Intelligenza artificiale scopre un super antibiotico

Una delle più grandi sfide che dovremo affrontare in futuro è l’antibiotico-resistenza. Ovvero la capacità di alcuni ceppi batterici di sviluppare resistenza ai farmaci antibimicrobici. Già oggi ci sono batteri che non rispondono ad alcuna terapia e ogni anno uccidono oltre 37 mila persone nell’Unione Europea. [1]
Secondo un rapporto dell’OMS, entro il 2050 l’antibiotico-resistenza potrebbe causare fino a 10 milioni di decessi all’anno [1]. Inoltre, la ricerca su nuovi antibiotici è quasi ferma da circa 10 anni. Questo a causa del costo di tali studi e della loro anti-economicità, perché qualora scoprissero nuove molecole, di queste se ne farebbe un uso il più limitato possibile, onde evitare che i batterei sviluppino resistenza [2].

 

 

 

Gattini e supercomputer

Ok, adesso basta brutte notizie. Perché si dà il caso che nella faretra della scienza del farmaco ci sia una nuova freccia. Anzi, a dire il vero questa non è una freccia ma un bazooka a tracciamento termico lancia missili intercontinentali. In parole povere stiamo parlando del machine learning.
Però andiamo per gradi cos’è il machine learning? Lo dico molto semplicemente, perché con molta probabilità ne parleremo approfonditamente in un altro articolo. Il machine learning è una branca dell’intelligenza artificiale che permette ad una macchina di apprendere automaticamente partendo da una grande mole di dati [3]. Esempio: vogliamo che il nostro computer riesca a riconoscere foto di gattini automaticamente. Prendo un certo numero di foto e dico al computer quali sono gatti e quali no, il computer prende tutti i dati di quelle foto, coglie le similitudini (pattern) e “capisce” cosa è un gatto.
A questo punto, una volta sviluppata la capacità del computer di riconoscere i gattini, posso inserire nuove immagini. Il computer analizzerà i dati inseriti ricercando i pattern tipici dei gattini e a velocità milioni di volte superiori a quelle umane tirerà fuori tutte le immagini in cui sono presenti.

 

 

 

IA – Una nuova speranza

Abbiamo parlato di machine learning, ma cosa c’entra una macchina riconosci-gattini con gli antibiotici? Alcuni ricercatori del MIT guidati dall’ingegnere biomedico James Collins hanno sviluppato una rete neurale (un primitivo cervello artificiale) che grazie al machine learning apprende le proprietà delle molecole atomo per atomo. I ricercatori, partendo da un database di 2300 molecole con noto effetto antibiotico hanno addestrato la rete neurale a riconoscere le molecole battericide [4].
L’algoritmo, come un piccolo Skynet, impara a prevedere la funzione molecolare senza ipotesi sul funzionamento dei farmaci, di conseguenza il modello può apprendere nuovi schemi per sterminare i batteri sconosciuti agli esseri umani.
Una volta finito l’addestramento il nostro Skynet era pronto al campo di battaglia. Davanti a lui sono state poste 6000 molecole prese dal Drug Repurposing Hub, una libreria che contiene molecole non letali per l’uomo di cui si ipotizza un’efficacia medica (non esclusivamente antibiotica). Dopo aver escluso le molecole simili ad antibiotici già noti ne sono state selezionate circa 100 [5]. Tra queste, una molecola studiata per il trattamento del diabete, si è rivelata un potente antibiotico. La molecola è stata rinominata halicina, in onore di HAL 9000, il computer di 2001: Odissea nello spazio.

 

 

 

La superpotenza dell’halicina

Ora, l’halicina ha una storia figa, un nome tostissimo e una struttura molecolare degna di un’opera di Renzo Piano, ma funziona? Secondo Collins l’halicina è “Probabilmente uno degli antibiotici più potenti mai scoperti” [5], questo perché agisce in un modo non covenzionale.
Gli antibiotici comuni agiscono su diversi meccanismi come l’inibizione di enzimi coinvolti nella sintesi delle pareti cellulari, nella sintesi proteica o nella riparazione del DNA. L’halicina invece agisce in un modo mai visto fino ad ora: interrompe il flusso di H+ attraverso la membrana cellulare. Il passaggio degli H+ è fondamentale per il mantenimento del pH interno, per la sintesi di ATP e per altre operazioni fondamentali per la sopravvivenza del batterio. Il farmaco è stato testato su animali infettati con Acinetobacter baumannii, un batterio estremamente resistente originario del medio oriente resistente a tutti gli antibiotici conosciuti. Risultato? Nel giro di 24 ore dalla somministrazione di halicina tutte le cavie sono guarite [4]. Nei test sugli animali si è anche osservato che l’halicina ha una bassa tossicità e si è dimostrata essere molto più durevole degli altri antibiotici. Generalmente nei test i batteri sviluppano un’antibiotico resistenza nell’arco di 2-3 giorni, nel caso dell’halicina dopo 30 giorni non si è osservata nessuna resistenza.

 

 

 

Una nuova frontiera

Tutto molto affascinante, ma questo è stato solo il primo passo. Già perché il secondo e più importante step è stato quello di dare in pasto alla rete neurale ben 107 milioni di molecole. Dopo aver analizzato le milioni e milioni di molecole in tempi fino a 10 anni fa inimmaginabili, la rete neurale ha estratto dal cilindro ben 8 nuovi potenziali antibiotici, due dei quali ad ampio spettro [5]. Otto vi sembrerà un numero esiguo rispetto ai 107 milioni di partenza, ma nell’industria farmaceutica sono numeri normali. Spesso si dimentica, o si ignora, che la ricerca di un nuovo farmaco necessita di un lavoro fuori dal comune. Per fare un parallelismo: il tempo, le risorse e i protocolli di sicurezza necessari per arrivare ad un farmaco sono simili a quelli necessari per una missione spaziale. Parliamo di decine di anni, vari miliardi e centinaia/migliaia di ricercatori. Gli sviluppi nell’intelligenza artificiale però potrebbero permettere di ridurre in modo sostanzioso i costi e i tempi. Questo significa che nei prossimi anni la ricerca sui nuovi farmaci potrebbe subire un’incremento esponenziale, portando in tempi mai immaginati fino ad ora, a migliorare le terapie esistenti e a trovarne di nuove per patologie oggi incurabili.
Quello che abbiamo davanti è un universo infinito di possibilità di cui si stenta a vedere l’orizzonte.