Недавнее исследование показывает, как инструменты искусственного интеллекта можно использовать для расшифровки сетей вирулентности бактерий. Многие болезнетворные бактерии используют молекулярный «шприц» для введения множества своих белков, называемых эффекторами, в клетки кишечника, тем самым блокируя ключевые иммунные реакции.
Теперь международная группа ученых из Великобритании, Израиля и Испании при участии Политехнического университета Мадрида (UPM) объединила свои усилия для анализа всех этих белковых молекул вместе, сочетая лабораторные эксперименты и инструменты искусственного интеллекта (AI). .
ИИ можно использовать для расшифровки сетей бактериальной вирулентности
Авторы, опубликовавшие свое исследование в журнале Science, использовали 100 вариантов мышиной бактерии Citrobacter rodentium для моделирования функции эффекторов. Они обнаружили, что они работают вместе как сеть, что дает микробам большую гибкость, позволяя уклоняться от иммунной системы и сохранять свою патогенность.
Платформа AI правильно предсказала результаты колонизации альтернативных сетей на основе данных in vivo. Исследователи UPM, профессор искусственного интеллекта Альфонсо Родригес-Патон и аспирант Елена Нуньес Берруэко использовали данные, собранные в лаборатории, для построения модели машинного обучения.
Исследователи тестируют инструменты искусственного интеллекта
Число возможных комбинаций эффекторов превышает один миллиард, поэтому изучение всех вариантов потребует более тысячи лет экспериментальных исследований. Вот где ИИ приходит, чтобы изменить правила и дать возможность расшифровать этот сложный механизм. Алгоритм, разработанный в UPM, может предсказать инфекционную способность любого варианта после изучения моделей 100 лабораторных экспериментов.
«Изучая такую сложную биологическую систему, ИИ может видеть то, что не очевидно для наших глаз», – объясняет Нуньес. «Прогнозы помогают нам определить наиболее подходящие комбинации эффекторов и, таким образом, сэкономить время и ресурсы. Мы можем использовать эту модель, чтобы предсказать, может ли новый штамм с другой комбинацией эффекторов, чем изученные, манипулировать нашими клетками, и каким образом ».
Алгоритм основан на искусственных нейронных сетях, но включает знания о целях эффекторов. Архитектура этой сети имеет особенность: она не является общей, а имеет ту же форму, что и сеть биологических взаимодействий эффекторов с компонентами наших клеток. Это позволило обучить сеть на очень небольшом количестве случаев, что привело к модели с интерпретируемыми результатами (так называемый объяснимый ИИ).
С помощью модели ученые смогли направить дальнейшие эксперименты на наиболее интересные варианты. Таким образом, они смогли обнаружить небольшие группы этих важных молекул. Это означает, что, когда они уничтожаются или блокируются, бактерии не инфицируются, обеспечивая многообещающую цель для будущих методов лечения, которые помогут победить этих ловких захватчиков.
Возможно, появятся новые методы лечения
Фактически, авторы также заметили, что мышь-хозяин является адаптивной, способной обходить препятствия, создаваемые различными эффекторными сетями, и активировать дополнительные иммунные ответы, которые устраняют патоген и индуцируют защитный иммунитет.
Родригес-Патон заключает: «Искусственный интеллект снова доказывает, что он является революционной технологией, в данном случае в области микробиологии. Это междисциплинарное исследование потребовало от нас разработки новых методов искусственного интеллекта, чтобы распутать сложную сеть молекулярных сигналов, которые бактерии используют для заражения нас. Полученные результаты очень удовлетворительны, поэтому мы продолжим сотрудничать с группой Гэда Франкеля – одним из ведущих авторов – в Имперском колледже Лондона в будущих исследованиях ».
