最近話題のAIを使った成果として、マサチューセッツ工科大学とマクマスター大学の研究者らは『Nature Chemical Biology』誌に掲載された新たな研究の中で、AIを使って、これまで有効な対抗手段がなかった致死性の高い薬剤耐性病原体に対する有望な抗生物質を発見することに成功した。この抗生物質は、脆弱な病院患者をしばしば襲う致命的な薬剤耐性病原体であるAcinetobacter baumanniiに対して、有望な対抗手段になり得る可能性があるとのことだ。

世界保健機関（WHO）によって世界で最も危険な抗生物質耐性菌のひとつとされているA. baumanniは、通常、病院環境で発見され、様々な表面で長期間生存することが出来る。この病原菌は、抗生物質耐性遺伝子を含む、環境中の他の細菌種からDNAを拾い上げることが出来る。A.baumanniiは根絶が難しいことで知られ、肺炎、髄膜炎、創傷感染などを引き起こし、そのすべてが死に至る可能性がある。

これまで、A.baumanniiに有効な新しい抗生物質を見つけるのは難しかった。ほとんどの抗生物質は、特定の最近にのみ作用するのではなく、基本的にすべての細菌を殺す「広域スペクトル」であり、生物の腸内細菌叢を破壊し、クロストリジオイデスディフィシルなどの多くの深刻な感染症に対する脆弱性を高める。新規抗生物質の従来のスクリーニング方法は、時間とコストがかかり、範囲も限定されている。

これに対し、最新のディープラーニングを用いたAIベースのアプローチでは、抗菌特性を持つ何億もの分子を特定できるため、根本的に新しい抗菌性分子を発見する可能性が大幅に高まるのだ。

科学者たちは、AIモデルを訓練した後、AIモデルを使って、これまで遭遇しなかった6,680の化合物を分析した。解析には1時間半を要し、最終的に数百の化合物が生成され、そのうちの240が実験室でテストされました。実験室でのテストにより、最終的にabaucinと命名した物質を含む9種類の抗生物質の候補が発見された。

その後、マウスの創傷感染モデルでA baumanniiに対する新しい分子のテストを行ったところ、この分子が感染を抑制することを確認した。

abaucinは、A. baumanniiのみを標的とするため、特に有望であると研究グループは考えている。この重要な発見は、A. baumanniiが急速に薬剤耐性を獲得する可能性が低いことを示しており、より正確で効果的な治療法につながる可能性があるという。また、この研究成果は、他の難治性細菌を治療するために必要な抗生物質の発見を早めることにもつながると考えられる。

マサチューセッツ工科大学（MIT）の医用工学・科学教授である共著者のJames J. Collins氏は、声明の中で、「創薬へのAIアプローチは今後も続くもので、今後も改良されるでしょう。アルゴリズムモデルが機能することは分かっています。今は、新しい抗生物質をより効率的に、より安価に発見するために、これらの手法を広く採用することが問題です」と、述べている。

「我々は、広域スペクトル抗生物質が最適でないことを知っており、病原体は、我々が投げかけるあらゆるトリックに進化して適応する能力を持っています。AIの方法は、私たちが新しい抗生物質を発見する速度を大幅に向上させる機会を与えてくれます。これは、新しい抗生物質の薬剤を探索するための重要な道です」と、マクマスター大学の生物医学と生化学の助教授である主著者のJonathan Stokes氏は、声明で述べている。

論文

• Nature Chemical Biology: Deep learning-guided discovery of an antibiotic targeting Acinetobacter baumannii

参考文献

• McMaster University: Scientists use AI to find promising new antibiotic to fight evasive hospital superbug
• MIT News: Using AI, scientists find a drug that could combat drug-resistant infections
• via Phys.org: Scientists use AI to find promising new antibiotic to fight evasive hospital superbug

研究の要旨

Acinetobacter baumanniiは、院内感染するグラム陰性菌であり、しばしば多剤耐性を示す。A. baumanniiに対する新しい抗生物質を発見することは、従来のスクリーニングアプローチでは困難であることが証明されている。しかし、機械学習の手法を用いれば、化学的空間を迅速に探索することができ、新しい抗菌性分子を発見する確率が高まる。ここでは、試験管内でA. baumanniiの増殖を抑制する分子について、7,500個をスクリーニングした。この増殖阻害データセットを用いてニューラルネットワークを学習させ、A. baumanniiに対して活性を持つ構造的に新しい分子をin silicoで予測した。その結果、A. baumanniiに対して狭スペクトル活性を持つ抗菌性化合物であるabaucinを発見した。さらに、LolEが関与するメカニズムにより、abaucinがリポタンパク質の輸送を阻害することを明らかにした。さらに、abaucinはマウス創傷モデルにおいてA. baumanniiの感染を抑制することができた。本研究は、抗生物質の探索における機械学習の有用性を明らかにし、困難なグラム陰性病原体に対する標的活性を持つ有望なリード化合物を説明するものである。