯度能力也halicin。 ESTA梯度是必要的,在其它的功能,以产生ATP(即分子来存储能量单元使用),因此,如果梯度发生故障时,细胞会死亡。这种类型的查杀机制可能是困难的细菌培养阻力,研究人员说。

“当你用膜分子同伙与可能的组件电池处理必然无法获得单个突变或几个突变来改变外膜的化学性质。这样的突变往往是复杂得多收购进化,说:“斯托克斯。

在这项研究中,研究人员发现, 即大肠杆菌 没有发展到halicin任何阻力在30天的治疗期。相比之下,细菌就开始开发对抗生素环丙沙星在一到三天的阻力,30天之后,细菌大约200倍更耐环丙沙星比他们在实验开始。

研究人员计划追求halicin的进一步研究,有制药公司或非营利组织工作,在开发它用于人类的希望。

优化分子

halicin后确定,研究人员可凭用于筛选超过从zinc15数据库,约1.5十亿化学化合物的在线收藏选择了100个百万个分子模型。 ESTA屏幕,仅三天历时,23名候选人也被确定结构不同的抗生素,从和现有的预测是无毒的人体细胞。

在对五种细菌的实验室测试中,研究人员发现,表现为抗菌活性分子的八点了,两人特别强大。现在,研究人员对这些分子计划进一步测试,并以屏幕更多zinc15数据库。

还使用计划的研究人员他们的模型设计出新的抗生素和优化现有的分子。例如,他们可以训练模型添加功能,将使业主抗生素靶标只有某些细菌,从一个病人消化道杀死有益细菌阻止它。

“这一突破性的工作标志着一个范式转变抗生素的发现,实际上在药物发现更普遍,”罗伊Kishony,在Technion工业生物学和计算机科学教授(以色列科技学院),他是不是在研究涉及如是说。 “在二氧化硅除了屏幕,ESTA方法将允许使用深度学习的发展抗生素的各个阶段,从发现到提高药物疗效和毒性,通过修改和药物化学。”

这项研究是由阿卜杜勒·拉蒂夫·贾米尔诊所在医疗机器学习资助,国防威胁降低局,学院广,DARPA化妆IT计划,健康研究,加拿大创新基金会,加拿大研究主席的加拿大学院节目中,班廷奖学金计划,人类前沿科学计划,潘兴广场基金会,瑞士国家科学基金会,国家卫生早期研究者奖,美国国家科学基金会研究生研究奖学金计划,并从Anita和乔希贝肯斯坦礼物机构。


主题: 研究, 生物工程, Electrical Engineering & Computer Science (eecs), 学院为医学工程和科学器(IME), 计算机科学和人工智能实验室(CSAIL), Broad研究所, 工程学院, , 微生物, 医学, 健康, 机器学习, 人工智能, 算法, J-诊所, 美国国立卫生研究院(NIH), 美国国家科学基金会(NSF)

回到顶部