基于人工智能的技术正在加速新的结核病候选药物的发现

基于人工智能的技术正在加速新的结核病候选药物的发现

结核病是一种严重的全球健康威胁，到 2022 年已感染超过 1000 万人。引起“结核病”的病原体通过空气进入肺部，导致慢性咳嗽、胸痛、疲劳、发烧和体重减轻。虽然世界其他地区的感染范围更为广泛，但堪萨斯州严重的结核病疫情已导致两人死亡，并已成为美国最大的结核病疫情之一。

虽然结核病通常用抗生素治疗，但耐药菌株的增加导致迫切需要新的候选药物。

一项新研究发表在美国国家科学院院刊描述了人工智能的新用途，用于筛选可开发成新的结核病药物治疗的候选抗菌化合物。该研究由加州大学圣地亚哥分校、林奈生物科学公司和西雅图儿童研究所全球传染病研究中心的研究人员领导。

Linnaeus Bioscience 是一家总部位于圣地亚哥的生物技术公司，其成立的技术基础是由 Joe Pogliano 教授和 Dean Kit Pogliano 在加州大学圣地亚哥分校生物科学学院实验室开发的技术。 BCP（细菌细胞学分析）方法通过快速确定抗生素的潜在机制，提供了了解抗生素如何发挥作用的捷径。

历史证明，使用传统实验室方法寻找新的结核病药物靶点既费力又耗时，部分原因是难以理解新药的作用原理结核分枝杆菌引起疾病的细菌。

新的PNAs该研究描述了“MycOBCP”的开发，这是一种由盖茨基金会资助开发的下一代技术。新方法使 BCP 适应深度学习（一种使用类脑神经网络的人工智能），以克服传统挑战并开辟新视角结核分枝杆菌细胞。

这是这种使用机器学习和人工智能的图像分析首次以这种方式应用于细菌。结核病图像本质上很难用人眼和传统实验室测量来解释。当机器学习发现形状和模式的差异时要敏感得多，这对于揭示潜在的机制很重要。 “

Joe Pogliano，论文合著者，分子生物学系教授

在两年的开发过程中，主要作者 Diana Quach 和 Joseph Sugie 通过 KI Shu Chien-Gene Lay 生物工程系的培训塑造了 MycobCP 技术，并在分子生物学系 Pogliano 实验室完成了博士后任命。

Linnaeus Bioscience 首席技术官 Sugie 表示：“结核细胞呈块状，并且似乎总是紧密地粘在一起，因此定义细胞边界似乎是不可能的。” “相反，我们直接让计算机为我们分析图像中的模式。”

Linnaeus 与西雅图儿童研究所的结核病专家 Tanya Parish 合作开发了针对分枝杆菌的 BCP。新系统已经显着加快了团队的结核病研究能力，并帮助确定了药物开发的最佳候选化合物。

该研究的合著者帕里什说：“推进新候选药物的一个关键部分是确定它们的工作原理，这在技术上具有挑战性并且需要时间。” “这项技术扩展并加速了我们实现这一目标的能力，使我们能够根据分子的行为方式优先考虑要研究的分子结核分枝杆菌。 “

加州大学圣地亚哥分校生物技术分拆公司应对全球健康挑战

Linnaeus Bioscience 于 2012 年与加州大学圣地亚哥分校合作开发，承诺改变抗生素的作用方式。

“我们开发了细菌细胞学分析，它使我们能够以新的方式观察细菌细胞，”乔·波利亚诺说。 “它让我们能够真的看到了细胞如何应对抗生素治疗，以便我们能够解释其潜在机制。我们将这种方法描述为相当于在细菌细胞中进行尸检。 “

Linnaeus Bioscience 在圣地亚哥生物技术区域中心的成立使 Joe 和 Kit Pogliano 能够将 BCP 技术推向其他公司可以使用的市场。该公司现在接收来自世界各地的样本，用于快速分析和鉴定新的细菌候选药物。

Pogliano 赞扬生物技术界，特别是公司早期所在地圣地亚哥 JLABS 孵化器，对早期生物技术公司的支持，这对公司的成长和成功至关重要。

“如果没有 JLABS 提供的支持性生物技术社区和基础设施，我们不可能让 Linnaeus Bioscience 起步，”Pogliano 说。 “所有林奈员工都获得了加州大学圣地亚哥分校的博士学位。

除了 Quach、Pogliano 和 Sugie 之外，该报的合作伙伴还包括 Marc Sharp、Sara Ahmed、Lauren Ames、Amala Bhagwat、Aditi Deshpande 和 Tanya Parish。

资料来源：