Актуальность поиска новых антибиотиков
Большинство существующих сегодня антибиотиков были разработаны в 40-70-х годах прошлого века. Однако с тех пор темпы разработки новых лекарств существенно замедлились. Одной из причин этого является то, что существующие методы скрининга часто требуют непомерных финансовых и временных затрат, а также ограничиваются узким спектром химического разнообразия.
Сокращение числа новых разработок наряду с чрезмерным и часто неоправданным использованием существующих антибиотиков породило проблему лекарственной устойчивости. Подсчитано, что без немедленных действий по обнаружению и разработке новых антибиотиков, к 2050 году смертность от устойчивых инфекций достигнет 10 млн в год.[1]
Скрининг in silico
Чтобы попытаться найти новые эффективные соединения, ученые из Массачусетского технологического института использовали глубокую нейронную сеть, которую можно обучить анализировать молекулярные структуры соединения и соотносить их с конкретными свойствами, например, способностью убивать бактерии.
В отличие от сетей предыдущего поколения она способна проверять более ста миллионов химических соединений за считанные дни и прогнозировать их свойства на основании того, что узнала о химических структурах, позволяющих лекарствам убивать бактерии.
В данном исследовании[2] ученые адаптировали компьютерную модель для поиска химических свойств, которые делают молекулы эффективными против кишечной палочки. Они действовали в три этапа:
- Сначала они обучили модель глубокой нейронной сети, предсказывать ингибирование роста кишечной палочки, используя коллекцию из 2335 молекул, включая около 1700 одобренных FDA лекарств и 800 натуральных продуктов с разнообразной структурой и широким спектром биологической активности.
- Затем ученые прогнали через нее несколько отдельных химических библиотек, содержащих больше 107 млн молекул, чтобы идентифицировать потенциально активные соединения в отношении кишечной палочки.
- Наконец, после ранжирования соединений в соответствии с прогнозируемой оценкой эффективности, ученые составили список самых перспективных кандидатов, учитывая их токсичность, химическую структуру и доступность.
Термин in silico был создан по аналогии с фразами in vivo (в живом организме) и in vitro (в пробирке). Им обозначают компьютерное моделирование эксперимента (чаще всего биологического), которое позволяет исследовать обширные химические пространства, недоступные современным экспериментальным подходам.
Результаты эксперимента
По итогам скрининга базы данных Центра по повторному назначению лекарств Института Броуда (штат Массачусетс, США), которая включает около 6000 соединений, искусственный интеллект выбрал одну молекулу, которая, по его мнению, имела сильную антибактериальную активность, хотя ее химическая структура и отличалась от любых существующих антибиотиков.
Новую молекулу, которая на самом деле является ингибитором N-концевой киназы c-Jun SU3327, исследователи назвали халицином в честь оснащенного искусственным интеллектом бортового компьютера из культового фильма Стэнли Кубрика «Космическая одиссея 2001». Ранее она была исследована в качестве потенциального лекарства от сахарного диабета.[3]
Исследователи убедились в том, что она имеет низкую токсичность для клеток человека и проверили ее эффективность в отношении десятков штаммов бактерий, как выращенных в лабораторных условиях, так и выделенных у человека. Они обнаружили, что халицин способен убивать многие, устойчивые к антибиотикам штаммы бактерий, включая Clostridium difficile, Acinetobacter baumannii и Mycobacterium tuberculosis.
Чтобы проверить эффективность галицина на модельных организмах, исследователи использовали его для лечения мышей, зараженных A. Baumannii – бактерией, которая стала причиной многих осложнений при лечении ран у американских солдат, дислоцированных в Ираке и Афганистане. Всемирная организация здравоохранения определила ее в качестве одного из наиболее приоритетных патогенов, против которых срочно требуются новые антибиотики.[4]
Выбранный учеными штамм A. Baumannii был устойчив ко всем известным антибиотикам, но применение мази, содержащей халицин, полностью очистило инфекцию в течение 24 часов.
Проблема лекарственной устойчивости
Предварительно ученые полагают, что механизм действия халицина заключается в том, что он нарушает способность бактерий поддерживать электрохимический градиент, то есть прохождение ионов через клеточные мембраны. Помимо прочего это необходимо для производства АТФ — молекул для накопления энергии, без которых бактериальные клетки погибают. Ни один из известных патогенов пока не выработал защиты против этого механизма уничтожения, поскольку одной или даже нескольких мутаций для изменения химии внешней мембраны недостаточно, здесь необходимы сложнее эволюционные изменения.
Чтобы проверить свои предположения ученые сравнили механизмы формирования резистентности кишечной палочки к халицину и ципрофлоксацину. Устойчивость к ципрофлоксацину начала проявляться уже на 1-3-й день эксперимента, а спустя месяц бактерии стали примерно в 200 раз более устойчивы к ципрофлоксацину, чем в начале эксперимента. В то же время в течение 30-дневного периода лечения резистентность к халицину не развилась.
Перспективные направления
Помимо халицина исследователи также выявили несколько других многообещающих кандидатов в антибиотики. Они использовали свою модель для скрининга более 100 миллионов молекул, выбранных из базы данных ZINC15 — онлайновой коллекции, включающей около 1,5 миллиарда химических соединений. Этот скрининг, который занял всего три дня, выявил 23 кандидата, которые структурно отличались от существующих антибиотиков и, по прогнозам, были нетоксичны для клеток человека. В лабораторных тестах против пяти видов болезнетворных бактерий исследователи обнаружили, что семь молекул проявили антибактериальную активность, а у двух из них она оказалась особенно сильна.
Теперь исследователи планируют провести дальнейшее тестирование этих молекул, а также использовать свою модель для оптимизации существующих антибиотиков. Так, они намерены обучить искусственный интеллект искать химические соединения, которые бы дополняли антибактериальные препараты таким образом, чтобы они убивали только патогенные бактерии, не нанося вреда кишечному микробиому пациента.
Использованы фото Shutterstock/FOTODOM UKRAINE
- O’Neill J. Antimicrobial Resistance: Tackling a Crisis for the Health and Wealth of Nations. Review on Antimicrobial Resistance, 2014, 2014.
- Jonathan M. Stokes, Kevin Yang, Kyle Swanson, Wengong Jin, Andres Cubillos-Ruiz, Nina M. Donghia, Craig R. MacNair, Shawn French, Lindsey A. Carfrae, Zohar Bloom-Ackerman, Victoria M. Tran, Anush Chiappino-Pepe, Ahmed H. Badran, Ian W. Andrews, Emma J. Chory, George M. Church, Eric D. Brown, Tommi S. Jaakkola, Regina Barzilay, James J. Collins. A Deep Learning Approach to Antibiotic Discovery. Cell, 2020; 180 (4): 688 DOI: 10.1016/j.cell.2020.01.021
- De S.K., Stebbins J.L., Chen L.H., Riel-Mehan M., Machleidt T., Dahl R., Yuan H., Emdadi A., Barile E., Chen V. et al. Design, synthesis, and structure-activity relationship of substrate competitive, selective, and in vivo active triazole and thiadiazole inhibitors of the c-Jun N-terminal kinase. J. Med. Chem. 2009; 52: 1943-1952.
- Lee C.R., Lee J.H., Park M., Park K.S., Bae I.K., Kim Y.B., Cha C.J., Jeong B.C., Lee S.H. Biology of Acinetobacter baumannii: pathogenesis, antibiotic resistance mechanisms, and prospective treatment options. Front. Cell. Infect. Microbiol. 2017; 7: 55
