นักวิจัยจาก MIT ใช้ปัญญาประดิษฐ์ (AI) ช่วยออกแบบยาปฏิชีวนะชนิดใหม่ ที่สามารถต่อสู้กับเชื้อแบคทีเรียดื้อยาที่รักษายากอย่าง Neisseria gonorrhoeae และเชื้อ Staphylococcus aureus ที่ดื้อยาหลายขนาน (MRSA) ได้สำเร็จ
ทีมวิจัยได้ใช้อัลกอริทึม Generative AI ในการออกแบบสารประกอบที่เป็นไปได้กว่า 36 ล้านชนิด และคัดกรองด้วยระบบคอมพิวเตอร์เพื่อค้นหาคุณสมบัติต้านจุลชีพ สารประกอบตัวเต็งที่ค้นพบนั้นมีโครงสร้างแตกต่างจากยาปฏิชีวนะที่มีอยู่โดยสิ้นเชิง และดูเหมือนว่าจะทำงานผ่านกลไกใหม่ที่ไม่เคยมีมาก่อน นั่นคือการทำลายเยื่อหุ้มเซลล์ของแบคทีเรีย
แนวทางนี้ทำให้นักวิจัยสามารถสร้างและประเมินสารประกอบเชิงทฤษฎีที่ไม่เคยมีใครเห็นมาก่อน ซึ่งเป็นกลยุทธ์ที่ทีมวิจัยหวังว่าจะนำไปประยุกต์ใช้เพื่อระบุและออกแบบสารประกอบที่สามารถต่อสู้กับแบคทีเรียสายพันธุ์อื่นๆ ต่อไป
“เราตื่นเต้นกับความเป็นไปได้ใหม่ๆ ที่โปรเจกต์นี้เปิดประตูสู่การพัฒนายาปฏิชีวนะ” James Collins, ศาสตราจารย์จาก Institute for Medical Engineering and Science (IMES) และภาควิชาวิศวกรรมชีวภาพของ MIT กล่าว “งานวิจัยของเราแสดงให้เห็นถึงพลังของ AI จากมุมมองของการออกแบบยา และช่วยให้เราสามารถสำรวจจักรวาลเคมี (chemical spaces) ที่ใหญ่ขึ้นมาก ซึ่งก่อนหน้านี้ไม่สามารถเข้าถึงได้” Collins เป็นผู้เขียนอาวุโสของงานวิจัยชิ้นนี้ ซึ่งตีพิมพ์ในวารสาร Cell
สำรวจจักรวาลเคมีที่ยังไม่ถูกค้นพบ
ในช่วง 45 ปีที่ผ่านมา มีการอนุมัติยาปฏิชีวนะใหม่โดย FDA เพียงไม่กี่สิบชนิด และส่วนใหญ่เป็นเพียงการดัดแปลงจากยาที่มีอยู่เดิม ในขณะเดียวกัน การดื้อยาของแบคทีเรียก็เพิ่มสูงขึ้นเรื่อยๆ ทั่วโลกคาดการณ์ว่าการติดเชื้อแบคทีเรียดื้อยาเป็นสาเหตุการเสียชีวิตเกือบ 5 ล้านคนต่อปี ด้วยความหวังที่จะค้นพบยาปฏิชีวนะใหม่เพื่อต่อสู้กับปัญหานี้ Collins และทีมงานจาก Antibiotics-AI Project ของ MIT ได้นำพลังของ AI มาใช้คัดกรองคลังสารประกอบเคมีขนาดใหญ่ที่มีอยู่ ซึ่งงานวิจัยก่อนหน้านี้ได้ค้นพบยาตัวเต็งที่น่าสนใจหลายตัว เช่น halicin และ abaucin
เพื่อต่อยอดความสำเร็จดังกล่าว ทีมวิจัยจึงตัดสินใจขยายขอบเขตการค้นหาไปสู่โมเลกุลที่ไม่สามารถพบได้ในคลังสารเคมีใดๆ โดยพวกเขาตระหนักว่า การใช้ AI เพื่อสร้างโมเลกุลที่เป็นไปได้ตามทฤษฎีซึ่งยังไม่มีอยู่จริงหรือยังไม่ถูกค้นพบ จะช่วยให้สามารถสำรวจความหลากหลายของสารประกอบที่อาจเป็นยาได้กว้างขวางยิ่งขึ้น
สองแนวทาง: เจาะจงโครงสร้างและปล่อยให้อิสระ
ในงานวิจัยชิ้นใหม่นี้ นักวิจัยได้ใช้สองแนวทางที่แตกต่างกัน ได้แก่
แนวทางอิงชิ้นส่วน (Fragment-based): สั่งให้ Generative AI ออกแบบโมเลกุลโดยยึดตามชิ้นส่วนทางเคมี (chemical fragment) ที่มีฤทธิ์ต้านจุลชีพ
แนวทางอิสระ (Unconstrained): ปล่อยให้อัลกอริทึมสร้างโมเลกุลได้อย่างอิสระ โดยไม่ต้องยึดติดกับชิ้นส่วนใดชิ้นส่วนหนึ่ง
สำหรับแนวทางแรก ทีมวิจัยต้องการค้นหาโมเลกุลที่สามารถฆ่าเชื้อ N. gonorrhoeae ซึ่งเป็นแบคทีเรียแกรมลบที่ก่อโรคหนองใน พวกเขาเริ่มต้นด้วยการคัดกรองคลังชิ้นส่วนทางเคมีกว่า 45 ล้านชิ้นด้วยโมเดล Machine Learning ที่เคยฝึกฝนไว้เพื่อทำนายฤทธิ์ต้านแบคทีเรีย จนได้ชิ้นส่วนที่น่าสนใจราว 1 ล้านชิ้น หลังจากคัดกรองเพิ่มเติมเพื่อกำจัดชิ้นส่วนที่อาจเป็นพิษต่อเซลล์มนุษย์หรือมีโครงสร้างคล้ายยาปฏิชีวนะที่มีอยู่แล้ว
"เราต้องการกำจัดทุกอย่างที่ดูเหมือนยาปฏิชีวนะที่มีอยู่เดิม เพื่อแก้ไขวิกฤตการดื้อยาด้วยวิธีที่แตกต่างไปจากเดิมโดยสิ้นเชิง เป้าหมายของเราคือการค้นพบกลไกการออกฤทธิ์แบบใหม่ๆ" Aarti Krishnan หนึ่งในทีมวิจัยกล่าว
หลังจากผ่านการทดลองและการวิเคราะห์ด้วยคอมพิวเตอร์หลายรอบ ทีมวิจัยได้ระบุชิ้นส่วนที่เรียกว่า F1 ซึ่งมีแนวโน้มที่ดีในการต่อต้านเชื้อ N. gonorrhoeae พวกเขาใช้ F1 เป็นแกนหลักในการสร้างสารประกอบเพิ่มเติมโดยใช้อัลกอริทึม Generative AI สองตัวคือ CReM (chemically reasonable mutations) และ F-VAE (fragment-based variational autoencoder)
อัลกอริทึมทั้งสองสร้างสารประกอบตัวเต็งขึ้นมาประมาณ 7 ล้านชนิด ทีมวิจัยคัดกรองด้วยคอมพิวเตอร์จนเหลือประมาณ 1,000 ชนิด และเลือก 80 ชนิดเพื่อทดสอบว่าสามารถสังเคราะห์ทางเคมีได้หรือไม่ ซึ่งมีเพียง 2 ชนิดที่ทำได้ และหนึ่งในนั้นคือ NG1 ที่มีประสิทธิภาพสูงในการฆ่าเชื้อ N. gonorrhoeae ทั้งในจานเพาะเชื้อและในโมเดลหนูทดลองที่ติดเชื้อหนองในดื้อยา การทดลองเพิ่มเติมพบว่า NG1 ทำงานโดยรบกวนโปรตีนที่ชื่อว่า LptA ซึ่งเป็นเป้าหมายยาตัวใหม่ที่เกี่ยวข้องกับการสังเคราะห์เยื่อหุ้มเซลล์ชั้นนอกของแบคทีเรีย
การออกแบบโมเลกุลอย่างอิสระ
ในงานวิจัยรอบที่สอง ทีมวิจัยได้สำรวจศักยภาพของ Generative AI ในการออกแบบโมเลกุลอย่างอิสระ โดยมีเป้าหมายคือแบคทีเรียแกรมบวกอย่าง S. aureus (MRSA)
ครั้งนี้ พวกเขาใช้ CReM และ VAE สร้างโมเลกุลโดยไม่มีข้อจำกัดใดๆ นอกจากกฎพื้นฐานทางเคมี ผลลัพธ์คือสารประกอบกว่า 29 ล้านชนิด หลังจากผ่านกระบวนการคัดกรองแบบเดียวกับกรณีก่อนหน้า พวกเขาก็ได้สารประกอบตัวเต็งมาประมาณ 90 ชนิด
ทีมวิจัยสามารถสังเคราะห์และทดสอบโมเลกุลเหล่านี้ได้ 22 ชนิด และพบว่า 6 ชนิดมีฤทธิ์ต้านเชื้อ S. aureus ที่ดื้อยาหลายขนานได้อย่างดีเยี่ยม สารประกอบตัวเต็งที่สุดคือ DN1 สามารถกำจัดการติดเชื้อ MRSA ที่ผิวหนังในหนูทดลองได้สำเร็จ โมเลกุลเหล่านี้ดูเหมือนจะทำงานโดยการรบกวนเยื่อหุ้มเซลล์ของแบคทีเรียเช่นกัน แต่มีผลในวงกว้างกว่าและไม่ได้จำกัดอยู่ที่โปรตีนตัวใดตัวหนึ่ง
ปัจจุบัน Phare Bio ซึ่งเป็นองค์กรไม่แสวงหาผลกำไรและเป็นส่วนหนึ่งของ Antibiotics-AI Project กำลังทำงานเพื่อปรับปรุง NG1 และ DN1 ต่อไปเพื่อให้พร้อมสำหรับการทดสอบในขั้นต่อไป
"เรารู้สึกตื่นเต้นที่จะนำแพลตฟอร์มที่ทีมได้พัฒนาขึ้นไปประยุกต์ใช้กับเชื้อก่อโรคที่น่าสนใจอื่นๆ โดยเฉพาะอย่างยิ่ง Mycobacterium tuberculosis (วัณโรค) และ Pseudomonas aeruginosa" Collins กล่าวทิ้งท้าย
https://news.mit.edu/2025/using-generative-ai-researchers-design-compounds-kill-drug-resistant-bacteria-0814
อนาคตใหม่ของวงการแพทย์ MIT ใช้ Generative AI สร้างยาปฏิชีวนะพันธุ์ใหม่ ปราบเชื้อดื้อยาที่ยาเดิมเอาไม่อยู่