برای دهه های متوالی تولید آنتی بیوتیک ها منوط به کشف آنها در محیط های آلوده بود

دانشمندان با بررسی باکتری های داخل محیط های مثل خاک و صرف زمان و هزینه فراوان آنتی بیوتیک می ساختند

اما با به وجود آمدن باکتری های مقاوم به آنتی بیوتیک ها این روند سخت تر و سخت تر شد

اکنون ، هوش مصنوعی به دانشمندان دلیلی می دهد تا جستجوی خود را در مورد بانکهای اطلاعاتی مولکولهایی که هیچ شباهتی با آنتی بیوتیکهای موجود ندارند ، به طور چشمگیری گسترش دهند.

مطالعه ای که در تاریخ بیست فوریه 2020 در مجله Cell منتشر شد ، توضیح می دهد که چگونه محققان انستیتوی فناوری ماساچوست

از دستگاه یادگیری ماشینی برای شناسایی مولکولی استفاده می کنند که به نظر می رسد

قادر به مقابله با برخی از بیماری زا ترین باکتری های جهان است.

یادگیری ماشین چگونه به تولید آنتی بیوتیک کمک می کند؟

هنگام آزمایش در موش ها ، این مولکول ، هالیسین ، به طور موثری با اشکال دستگاه گوارش Clostridium difficile (C. dif)

، یک قاتل مشترک بیماران بستری و نوع دیگری از باکتری های مقاوم به دارو

که اغلب باعث عفونت در خون ، مجاری ادراری و ریه ها می شود ، را درمان کرد.

شگفت آور ترین ویژگی این مولکول؟

محققان گفتند كه از نظر ساختاری با آنتی بیوتیك های موجود متمایز است.

این مولکول در پایگاه داده ای برای سرکوب دارو ها یافت شد

که در ابتدا به عنوان یک درمان احتمالی برای دیابت شناخته شد ،

شاهکاری که قدرت یادگیری ماشین را برای پشتیبانی از تلاشهای کشف نشان می دهد.

اما این تحقیقات نشان می دهد که چگونه یادگیری ماشین ، هنگامی که با زیست شناسان متخصص تیم می شوند ،

می توانند کار بالینی وقت گیر را به سرعت انجام دهند و محققان اطمینان بیشتری کسب کنند

که مولکولی که مورد بررسی قرار می گیرند ، می تواند از طریق مراحل پرهزینه تر کشف دارو ها دنبال شود.