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

Reviewer: Elyonai Krist

So how are we going to beat this novel coronavirus?

Bagaimana kita akan mengalahkan

virus corona ini?

By using our best tools:

Dengan menggunakan alat terbaik kita:

our science and our technology.

sains dan teknologi.

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

Di lab saya, kami menggunakan alat

kecerdasan buatan

and synthetic biology

dan biologi sintetis

to speed up the fight against this pandemic.

untuk mempercepat pemberantasan

pandemi ini.

Our work was originally designed

Pekerjaan kami awalnya didesain

to tackle the antibiotic resistance crisis.

untuk mengatasi krisis resistensi

antibiotik.

Our project seeks to harness the power of machine learning

Proyek kami memanfaatkan kekuatan

pembelajaran mesin

to replenish our antibiotic arsenal

untuk mengisi persediaan antibiotik

and avoid a globally devastating postantibiotic era.

dan menghindari era post antibiotik yang

membahayakan dunia

Importantly, the same technology can be used

Yang penting, teknologi yang

sama bisa digunakan

to search for antiviral compounds

untuk mencari senyawa antiviral

that could help us fight the current pandemic.

yang bisa melawan pandemi ini.

Machine learning is turning the traditional model of drug discovery

Pembelajaran mesin mengubah

model tradisional

untuk penemuan obat.

on its head.

With this approach,

Dengan pendekatan ini,

instead of painstakingly testing thousands of existing molecules

daripada mengetes ribuan molekul yg ada

one by one in a lab

satu per satu di lab

for their effectiveness,

untuk keefektifannya,

we can train a computer to explore the exponentially larger space

kita bisa melatih komputer untuk

menjelajah area

of essentially all possible molecules that could be synthesized,

untuk semua molekul yg bisa disintetisasi,

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

daripada mencari jarum di tumpukan jerami,

we can use the giant magnet of computing power

kita bisa menggunakan magnet

dengan komputer

to find many needles in multiple haystacks simultaneously.

Untuk menemukan jarum di beberapa

tumpukan jerami.

We've already had some early success.

Kami telah berhasil.

Kami menggunakan pembelajaran mesin untuk

Recently, we used machine learning to discover new antibiotics

antibiotik baru

that can help us fight off the bacterial infections

yang bisa membantu melawan infeksi bakteri

that can occur alongside SARS-CoV-2 infections.

yang muncul bersama infeksi SARS-CoV-2.

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

Dua bulan lalu, TED’s Audacious Project

menyetujui pendanaan

to massively scale up our work

untuk memperbesar proyek kami

with the goal of discovering seven new classes of antibiotics

dengan tujuan menemukan 7 tipe

antibiotik baru

against seven of the world's deadly bacterial pathogens

melawan 7 patogen bakteri yang mematikan

over the next seven years.

selama 7 tahun ke depan.

For context:

Dalam konteks:

the number of new class of antibiotics

jumlah tipe antibiotik baru

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

yang ditemukan dalam 3 tahun terakhir

adalah nol.

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

Selagi mencari antibiotik baru adalah

untuk tujuan menengah

the novel coronavirus poses an immediate deadly threat,

virus corona terus mengancam,

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

saya senang bahwa kita bisa

menggunakan teknologi

to search for therapeutics to fight this virus.

untuk mencari obat melawan virus ini.

So how are we going to do it?

Bagaimana kita akan melakukannya?

Well, we're creating a compound training library

Kami membuat perpustakaan

pelatihan senyawa

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

dengan kolaborator menerapkan molekul sel

terinfeksi SARS-CoV-2

to see which of them exhibit effective activity.

untuk melihat yang efektif.

These data will be use to train a machine learning model

Data ini digunakan untuk melatih

pembelajaran mesin

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

yang bisa diaplikasikan pada perpustakaan

milyaran molekul

to search for potential novel antiviral compounds.

untuk mencari senyawa novel antiviral.

We will synthesize and test the top predictions

Kami akan menyatukan & mengetes

prediksi utama

dan mengembangkan yang paling

and advance the most promising candidates into the clinic.

menjanjikan di klinik

Sound too good to be true?

Terdengar baik untuk menjadi nyata?

Well, it shouldn't.

Seharusnya tidak.

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

Proyek AI Antibiotik dibentuk

dari riset kami

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

yang berujung penemuan

antibiotik baru

called halicin.

yang disebut Halicin.

Halicin has potent antibacterial activity

Halicin memiliki aktivitas

antibakteri ampuh

against almost all antibiotic-resistant bacterial pathogens,

melawan hampir semua patogen bakteri

resisten antibiotik,

including untreatable panresistant infections.

termasuk infeksi panresisten yang

tak dapat diobati.

Importantly, in contrast to current antibiotics,

Berbeda dengan antibiotik masa kini,

the frequency at which bacteria develop resistance against halicin

frekuensi bakteri menjadi resisten

terhadap Halicin

is remarkably low.

sangat rendah.

We tested the ability of bacteria to evolve resistance against halicin

Kami mengetes bakteri melawan Halicin

as well as Cipro in the lab.

dan Cipro di lab.

In the case of Cipro,

Dalam kasus Cipro,

after just one day, we saw resistance.

hanya 1 hari, kami melihat resistensi.

In the case of halicin,

Dalam kasus Halicin,

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

setelah 1 hari, tidak ada resistensi.

Amazingly, after even 30 days,

Setelah 30 hari,

we didn't see any resistance against halicin.

tidak ada resistensi terhadap Halicin.

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

Di percobaan ini, kami mengetes 2.500 terhadap E.coli

This training set included known antibiotics,

Dalam tes ini termasuk antibiotik terkemuka,

such as Cipro and penicillin,

seperti Cipro dan penisilin,

as well as many drugs that are not antibiotics.

dan berbagai obat yang bukan antibiotik.

These data we used to train a model

Data ini digunakan untuk mengetes model

to learn molecular features associated with antibacterial activity.

untuk mempelajari fitur molekular

terkait antibakteri.

We then applied this model to a drug-repurposing library

Kami menerapkan model ini untuk

perpustakaan obat

consisting of several thousand molecules

yang terdiri dari ribuan molekul

and asked the model to identify molecules

dan membuat model mengidentifikasi molekul

that are predicted to have antibacterial properties

yang diduga memiliki kemampuan

antibakteri

but don't look like existing antibiotics.

tapi tidak seperti antibiotik yang sudah ada.

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

Menariknya, hanya 1 molekul yang memenuhi kriteria ini,

and that molecule turned out to be halicin.

dan molekul itu adalah Halicin.

Given that halicin does not look like any existing antibiotic,

Mengingat bahwa Halicin tidak seperti

antibiotik yang lain

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

tidak mungkin bagi manusia, termasuk

ahli antibiotik

to identify halicin in this manner.

untuk mengidntifikasi Halicin.

Imagine now what we could do with this technology

Apa yang bisa kita lakukan

dengan teknologi

against SARS-CoV-2.

melawan SARS-CoV-2.

And that's not all.

Tidak hanya itu saja.

We're also using the tools of synthetic biology,

Kami juga menggunakan alat

biologi sintetis,

tes dengan DNA dan peralatan sel lain,

tinkering with DNA and other cellular machinery,

to serve human purposes like combating COVID-19,

untuk memenuhi kebutuhan manusia

melawan COVID-19

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

kami juga mengembangkan

masker protektif

that can also serve as a rapid diagnostic test.

untuk rapid test.

So how does that work?

Bagaimana cara kerjanya?

Well, we recently showed

Kami telah menunjukkan

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

bahwa anda bisa mengambil mesin sel

dari sel hidup

and freeze-dry it along with RNA sensors onto paper

dan mengering-bekukan bersamaan

sensor RNA di kertas

untuk membuat diagnostik biaya rendah

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

untuk Ebola & Zika.

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

Sensornya aktif saat terhidrasi oleh

sampel pasien

that could consist of blood or saliva, for example.

seperti darah atau ludah.

It turns out, this technology is not limited to paper

Ternyata, teknologi ini tidak

terbatas pada kertas

and can be applied to other materials, including cloth.

dan bisa digunakan pada bahan lain

seperti kain

For the COVID-19 pandemic,

Untuk pandemi COVID-19,

we're designing RNA sensors to detect the virus

kami mendesain sensor RNA untuk

mendeteksi virus

dan mengering-bekukannya dng mesin sel

and freeze-drying these along with the needed cellular machinery

into the fabric of a face mask,

dalam kain masker,

where the simple act of breathing,

hanya dengan bernafas,

along with the water vapor that comes with it,

dan cairan yang keluar dengannya,

can activate the test.

bisa mengaktifkan tes.

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

Jadi, jika pasien terinfeksi SARS-CoV-2,

the mask will produce a fluorescent signal

masker akan membuat sinyal pijar

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

yang bisa didetaksi alat sederhana murah.

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

Dalam 1 atau 2 jam, pasien telah

safely, remotely and accurately.

didiagnosa aman, terpencil, dan akurat.

We're also using synthetic biology

Kami juga menggunakan biologi sintetis

to design a candidate vaccine for COVID-19.

untuk mendesain vaksin COVID-19.

Kami menggunakan vaksin BCG,

We are repurposing the BCG vaccine,

which had been used against TB for almost a century.

yang telah digunakan untuk melawan TB

selama hampir seabad.

It's a live attenuated vaccine,

Itu vaksin yang dilemahkan,

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

dan kami mengembangkannya untuk

antigen SARS-CoV-2,

which should trigger the production of protective antibodies

yang memicu produksi antibodi protektif

by the immune system.

oleh sistem imun.

Importantly, BCG is massively scalable

Utamanya, BCG sangat terukur

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

dan aman dibandingkan vaksin lainnya.

With the tools of synthetic biology and artificial intelligence,

Dengan biologi sintetis dan

kecerdasan buatan,

kita bisa melawan virus corona ini.

we can win the fight against this novel coronavirus.

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

Proyek ini masih dalam tahap awal,

tapi menjanjikan.

Science and technology can give us an important advantage

Sains & teknologi bisa memberikan

keuntungan penting

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

dalam perang antara manusia & gen superbug

a battle we can win.

peperangan yang bisa kita menangkan.

Thank you.

Terima kasih.