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

Fordító: Zsuzsa Viola Lektor: Maria Ruzsane Cseresnyes

So how are we going to beat this novel coronavirus?

Hogyan fogjuk legyőzni ezt az új koronavírust?

By using our best tools:

Legjobb eszközeink segítségével:

our science and our technology.

ami a tudomány és a technológia.

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

Laboratóriumunkban a mesterséges intelligenciát

and synthetic biology

és a szintetikus biológiát használjuk,

to speed up the fight against this pandemic.

hogy felgyorsítsuk e járvány elleni harcot.

Our work was originally designed

Munkánkat eredetileg

to tackle the antibiotic resistance crisis.

az antibiotikum-rezisztencia kezelésére terveztük.

Our project seeks to harness the power of machine learning

Projektünk a gépi tanulás erejének hasznosítására törekszik,

to replenish our antibiotic arsenal

újratölteni antibiotikum-arzenálunkat,

and avoid a globally devastating postantibiotic era.

hogy elkerüljünk egy globálisan pusztító, antibiotikum utáni korszakot.

Importantly, the same technology can be used

Lényeges, hogy ugyanaz a technológia használható

to search for antiviral compounds

vírusellenes vegyületek kutatására,

that could help us fight the current pandemic.

ami segíthet bennünket a jelenlegi járvány elleni harcban.

Machine learning is turning the traditional model of drug discovery

A gépi tanulás a feje tetejére állította

a gyógyszerkutatás hagyományos modelljét.

on its head.

With this approach,

Ezzel a megközelítéssel ahelyett,

instead of painstakingly testing thousands of existing molecules

hogy egyesével, kínkeservvel tesztelnénk

a már létező molekulák ezreinek hatékonyságát,

one by one in a lab

betaníthatunk egy számítógépet arra, hogy vizsgálja végig

for their effectiveness,

we can train a computer to explore the exponentially larger space

lényegében az összes szintetizálható molekulának

of essentially all possible molecules that could be synthesized,

a nagyságrendekkel nagyobb halmazát.

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

Így, ahelyett, hogy egy tűt keresnénk a szénakazalban,

we can use the giant magnet of computing power

a számítástechnika erejének gigantikus mágnesét használjuk

to find many needles in multiple haystacks simultaneously.

sok tű egyidejű keresésére számos szénakazalban.

We've already had some early success.

Van már néhány kezdeti sikerünk.

Recently, we used machine learning to discover new antibiotics

Nemrég a gépi tanulást olyan új antibiotikumok felfedezésére használtuk,

that can help us fight off the bacterial infections

amelyek segíthetnek legyőzni

that can occur alongside SARS-CoV-2 infections.

a SARS-CoV-2 járványt kísérő bakteriális fertőzéseket.

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

Két hónapja elnyertük a TED's Audacious Project támogatását

to massively scale up our work

munkánk széles körben történő kiterjesztéséhez,

with the goal of discovering seven new classes of antibiotics

azzal a céllal, hogy a következő hét év során

against seven of the world's deadly bacterial pathogens

hét antibiotikum-osztályt találjunk

over the next seven years.

hét halálos baktérium ellen.

For context:

A könnyebb megértés kedvéért:

the number of new class of antibiotics

Az elmúlt három évtizedben felfedezett

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

új antibiotikum-osztályok száma: nulla.

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

Amíg az új antibiotikumok felkutatása a jövő középtávú feladata,

the novel coronavirus poses an immediate deadly threat,

az új koronavírus azonnali halálos fenyegetést jelent,

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

és örömmel közölhetem, hogy úgy gondoljuk,

ugyanezt a technológiát felhasználhatjuk a vírus elleni gyógyszerkutatásra is.

to search for therapeutics to fight this virus.

So how are we going to do it?

Hogyan tesszük ezt?

Well, we're creating a compound training library

Létrehozzuk a vegyületek egy tanító könyvtárát,

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

és munkatársaink SARS-CoV-2 fertőzte sejteken próbálják ki a molekulákat,

to see which of them exhibit effective activity.

hogy lássuk, melyik mutat tényleges aktivitást.

These data will be use to train a machine learning model

Ezeket az adatokat felhasználjuk egy gépi tanuló modell betanítására,

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

hogy majd a gépben szimulált könyvtár több milliárd molekulájára alkalmazzuk

to search for potential novel antiviral compounds.

új, lehetséges vírusellenes vegyületeket keresve.

We will synthesize and test the top predictions

Szintetizáljuk és teszteljük a legjobb javaslatokat,

and advance the most promising candidates into the clinic.

és kifejlesztjük a legígéretesebb jelölteket klinikai használatra.

Sound too good to be true?

Túl szépnek hangzik, hogy igaz legyen?

Well, it shouldn't.

Pedig az!

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

Az Antibiotikum MI Project kutatási témánk bizonyítékán alapul,

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

amely egy új széles spektrumú antibiotikum,

called halicin.

a Halocin felfedezéséhez vezetett.

Halicin has potent antibacterial activity

A Halocin erős antibakteriális tevékenységet fejt ki

against almost all antibiotic-resistant bacterial pathogens,

majdnem minden antibiotikum-rezisztens baktérium ellen,

including untreatable panresistant infections.

beleértve a kezelhetetlen pánrezisztens fertőzéseket is.

Importantly, in contrast to current antibiotics,

Fontos, hogy a jelenlegi antibiotikumokkal ellentétben

the frequency at which bacteria develop resistance against halicin

a Halocin elleni baktériumrezisztencia kifejlődésének gyakorisága

is remarkably low.

figyelemreméltóan alacsony.

We tested the ability of bacteria to evolve resistance against halicin

Laboratóriumban teszteltük, hogy mennyire válnak rezisztenssé a baktériumok

as well as Cipro in the lab.

a Halocinra, illetve a Cipróra.

In the case of Cipro,

A Ciprónál már egy nap után

after just one day, we saw resistance.

kialakult a rezisztencia.

In the case of halicin,

A Halicon esetében

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

egy nap múlva nem láttunk rezisztenciát.

Amazingly, after even 30 days,

Bámulatos, hogy 30 nap után sem láttunk

we didn't see any resistance against halicin.

semmilyen rezisztenciát a Halocin irányában.

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

Ebben a próbaprojektben először kb. 2500 vegyületet teszteltünk E. coli ellen.

This training set included known antibiotics,

Ez a betanító készlet ismert antibiotikumokat tartalmazott,

such as Cipro and penicillin,

mint például a Cipro és a penicillin,

as well as many drugs that are not antibiotics.

és sok gyógyszert is, melyek nem voltak antibiotikumok.

These data we used to train a model

Ezeket az adatokat egy modell betanítására használtuk,

to learn molecular features associated with antibacterial activity.

hogy megtanulja a molekulák antibakteriális tulajdonságait.

A modellt egy pár ezer molekulából álló könyvtárra alkalmaztuk,

We then applied this model to a drug-repurposing library

consisting of several thousand molecules

ami gyógyszereket tartalmazott, melyeknek új felhasználást kerestünk.

and asked the model to identify molecules

Olyan molekulákat kellett találnia,

that are predicted to have antibacterial properties

melyeknek várhatóan lesz antibakteriális hatásuk,

but don't look like existing antibiotics.

de nem úgy néznek ki, mint a meglévő antibiotikumok.

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

Érdekes, hogy csak egy molekula felelt meg a feltételeknek,

and that molecule turned out to be halicin.

és kiderült, hogy az a molekula a Halocin.

Given that halicin does not look like any existing antibiotic,

Tekintve, hogy a Halocin nem hasonlít egy ismert antibiotikumra sem,

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

lehetetlen lett volna, hogy egy ember – beleértve az antibiotikum-szakértőket is –

to identify halicin in this manner.

azonosítsa a Halocint ezen a módon.

Imagine now what we could do with this technology

Most képzeljék el, mire juthatunk ezzel a technológiával

against SARS-CoV-2.

a SARS-CoV-2 ellen!

And that's not all.

Ez nem minden.

We're also using the tools of synthetic biology,

A szintetikus biológia eszközeit is használjuk,

tinkering with DNA and other cellular machinery,

DNS-sel és egyéb sejtszerkezettel babrálva,

to serve human purposes like combating COVID-19,

emberi célokat szolgálunk, mint a COVID-19 elleni küzdelem,

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

és megjegyezném, hogy dolgozunk egy olyan védőmaszk kifejlesztésén,

that can also serve as a rapid diagnostic test.

amely gyors diagnosztizálást is végez.

So how does that work?

Vajon hogyan működik?

Well, we recently showed

Nos, nemrég bemutattuk,

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

hogy kivehetjük a sejtszerkezetet egy élő sejtből,

and freeze-dry it along with RNA sensors onto paper

és liofilizálhatjuk az RNS-sel együtt papíron azért,

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

hogy olcsón diagnosztizáljuk az ebolát és a Zika-vírust.

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

A szenzorok aktiválódnak, amikor a beteg mintája újból hidratálja őket,

that could consist of blood or saliva, for example.

ami lehet például vér vagy nyál.

It turns out, this technology is not limited to paper

Kiderült, hogy ez a technológia nem korlátozódik a papírra,

and can be applied to other materials, including cloth.

egyéb anyagokra is alkalmazható, pl. ruhára.

For the COVID-19 pandemic,

A COVID-19 járványhoz

we're designing RNA sensors to detect the virus

RNS-szenzorokat tervezünk a vírus kimutatására,

and freeze-drying these along with the needed cellular machinery

és liofilizáljuk ezeket a szükséges sejtszerkezetekkel együtt

into the fabric of a face mask,

az arcmaszk szövetébe,

where the simple act of breathing,

ahol maga a lélegzés,

along with the water vapor that comes with it,

a lecsapódó párával együtt,

can activate the test.

képes aktiválni a tesztet.

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

Így ha a beteg SARS-CoV-2-vel fertőzött,

the mask will produce a fluorescent signal

A maszk fluoreszkáló jelet hoz létre,

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

amit egy egyszerű, olcsó kézi eszköz is képes észlelni.

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

Így egy-két órán belül diagnosztizálható a beteg –

safely, remotely and accurately.

biztonságosan, távolról és pontosan.

We're also using synthetic biology

A szintetikus biológiát arra is használjuk,

to design a candidate vaccine for COVID-19.

hogy a COVID-19 ellen oltóanyagot tervezzünk.

We are repurposing the BCG vaccine,

Újrahasznosítjuk a BCG-oltást,

which had been used against TB for almost a century.

amit már majdnem egy évszázada használunk a TBC ellen.

It's a live attenuated vaccine,

Ez élő, legyengített oltóanyag.

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

Átszerkesztjük a SARS-CoV-2 antigénjeinek megfelelően,

which should trigger the production of protective antibodies

hogy az immunrendszert

by the immune system.

védő antitestek termelésére késztesse.

Importantly, BCG is massively scalable

Fontos, hogy a BCG nagy mértékben szabályozható,

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

és biztonságos profilja van, az egyik legjobb az ismert oltóanyagok közül.

With the tools of synthetic biology and artificial intelligence,

A szintetikus biológia és a mesterséges intelligencia eszközeivel

we can win the fight against this novel coronavirus.

megnyerhetjük a harcot az új koronavírus ellen.

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

Ez a munka nagyon korai stádiumban van, de igen ígéretes.

Science and technology can give us an important advantage

A tudomány és a technológia jelentős előnyt adhat számunkra

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

az emberi értelem és a szuperbaktériumok génjei között zajló küzdelemben,

a battle we can win.

amelyet megnyerhetünk.

Thank you.

Köszönöm.