In che modo AI e Genomica possono aiutare a combattere la resistenza agli antibiotici

Applicazione di tecnologie innovative per risolvere un problema crescente.

Fonte: geralt / pixabay

La resistenza antimicrobica (AMR) è una minaccia per la salute globale. L’AMR è responsabile di oltre 700.000 morti a livello globale ogni anno e si prevede che aumenterà a più di 10 milioni di morti entro il 2050, secondo un rapporto pubblicato da Wellcome Trust e dal governo britannico. Le tecnologie innovative applicate come l’intelligenza artificiale (AI) e la genomica possono aiutare a risolvere questo problema?

Il primo antibiotico commercializzato moderno, la penicillina, fu sviluppato nel 1928 da Sir Alexander Fleming. Nel 1940, la prima resistenza agli antibiotici fu identificata nello stafilococco con penicillina-R. Nel tempo, nuovi farmaci antibiotici sono stati immessi sul mercato e molti dei germi mirati si sono evoluti e hanno sviluppato resistenza. L’AMR è causata dall’uso eccessivo di antibiotici da parte dell’uomo e del bestiame, nonché dall’aumento dell’uso di prodotti antibatterici per la pulizia e l’igiene. Gli antibiotici lavorano sui batteri, non sui virus e sono spesso sovra-prescritti per le malattie non virali. Per aggravare il problema, si stanno sviluppando meno antibiotici dalle aziende farmaceutiche a causa di barriere economiche e normative, secondo i Centri statunitensi per il controllo e la prevenzione delle malattie (CDC).

• (Chi) Futuro di (cosa) lavoro
• Formazione dei computer per identificare il disturbo bipolare
• Tre miti su bambini e algoritmi
• Che cosa succede davvero quando ci sentiamo autentici?
• Le donne sono più lente degli uomini?

Il filantropo miliardario e il co-fondatore di Microsoft Bill Gates ha ripetutamente avvertito che una pandemia globale è una minaccia esistenziale che deve essere affrontata.

“Se qualcosa uccide oltre 10 milioni di persone nei prossimi decenni, è più probabile che sia un virus altamente contagioso piuttosto che una guerra. Non missili, ma microbi. Ora, parte della ragione di ciò è che abbiamo investito una quantità enorme di deterrenti nucleari. Ma in realtà abbiamo investito molto poco in un sistema per fermare un’epidemia. Non siamo pronti per la prossima epidemia. “Bill Gates

Gates usa l’esempio di un virus pandemico come un potenziale microbo che può causare il caos. Eppure i virus non sono l’unica minaccia. La mancanza di antibiotici per il trattamento di malattie basate sui batteri presenta anche un importante problema di salute globale. Per affrontare questo problema, i ricercatori pioneristici stanno usando la tecnologia per trovare nuove soluzioni.

• Quanto dolore senti?
• Quali competenze soft abbiamo bisogno di lavorare con i robot?
• Può Wearables monitorare sequestri epilettici? Il MIT dice sì
• Piccoli dati

Recentemente, alcuni scienziati della University of California San Diego hanno creato un metodo per identificare e prevedere quali geni causano la resistenza dei batteri infettivi agli antibiotici utilizzando l’apprendimento automatico della macchina. Il team ha pubblicato i risultati delle sue ricerche in Nature Communications.

Gli scienziati hanno sviluppato una piattaforma computazionale di apprendimento automatico “integrata da analisi di interazione genetica e mappatura di mutazione strutturale 3D” in grado di identificare “firme dell’evoluzione di AMR a 13 antibiotici”. Hanno addestrato l’algoritmo di apprendimento automatico su sequenze e fenotipi del genoma di 1.595 ceppi di sui batteri che causano la tubercolosi chiamato Mycobacterium tuberculosis . Di conseguenza, l’algoritmo ha predetto correttamente 33 geni conosciuti resistenti agli antibiotici e ha identificato 24 nuove firme genetiche di resistenza antimicrobica. Secondo i ricercatori della UC San Diego, il loro approccio può essere applicato ad altri agenti patogeni responsabili dell’infezione.

I ricercatori della Virginia Tech hanno sviluppato una soluzione di deep learning AI, DeepARG, per combattere la resistenza agli antibiotici. Usando tecnologie Next Generation Sequencing (NGS) come Illumina, DeepARG consiste di due modelli: letture di sequenze brevi (DeepARG-SS) e lunghe sequenze di geni (DeepARG-LS). Secondo gli scienziati della Virginia Tech, “la tecnologia di sequenziamento del DNA ad alto rendimento ora fornisce un potente strumento per profilare il pieno complemento del DNA, inclusi gli ARG” (geni di resistenze antibiotiche). I ricercatori hanno curato gli ARG predetti con “un alto grado di sicurezza” in un database chiamato DeepARG-DB che è disponibile per query o download per supportare lo sviluppo di risorse correlate alla resistenza agli antibiotici.

Day Zero Diagnostics, una startup fondata nel 2016 e finanziata da investimenti di capitale e angelo, sta applicando il sequenziamento dell’intero genoma con l’algoritmo di apprendimento automatico AI chiamato Keynome ™ per abbreviare l’identificazione di un’infezione batterica da due a cinque giorni a qualche ora. La società ha sviluppato un database proprietario di resistenza microbica chiamato MicrohmDB® che determina la resistenza agli antibiotici utilizzando i dati genomici. Day Zero Diagnostics ha sede presso l’Harvard Life Lab e lavora in collaborazione con il Dr. Doug Kwon presso il Ragon Institute di MGH, MIT e Harvard.

Secondo il CDC, oltre due milioni di americani sono colpiti da infezioni resistenti agli antibiotici e 23.000 muoiono ogni anno a causa di infezioni resistenti agli antibiotici. Il CDC stima l’impatto economico di AMR negli Stati Uniti per oltre $ 20 miliardi di costi sanitari diretti, oltre a $ 35 miliardi in perdita di produttività, per un totale di $ 55 miliardi all’anno. Attraverso il lavoro di scienziati e ricercatori all’avanguardia, tecnologie innovative come l’apprendimento automatico delle macchine e la genomica vengono applicate nella speranza di aiutare l’umanità in futuro.

Copyright © 2018 Cami Rosso Tutti i diritti riservati.

Riferimenti

Prestinaci F., Pezzotti P, Pantosti A. Resistenza antimicrobica: un fenomeno globale sfaccettato. Pathog Glob Health . 2015; 109 (7): 309-18.

Wellcome Trust, governo del Regno Unito. “Recensione sulla resistenza antimicrobica. Resistenza antimicrobica: affrontare una crisi per la salute e la ricchezza delle nazioni. 2014. https://amr-review.org/

Bill Gates. “Il prossimo focolaio? Non siamo pronti. “TED2015. Estratto il 15-15-2018 da https://www.ted.com/talks/bill_gates_the_next_disaster_we_re_not_ready?language=it

Università della California – San Diego. “L’apprendimento automatico identifica i geni di resistenza agli antibiotici nei batteri responsabili della tubercolosi.” Phys.org . 25 ottobre 2018.

Kavvas, E., Catouiu, E., Mih, N., Yurkovich, J., Seif, Y., Dillon, N., Heckmann, D., Anand, A., Yang, L., Nizet, V., Monk, J., Palsson, B. “L’apprendimento automatico e l’analisi strutturale del pan-genoma del Mycobacterium tuberculosis identifica le firme genetiche della resistenza agli antibiotici.” Nature Communications . 17 ottobre 2018.

Gustavo A. Arango-Argoty, Emily Garner, Amy Pruden, Lenwood S. Heath, Peter Vikesland, Liqing Zhang. DeepARG: un approccio di apprendimento profondo per la previsione dei geni di resistenza agli antibiotici dai dati metagenomici. (Microbioma 2018).

Day Zero Diagnostics. Estratto il 15-15-2018 da https://www.dayzerodiagnostics.com/

Centri per il controllo e la prevenzione delle malattie. “Resistenza agli antibiotici / antimicrobici (AR / AMR). Estratto il 15-15-2018 da https://www.cdc.gov/drugresistance/about.html