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

Translator: Mansoureh Hadavand Reviewer: Masoud Motamedifar

So how are we going to beat this novel coronavirus?

خوب چطور می‌خواهیم که این ویروس جدید کرونا را شکست دهیم؟

By using our best tools:

با استفاده از بهترین ابزارهای‌مان:

our science and our technology.

علم و تکنولوژی‌مان.

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

در آزمایشگاه من، ما از ابزارهای هوش مصنوعی

and synthetic biology

و زیست‌شناسی مصنوعی استفاده می‌کنیم

to speed up the fight against this pandemic.

تا به مبارزه با این بیماری همه گیر سرعت ببخشیم.

Our work was originally designed

کار ما در ابتدا برای مقابله با

to tackle the antibiotic resistance crisis.

بحران مقاومت آنتی‌بیوتیک طراحی شده بود.

Our project seeks to harness the power of machine learning

پروژه ما به دنبال مهار قدرت یادگیری ماشینی است تا

to replenish our antibiotic arsenal

ذخیره آنتی‌بیوتیکی ما را دوباره پر کند

and avoid a globally devastating postantibiotic era.

و از دوران پساآنتی‌بیوتیکی مخرب جهانی جلوگیری کند.

Importantly, the same technology can be used

بسیار حائز اهمیت است که از همان تکنولوژی بتوان برای تحقیقات

to search for antiviral compounds

روی ترکیبات ضدویروسی استفاده کرد

that could help us fight the current pandemic.

که می‌تواند به ما در نبرد علیه اپیدمی حاضر کمک کند.

Machine learning is turning the traditional model of drug discovery

یادگیری ماشینی مدل سنتی کشف دارو را

on its head.

به کل تغییر داد.

With this approach,

با این رویکرد،

instead of painstakingly testing thousands of existing molecules

به جای آزمایش مشقت‌بار تاثیرگذاری هزاران مولکول موجود

one by one in a lab

دانه به دانه

for their effectiveness,

در یک آزمایشگاه،

we can train a computer to explore the exponentially larger space

می‌توانیم به کامپیوتر یاد بدهیم که میزان بیشتری از مولکول‌های ممکن

of essentially all possible molecules that could be synthesized,

که می‌توانند ترکیب شوند را به طور تصاعدی بررسی کند.

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

و بنابراین به جای گشتن دنبال سوزن در انبار کاه

we can use the giant magnet of computing power

می‌توانیم از مغناطیس عظیم قدرت محاسبه استفاده کنیم

to find many needles in multiple haystacks simultaneously.

تا سوزن‌های زیادی را بطور همزمان در انبار کاه پیدا کنیم.

We've already had some early success.

تا حالا پیشرفت‌هایی داشته‌ایم.

Recently, we used machine learning to discover new antibiotics

اخیرا، از یادگیری ماشینی برای کشف آنتی‌بیوتیک‌های جدید استفاده کردیم

that can help us fight off the bacterial infections

که به ما کمک می‌کند تا از عفونت باکتریایی جلوگیری کنیم

that can occur alongside SARS-CoV-2 infections.

که در کنار عفونت‌های سندرم حاد تنفسی ۲ (SARS-CoV-2) اتفاق می‌افتد.

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

دو ماه قبل، پروژه جسورانه TED طرح ما را برای سرمایه‌گذاری پذیرفت

to massively scale up our work

تا به شکل گسترده‌ای وسعت کار ما را

with the goal of discovering seven new classes of antibiotics

با هدف کشف هفت نوع جدید آنتی بیوتیک

against seven of the world's deadly bacterial pathogens

برای مقابله با هفت پاتوژن کشنده باکتریایی دنیا

over the next seven years.

در طی هفت سال آینده گسترش دهد.

For context:

لازم به ذکر می‌باشد:

the number of new class of antibiotics

تعداد گونه‌های جدید آنتی‌بیوتیک

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

که طی سه دهه گذشته کشف شده است صفر است.

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

اگرچه جستجو برا آنتی‌بیوتیک‌های جدید از اهداف میان مدت ماست

the novel coronavirus poses an immediate deadly threat,

ویروس جدید کرونا یک تهدید کشنده جدی است،

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

و هیجان‌زده هستم بگویم که ما فکر می‌کنیم می‌توانیم از همین تکنولوژی

to search for therapeutics to fight this virus.

برای تحقیق در درمان‌شناسی علیه این ویروس استفاده کنیم.

So how are we going to do it?

پس چطور این کار را انجام می‌دهیم؟

Well, we're creating a compound training library

خوب ما یک کتابخانه آموزشی ترکیبی درست می‌کنیم

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

و با همکاران این مولکول‌ها را در سلول‌های درگیر سندرم حاد تنفسی ۲ بکار می‌گیریم

to see which of them exhibit effective activity.

تا ببینیم کدامیک از آنها فعالیت موثری از خود نشان می‌دهد.

These data will be use to train a machine learning model

از این داده‌ها برای آموزش مدل یادگیری ماشینی استفاده می‌شود

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

که در کتابخانه شبیه سازی رایانه‌ای با بیش از یک میلیارد مولکول بکار گرفته خواهد شد

to search for potential novel antiviral compounds.

تا ترکیبات جدید ضدویروسی احتمالی را پیدا کنیم.

We will synthesize and test the top predictions

ما پیشگویی‌های محتمل‌تر را ترکیب و آزمایش می‌کنیم و

and advance the most promising candidates into the clinic.

روی بیمارانی که امید بیشتری می‌رود آزمایش بالینی انجام می‌دهیم

Sound too good to be true?

به نظر زیادی خوب می‌رسد؟

Well, it shouldn't.

خوب، اینطور نیست.

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

آنتی بیوتیک‌های پروژه هوش مصنوعی بر پایه مدارک ما از تحقیق مفهومی است

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

که منجر به کشف طیف وسیعی از آنتی‌بیوتیک‌ها

called halicin.

به نام هالوسین می‌شود.

Halicin has potent antibacterial activity

هالوسین فعالیت ضدباکتریایی زیادی

against almost all antibiotic-resistant bacterial pathogens,

بر علیه بیشتر پاتوژن‌های مقاوم دربرابر آنتی‌بیوتیک

including untreatable panresistant infections.

از جمله عفونت‌های مقاوم غیرقابل درمان دارد.

Importantly, in contrast to current antibiotics,

جالب اینکه، برخلاف آنتی‌بیوتیک‌های موجود،

the frequency at which bacteria develop resistance against halicin

دایره‌ی مقاومت باکتری در برابر هالوسین

is remarkably low.

به نحو قابل توجهی کم است.

We tested the ability of bacteria to evolve resistance against halicin

ما در آزمایشگاه مقاومت باکتری در برابر هالوسین و همینطور

as well as Cipro in the lab.

داروی سیپرو (cipro) را آزمایش کردیم.

In the case of Cipro,

در مورد سیپرو،

after just one day, we saw resistance.

فقط پس از یک روز، ما مقاومت دیدیم.

In the case of halicin,

در مورد هالوسین،

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

بعد از یک روز هیچ مقاومتی ندیدیم.

Amazingly, after even 30 days,

شگفت انگیز است که پس از سی روز تمام،

we didn't see any resistance against halicin.

ما هیچ مقاومتی در برابر هالوسین ندیدیم.

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

در این پروژه آزمایشی، ابتدا در حدود ۲۵۰۰ ترکیب را درمقابل ای کولای آزمایش کردیم.

This training set included known antibiotics,

این مجموعه آموزشی شامل آنتی‌بیوتیک‌های شناخته شده،

such as Cipro and penicillin,

از قبیل پنی‌سیلین و سیپرو،

as well as many drugs that are not antibiotics.

همچنین دیگر داروهایی که آنتی‌بیوتیک نیستند می‌شود.

These data we used to train a model

ما از این داده‌ها برای آموزش یک مدل استفاده کردیم

to learn molecular features associated with antibacterial activity.

تا ویژگی‌های مولکی همراه با این فعالیت ضدباکتریایی را دریابیم.

We then applied this model to a drug-repurposing library

سپس این مدل را در یک کتابخانه تخصصی دارو که

consisting of several thousand molecules

از چندهزار مولکول ساخته شده است بکار گرفتیم

and asked the model to identify molecules

و ازاین مدل خواستیم که مولکول‌هایی را شناسایی کند

that are predicted to have antibacterial properties

که پیش‌بینی می‌شود امکانات ضدباکتریایی دارند

but don't look like existing antibiotics.

اما شبیه مولکول‌های آنتی‌بیوتیک‌های موجود نیستند.

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

خیلی جالب است که فقط یک مولکول در آن کتابخانه با این باکتری همخوانی داشت.

and that molecule turned out to be halicin.

و آن مولکول هالوسین بود.

Given that halicin does not look like any existing antibiotic,

با فرض اینکه هالوسین مانند هیچ‌یک از آنتی‌بیوتیک‌های موجود نباشد

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

شناخت هالوسین در این شکل برای یک انسان از جمله یک متخصص آنتی‌بیوتیک

to identify halicin in this manner.

غیرممکن می‌شد.

Imagine now what we could do with this technology

تصور کنید که ما با این تکنولوژی می‌توانستیم

against SARS-CoV-2.

علیه بیماری حاد تنفسی ۲ چه کار کنیم.

And that's not all.

و این همه آن نیست.

We're also using the tools of synthetic biology,

با استفاده از ابزارهای سنتتیک بیولوژی (Synthetic biology)

tinkering with DNA and other cellular machinery,

که به دی ان ای و دیگر تشکیلات سلولی می‌پردازد،

to serve human purposes like combating COVID-19,

تا به اهداف بشری مانند مبارزه با بیمای کووید ۱۹خدمت کند.

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

و از طرف دیگر روی ساخت یک ماسک محافظتی کار می‌کنیم

that can also serve as a rapid diagnostic test.

که می‌تواند به عنوان یک تست تشخیص سریع هم بکار رود.

So how does that work?

چطور کار می‌کند؟

Well, we recently showed

خوب، اخیرا نشان دادیم که

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

می‌توان با خارج کردن دستگاه سلولی یک سلول زنده

and freeze-dry it along with RNA sensors onto paper

آن را به همراه سنسورهای RNA روی یک کاغذ خشک و منجمد کرد

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

تا یک تست کم هزینه برای تشخیص زیکا و ابولا تهیه کنیم.

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

این سنسورها وقتی که با نمونه بیمار که می‌تواند شامل خون یا بزاق باشد

that could consist of blood or saliva, for example.

خیس می‌شوند، فعال می‌شوند.

It turns out, this technology is not limited to paper

معلوم شده که این تکنولوژی محدود به کاغذ نیست

and can be applied to other materials, including cloth.

و می‌تواند روی متریال دیگری همانند پارچه هم بکار رود.

For the COVID-19 pandemic,

برای بیماری همه‌گیر کووید ۱۹

we're designing RNA sensors to detect the virus

برای شناسایی ویروس سنسورهای RNA طراحی کردیم

and freeze-drying these along with the needed cellular machinery

و آنها را به همراه دستگاه ملکولی مورد نیاز روی یک ماسک صورت پارچه‌ای

into the fabric of a face mask,

خشک و منجمد کردیم،

where the simple act of breathing,

چون عمل ساده تنفس،

along with the water vapor that comes with it,

همراه با بخارآبی که از دهان خارج می‌شود،

can activate the test.

می‌تواند این تست را فعال سازد.

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

اگر بیماری به بیماری حاد تنفسی ۲ مبتلا شده باشد،

the mask will produce a fluorescent signal

ماسک یک سیگنال فلورسنت تولید می‌کند،

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

که توسط یک دستگاه ساده و ارزان و سبک قابل شناسایی است.

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

طی یک یا دو ساعت بیماری او از راه دور، با امنیت و دقت

safely, remotely and accurately.

تشخیص داده می‌شود.

We're also using synthetic biology

ما همچنین از سینتتیک بیولوژی

to design a candidate vaccine for COVID-19.

برای طراحی واکسن احتمالی برای کووید ۱۹ استفاده می‌کنیم.

We are repurposing the BCG vaccine,

واکسن BCG را دوباره هدف‌گذاری می‌کنیم،

which had been used against TB for almost a century.

تا در مقابل سل در تمامی کشورها مورد استفاده قرار گیرد.

It's a live attenuated vaccine,

این یک واکسن زنده ضعیف شده است،

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

و ما آن را مهندسی می‌کنیم تا آنتی‌‌ژن‌های بیماری حاد تنفسی ۲ را بیان کنیم،

which should trigger the production of protective antibodies

که باید با برانگیختن سیستم ایمنی

by the immune system.

آنتی‌بادی‌های حمایتی تولید کند.

Importantly, BCG is massively scalable

مهمتر از همه،BCG به شکل گسترده‌ای مقیاس‌پذیر است

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

و مشخصات ایمنی آن در میان بهترین واکسن‌های شناخته شده قرار می‌گیرد.

With the tools of synthetic biology and artificial intelligence,

با ابزارهای سنتتیک بیولوژی و هوش مصنوعی،

we can win the fight against this novel coronavirus.

ما می‌توانیم در جنگ علیه ویروس کرونا پیروز شویم.

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

این کار در مراحل بسیار اولیه است، اما وعده‌ایست که تحقق پیدا می‌کند.

Science and technology can give us an important advantage

علم و تکنولوژی می‌تواند در نبرد بین هوش انسان و ژن‌های ابرباکتری‌ها

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

برتری مهمی به ما بدهد،

a battle we can win.

نبردی که ما می‌توانیم پیروز آن باشیم.

Thank you.

متشکرم.