How we're using AI to discover new antibiotics | Jim Collins

المترجم: Asmaa Sheikh Warak المدقّق: Hamzeh Koumakli

So how are we going to beat this novel coronavirus?

كيف سنتغلّب على فيروس كورونا الجديد؟

من خلال استخدام أفضل أدواتنا:

By using our best tools:

our science and our technology.

علمنا وتقنياتنا.

In my lab, we're using the tools of artificial intelligence

نستخدم الذكاء الاصطناعي في مختبري

and synthetic biology

وعلم الأحياء الاصطناعية

to speed up the fight against this pandemic.

لتسريع وتيرة مكافحة هذه الجائحة.

Our work was originally designed

صُمّم عملنا خصيصاً

to tackle the antibiotic resistance crisis.

لمعالجة معضلة مقاومة المضادات الحيوية.

Our project seeks to harness the power of machine learning

يسعى مشروعنا لتسخير قوة التعلم الآلي

to replenish our antibiotic arsenal

لنستعيد قوة مضاداتنا الحيوية

and avoid a globally devastating postantibiotic era.

ونتجنب عصر ما بعد المضادات الحيوية المدمر العالمي.

Importantly, the same technology can be used

والأهم هو أنه يمكننا استخدام التقنية ذاتها

to search for antiviral compounds

للبحث عن المركبات المضادة للفيروسات

that could help us fight the current pandemic.

والتي بإمكانها مساعدتنا على مكافحة الوباء الحالي.

Machine learning is turning the traditional model of drug discovery

يقلب التعلم الآلي النموذج التقليدي لاكتشاف الأدوية

on its head.

رأساً على عقب.

With this approach,

من خلال هذا النهج،

instead of painstakingly testing thousands of existing molecules

بدلاً من تجريب آلاف الجزيئات الموجودة بصعوبة بالغة

one by one in a lab

واحداً تلو الآخر في المختبر

for their effectiveness,

لإثبات فعاليتها،

we can train a computer to explore the exponentially larger space

يمكننا برمجة كمبيوتر لاستكشاف كمية أكبر

of essentially all possible molecules that could be synthesized,

من الجزيئات التي بمقدورنا تصنيعها،

and thus, instead of looking for a needle in a haystack,

وبالتالي بدلاً من البحث عن إبرة في كومة قش

we can use the giant magnet of computing power

يمكننا استخدام المغناطيس العملاق المتمثل في إمكانيات الحاسوب

to find many needles in multiple haystacks simultaneously.

للعثور على العديد من الإبر في أكوام قش متعددة في آن واحد.

We've already had some early success.

لقد حققنا بالفعل بعض النجاح المبكر.

Recently, we used machine learning to discover new antibiotics

استخدمنا مؤخراً التعلم الآلي لاكتشاف مضادات حيوية جديدة

that can help us fight off the bacterial infections

يمكنها مساعدتنا على مكافحة العدوى الجرثومية

that can occur alongside SARS-CoV-2 infections.

التي يمكن أن ترافق عدوى سارس-كوف-2.

Two months ago, TED's Audacious Project approved funding for us

تمّت الموافقة على تمويلنا منذ شهرين من برنامج المشاريع الجريئة الذي تدعمه TED

to massively scale up our work

لتوسيع عملنا بشكل كبير

with the goal of discovering seven new classes of antibiotics

بهدف اكتشاف سبعة أصناف من المضادات الحيوية

against seven of the world's deadly bacterial pathogens

لسبعة من أكثر الأمراض الجرثومية فتكاً في العالم

over the next seven years.

على مدى السنوات السبع المقبلة.

For context:

في هذا السياق:

the number of new class of antibiotics

إن عدد أصناف المضادات الحيوية الجديدة

that have been discovered over the last three decades is zero.

التي اكتشفت خلال العقود الثلاث الأخيرة يبلغ الصفر.

While the quest for new antibiotics is for our medium-term future,

يشكل البحث عن مضادات حيوية جديدة هدفاً لمستقبلنا متوسط البعد،

the novel coronavirus poses an immediate deadly threat,

بينما يشكّل فيروس كورونا الجديد تهديداً مُميتاً عاجلاً،

and I'm excited to share that we think we can use the same technology

وأنا متحمس لأخبركم أننا نستطيع استخدام التقنية ذاتها

to search for therapeutics to fight this virus.

للبحث عن علاجات لمكافحة ذلك الفيروس.

So how are we going to do it?

فكيف سنتمكن من القيام بذلك؟

Well, we're creating a compound training library

حسناً، نقوم بصنع مكتبة تدريب مركبة

and with collaborators applying these molecules to SARS-CoV-2-infected cells

بمساعدة متطوعين يطبّقون هذه الجزيئات على خلايا مصابة بفيروس سارس-كوف-2

to see which of them exhibit effective activity.

لمعرفة أيٍّ منها يظهر فعاليّة حقيقية.

These data will be use to train a machine learning model

ستستخدم هذه البيانات لبرمجة نموذج التعلم الآلي

that will be applied to an in silico library of over a billion molecules

الذي سيُطبّق على مكتبة تستخدم الحواسيب والتي تتضمن أكثر من مليار جزيء

to search for potential novel antiviral compounds.

للبحث عن مركبات جديدة قد تملك خاصية مضادة للفيروسات.

We will synthesize and test the top predictions

سنصنع ونختبر المركبات ذات الفعالية الأكبر

and advance the most promising candidates into the clinic.

ونقدم أجودها للاستخدام في العيادات.

Sound too good to be true?

يبدو جيداً لدرجة يصعب تصديقه، أليس كذلك؟

Well, it shouldn't.

حسناً، لا ينبغي ذلك.

The Antibiotics AI Project is founded on our proof of concept research

تأسس مشروع المضادات الحيوية والذكاء الصنعي على دليل من الأبحاث

that led to the discovery of a novel broad-spectrum antibiotic

التي قادتنا لاكتشاف مضاد حيوي جديد واسع الطيف

called halicin.

يدعى هالوسين.

Halicin has potent antibacterial activity

يملك الهالوسين تأثيراً كبيراً مضاداً للجراثيم

against almost all antibiotic-resistant bacterial pathogens,

ضد جميع الجراثيم المقاومة للمضادات الحيوية تقريباً،

including untreatable panresistant infections.

بما في ذلك العدوى الجرثومية المقاومة للمضادات وغير القابلة للعلاج.

Importantly, in contrast to current antibiotics,

ومن المهم أن نذكر أنه على نقيض المضادات الحيوية الحالية،

the frequency at which bacteria develop resistance against halicin

فإنّ معدل تطوّير الجراثيم لمقاومة الهالوسين

is remarkably low.

منخفض بشكل ملحوظ.

We tested the ability of bacteria to evolve resistance against halicin

اختبرنا قدرة الجراثيم على تطوير مقاومة ضد الهالوسين

as well as Cipro in the lab.

والسيبروفلوكساسين في المختبر.

In the case of Cipro,

في حالة السيبرو

after just one day, we saw resistance.

وجدنا مقاومة بعد مرور يوم واحد فقط.

In the case of halicin,

أما في حالة الهالوسين،

after one day, we didn't see any resistance.

لم نرَ أي مقاومة بعد مرور يوم واحد.

Amazingly, after even 30 days,

بشكل مذهل، بعد مرور 30 يوم،

we didn't see any resistance against halicin.

لم نرصد أي مقاومة تجاه الهالوسين.

In this pilot project, we first tested roughly 2,500 compounds against E. coli.

بدايةً اختبرنا في هذا المشروع التجريبي ما يقارب 2500 مركب ضد الإشريكية القولونية.

This training set included known antibiotics,

تضمنت مجموعة التدريب مضادات حيوية معروفة،

such as Cipro and penicillin,

مثل السيبرو والبنسلين،

as well as many drugs that are not antibiotics.

بالإضافة لأدوية عديدة ليست بمضادات حيوية.

These data we used to train a model

استخدمنا هذه البيانات لبرمجة نموذج

to learn molecular features associated with antibacterial activity.

لتعلم الميزات الجزيئية المرتبطة بالنشاط المضاد للجراثيم.

We then applied this model to a drug-repurposing library

ثم طبّقنا هذا النموذج على مكتبة لإعادة استخدام الأدوية

consisting of several thousand molecules

المكونة من عدة آلاف من الجزيئات

and asked the model to identify molecules

وطلبنا من النموذج تحديد الجزيئات

that are predicted to have antibacterial properties

التي من المتوقع أن يكون لها خصائص مضادة للجراثيم

but don't look like existing antibiotics.

ولكنها لا تبدو كالمضادات الحيوية الموجودة حالياً.

Interestingly, only one molecule in that library fit these criteria,

من المثير للاهتمام وجود جزيء واحد يطابق هذه المعايير في المكتبة فقط،

and that molecule turned out to be halicin.

وتبين أن هذا الجزيء هو الهالوسين.

Given that halicin does not look like any existing antibiotic,

بالنظر إلى أن الهالوسين لا يبدو مثل أي مضاد حيوي موجود،

it would have been impossible for a human, including an antibiotic expert,

لكان من المستحيل بالنسبة للإنسان بما في ذلك أي خبير بالمضادات الحيوية،

to identify halicin in this manner.

اكتشاف الهالوسين بهذه الطريقة.

Imagine now what we could do with this technology

تخيلوا الآن ما نستطيع فعله بهذه التقنية

against SARS-CoV-2.

ضد سارس-كوف-2.

And that's not all.

وهذا ليس كل شيء.

We're also using the tools of synthetic biology,

نستخدم أدوات علم الأحياء الاصطناعية،

tinkering with DNA and other cellular machinery,

ونتلاعب بالحمض النووي وغيرها من الآليات الخلوية،

to serve human purposes like combating COVID-19,

لخدمة الأهداف البشرية مثل مكافحة كوفيد-19،

and of note, we are working to develop a protective mask

علماً أننا نطوّر قناعاً واقياً

that can also serve as a rapid diagnostic test.

ليكون بمثابة اختبار تشخيصي سريع.

So how does that work?

فكيف يعمل هذا القناع؟

Well, we recently showed

حسناً، لقد تبين موخراً

that you can take the cellular machinery out of a living cell

أنه يمكنك أخذ الجهاز الخلوي من خلية حية

and freeze-dry it along with RNA sensors onto paper

وتجمده بالهواء الجاف مع مستشعرات الحمض النووي الرنا على ورقة

in order to create low-cost diagnostics for Ebola and Zika.

لوضع تشخيصٍ منخفض التكلفة لمرضي الإيبولا وزيكا.

The sensors are activated when they're rehydrated by a patient sample

يتم تنشيط المستشعرات عندما يتم ترطيبها بواسطة عينة من المريض

that could consist of blood or saliva, for example.

والتي يمكن أن تكون دماً أو لعاباً على سبيل المثال.

It turns out, this technology is not limited to paper

تبين أن هذه العملية لا تقتصر على الورق فقط

and can be applied to other materials, including cloth.

بل يمكننا تطبيقها على مواد أخرى بما في ذلك القماش.

For the COVID-19 pandemic,

بالنسبة لجائحة كوفيد-19،

we're designing RNA sensors to detect the virus

نصمّم مستشعرات الحمض النووي الرنا لترصد الفيروس

and freeze-drying these along with the needed cellular machinery

ونجمدها بالهواء الجاف مع الآليات الخلوية اللازمة

into the fabric of a face mask,

في نسيج الكمامة،

where the simple act of breathing,

بحيث يصبح فعل بسيط كالتنفس،

along with the water vapor that comes with it,

والذي يترافق مع طرح بخار الماء،

can activate the test.

بإمكانه تفعيل الاختبار.

Thus, if a patient is infected with SARS-CoV-2,

وبالتالي إذا كان المريض مصاباً بالسارس-كوف-2،

the mask will produce a fluorescent signal

سيصدر القناع إشارةً مشعّةً

that could be detected by a simple, inexpensive handheld device.

يمكن أن يلتقطها جهاز يدوي بسيط وبخيس الثمن.

In one or two hours, a patient could thus be diagnosed

يمكن تشخيص المريض بواسطة ذلك خلال ساعة أو ساعتين

safely, remotely and accurately.

بأمان وعن بعد وبدقة بالغة.

We're also using synthetic biology

كما أننا نستخدم علم الأحياء الاصطناعية

to design a candidate vaccine for COVID-19.

لتصميم لقاح محتمل للكوفيد-19.

We are repurposing the BCG vaccine,

نحن نعيد طرح عصية كالميت غيران،

which had been used against TB for almost a century.

والذي كان يستخدم لمكافحة مرض السل لمدة قرن تقريباً.

It's a live attenuated vaccine,

إنه لقاح حيّ مُضعَف،

and we're engineering it to express SARS-CoV-2 antigens,

ونحن نعدله ليعبّر عن مستضدات السارس-كوف-2.

which should trigger the production of protective antibodies

والذي يتوقع أن يحث على إنتاج أجسام مضادة واقية

by the immune system.

من قبل الجهاز المناعي.

Importantly, BCG is massively scalable

والأهم هو أن عصية كالميت غيران قابل للتطوير

and has a safety profile that's among the best of any reported vaccine.

وهو من أأمن اللقاحات المتوفرة.

With the tools of synthetic biology and artificial intelligence,

باستخدام أدوات علم الأحياء الاصطناعية والذكاء الاصطناعي،

we can win the fight against this novel coronavirus.

يمكننا التغلب على فيروس كورونا الجديد.

This work is in its very early stages, but the promise is real.

ما زال العمل في مراحله المبكرة ولكن نتائجه واعدة وحقيقية.

Science and technology can give us an important advantage

يمنحنا العلم والتقنية ميزة هامة

in the battle of human wits versus the genes of superbugs,

في معركة الذكاء البشري ضد جينات الجراثيم المقاومة للمضادات،

a battle we can win.

معركة يمكننا الفوز فيها.

Thank you.

شكراً لكم.