최근 연구는 AI 도구가 박테리아 독성 네트워크를 해독하는 데 어떻게 사용될 수 있는지 보여줍니다. 많은 질병을 일으키는 박테리아는 분자 “주사기”를 사용하여 효과기라고 하는 다수의 단백질을 장 세포에 주입하여 주요 면역 반응을 차단합니다.
이제 영국, 이스라엘, 스페인의 국제 과학자 팀이 UPM(Polytechnic University of Madrid)의 참여로 실험실 실험과 인공 지능(AI) 도구를 결합하여 이러한 모든 단백질 분자를 함께 분석하기 위해 힘을 합쳤습니다. .
AI는 박테리아 독성 네트워크를 해독하는 데 사용할 수 있습니다.
Science 저널에 연구를 발표한 저자들은 이펙터의 기능을 모델링하기 위해 마우스 박테리아 Citrobacter rodentium의 100가지 변이체를 사용했습니다. 그들은 그들이 네트워크로 함께 작동하여 미생물이 면역 체계를 회피하고 병원성을 유지할 수 있는 큰 유연성을 허용한다는 것을 발견했습니다.
AI 플랫폼은 생체 내 데이터에서 대체 네트워크의 식민지화 결과를 정확하게 예측했습니다. UPM 연구원, AI 교수 Alfonso Rodríguez-Patón 및 박사 과정 학생 Elena Núñez Berrueco는 연구실에서 수집한 데이터를 사용하여 기계 학습 모델을 구축했습니다.
연구원들은 AI 도구를 테스트하고 있습니다
이펙터의 가능한 조합의 수는 10억을 초과하므로 모든 변형을 연구하려면 천년 이상의 실험 연구가 필요합니다. 여기서 AI가 규칙을 변경하고 이 복잡한 메커니즘을 해독할 수 있게 해줍니다. UPM에서 개발한 알고리즘은 100개의 실험실 실험 패턴을 학습한 후 모든 변이체의 감염 능력을 예측할 수 있습니다.
Núñez는 “이처럼 복잡한 생물학적 시스템을 연구함으로써 AI는 우리 눈에 명확하지 않은 것을 볼 수 있습니다.”라고 설명합니다. “예측은 가장 관련성이 높은 이펙터 조합을 식별하는 데 도움이 되므로 시간과 리소스를 절약할 수 있습니다. 우리는 이 모델을 사용하여 연구된 것과 다른 이펙터 조합을 가진 새로운 균주가 우리 세포를 조작할 수 있는지 여부와 방법을 예측할 수 있습니다.”
알고리즘은 인공 신경망에서 영감을 얻었지만 이펙터의 대상에 대한 지식을 통합합니다. 이 네트워크의 아키텍처는 일반적이지 않고 세포 구성 요소와 이펙터의 생물학적 상호 작용 네트워크와 같은 모양을 가지고 있습니다. 이를 통해 매우 적은 수의 사례로 네트워크를 훈련할 수 있어 해석 가능한 결과(소위 설명 가능한 AI)가 있는 모델이 생성됩니다.
모델의 도움으로 과학자들은 가장 흥미로운 변종에 대한 추가 실험을 지시할 수 있었습니다. 따라서 그들은 필수적인 이러한 분자의 작은 그룹을 발견할 수 있었습니다. 이것은 박테리아가 제거되거나 차단될 때 박테리아가 감염되지 않는다는 것을 의미하며, 이러한 민첩한 침입자를 물리치는 데 도움이 되는 미래 치료에 대한 유망한 표적을 제공합니다.
새로운 치료법이 나올 수 있습니다
사실, 저자들은 또한 숙주 마우스가 적응력이 있어 다른 효과기 네트워크에 의해 세워진 장애물을 우회하고 병원체를 제거하고 보호 면역을 유도하는 상보적 면역 반응을 활성화할 수 있다는 것을 관찰했습니다.
Rodríguez-Patón은 다음과 같이 결론을 내립니다. “인공 지능은 이 경우 미생물학 분야에서 파괴적인 기술임을 다시 한 번 증명하고 있습니다. 이 학제 간 연구는 박테리아가 우리를 감염시키는 데 사용하는 복잡한 분자 신호 네트워크를 풀기 위해 새로운 AI 기술을 개발하도록 요구했습니다. 얻은 결과는 매우 만족스럽기 때문에 향후 연구에서 Imperial College London의 수석 저자 중 하나인 Gad Frankel의 그룹과 계속 협력할 것입니다.”
