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

תרגום: zeeva Livshitz עריכה: Nurit Noy

So how are we going to beat this novel coronavirus?

אז איך ננצח את וירוס הקורונה הזה?

By using our best tools:

באמצעות הכלים הטובים ביותר שלנו:

our science and our technology.

המדע והטכנולוגיה שלנו.

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

במעבדה שלי אנו משתמשים בכלים של בינה מלאכותית

and synthetic biology

וביולוגיה סינתטית

to speed up the fight against this pandemic.

כדי להאיץ את המאבק נגד מגיפה זו.

Our work was originally designed

העבודה שלנו תוכננה במקור

to tackle the antibiotic resistance crisis.

להתמודד עם משבר העמידות לאנטיביוטיקה,

Our project seeks to harness the power of machine learning

הפרויקט שלנו מבקש לרתום את כוח למידת המכונה

to replenish our antibiotic arsenal

כדי לחדש את ארסנל האנטיביוטיקה שלנו

and avoid a globally devastating postantibiotic era.

ולהמנע מעידן פוסט-אנטיביוטיקה הרסני, גלובלי.

Importantly, the same technology can be used

חשוב מכך, באותו אופן ניתן להשתמש בטכנולוגיה

to search for antiviral compounds

כדי לחפש תרכובות אנטי-ויראליות

that could help us fight the current pandemic.

שיוכלו לעזור לנו להילחם במגיפה הנוכחית.

Machine learning is turning the traditional model of drug discovery

למידת מכונה הופכת את המודל המסורתי של גילוי תרופות

on its head.

על פיו.

With this approach,

בגישה זו,

instead of painstakingly testing thousands of existing molecules

במקום לבדוק בקפידה אלפי מולקולות קיימות

one by one in a lab

אחת אחת במעבדה,

for their effectiveness,

כדי להעריך את יעילותן,

we can train a computer to explore the exponentially larger space

אנחנו יכולים להכשיר מחשב לחקור את המרחב האקספוננציאלי הגדול יותר

of essentially all possible molecules that could be synthesized,

של כל המולקולות האפשריות שאפשר לסנתז,

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

וכך, במקום לחפש מחט בערימת שחת,

we can use the giant magnet of computing power

אנו יכולים להשתמש במגנט הענק של כוח המחשוב

to find many needles in multiple haystacks simultaneously.

כדי למצוא מחטים רבות בערימות שחת מרובות בו זמנית.

We've already had some early success.

היו לנו כבר כמה הצלחות מוקדמות.

Recently, we used machine learning to discover new antibiotics

לאחרונה השתמשנו בלמידת מכונה כדי לגלות אנטיביוטיקות חדשות

that can help us fight off the bacterial infections

שיכולות לעזור לנו להילחם בזיהומים חיידקיים

that can occur alongside SARS-CoV-2 infections.

שעלולים להתרחש לצד זיהומים מסוג SARS-CoV-2.

לפני חודשיים, המיזם TED's Audacious Project אישר עבורנו מימון

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

to massively scale up our work

כדי להגדיל באופן מסיבי את העבודה שלנו

with the goal of discovering seven new classes of antibiotics

במטרה לגלות 7 סוגים של אנטיביוטיקות חדשות

against seven of the world's deadly bacterial pathogens

נגד שבעה מהפתוגנים הקטלניים ביותר בעולם,

over the next seven years.

במהלך שבע השנים הבאות.

For context:

כדי להכניס זאת להקשר:

the number of new class of antibiotics

מספר סוגי האנטיביוטיקה החדשים

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

שהתגלו בשלושת העשורים האחרונים הוא - אפס.

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

ואילו החיפוש אחר אנטיביוטיקה חדשה הוא למען העתיד לטווח הבינוני שלנו,

the novel coronavirus poses an immediate deadly threat,

וירוס הקורונה החדש מהווה איום קטלני מיידי,

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

ואני נרגש לחלוק את זה שאנו חושבים שנוכל להשתמש באותה טכנולוגיה

to search for therapeutics to fight this virus.

כדי לחפש טיפולים שילחמו בנגיף הזה.

So how are we going to do it?

אז איך נעשה זאת?

Well, we're creating a compound training library

ובכן, אנחנו יוצרים ספריית הדרכה מורכבת

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

ועם עמיתים, מיישמים מולקולות אלו לתאים נגועים ב- SARS-CoV-2

to see which of them exhibit effective activity.

כדי לראות מי מהם מציג פעילות יעילה.

These data will be use to train a machine learning model

נתונים אלה ישמשו להדרכת מודל למידת מכונה

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

שיוחל על ספרית אין-סיליקו בת יותר ממיליארד מולקולות

to search for potential novel antiviral compounds.

כדי לחפש פוטנציאל של תרכובות אנטי-ויראליות חדשות.

We will synthesize and test the top predictions

אנו נסנתז ונבדוק את התחזיות המבטיחות ביותר

and advance the most promising candidates into the clinic.

ונקדם את המועמדים הכי מבטיחים לקליניקה.

Sound too good to be true?

נשמע טוב מכדי להיות אמיתי?

Well, it shouldn't.

ובכן, זה לא אמור להישמע כך.

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

פרויקט AI לחיפוש אנטיביוטיקה נוסד על בסיס הוכחת המחקר שלנו

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

שהוביל לגילוי אנטיביוטיקה בעלת קשת רחבה

called halicin.

שנקראת הלוצין.

Halicin has potent antibacterial activity

להלוצין פעילות אנטי בקטריאלית חזקה

against almost all antibiotic-resistant bacterial pathogens,

נגד כמעט כל הפתוגנים החיידקיים העמידים לאנטיביוטיקה,

including untreatable panresistant infections.

כולל זיהומים עמידים ובלתי ניתנים לטיפול.

Importantly, in contrast to current antibiotics,

יותר חשוב, בניגוד לאנטיביוטיקות הנוכחיות,

the frequency at which bacteria develop resistance against halicin

התדירות בה חיידקים מפתחים התנגדות להלוצין

is remarkably low.

היא נמוכה להפליא.

We tested the ability of bacteria to evolve resistance against halicin

בדקנו את יכולתם של החיידקים לפתח התנגדות להלוצין

as well as Cipro in the lab.

כמו גם ל"ציפרו" במעבדה.

In the case of Cipro,

במקרה של ציפרו,

after just one day, we saw resistance.

אחרי יום אחד בלבד, ראינו עמידות.

In the case of halicin,

במקרה של הלוצין

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

אחרי יום אחד, לא ראינו שום עמידות.

Amazingly, after even 30 days,

באופן מדהים, אפילו אחרי 30 יום,

we didn't see any resistance against halicin.

לא ראינו שום עמידות להלוצין.

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

בפרויקט הרצה זה בדקנו לראשונה כ- 2,500 תרכובות נגד E. coli.

This training set included known antibiotics,

ערכת ניסוי זו כללה אנטיביוטיקות ידועות,

such as Cipro and penicillin,

כמו ציפרו ופניצילין,

as well as many drugs that are not antibiotics.

כמו גם תרופות רבות שאינן אנטיביוטיקה.

These data we used to train a model

בנתונים אלה השתמשנו כדי להכשיר מודל

to learn molecular features associated with antibacterial activity.

ללמוד תכונות מולקולריות הקשורות לפעילות אנטיבקטריאלית.

We then applied this model to a drug-repurposing library

לאחר מכן יישמנו מודל זה לספרייה שמתאימה תרופות לתכלית חדשה

consisting of several thousand molecules

שמורכבת מכמה אלפי מולקולות

and asked the model to identify molecules

וביקשנו מהמודל לזהות מולקולות

that are predicted to have antibacterial properties

שנחזו שיש להן תכונות אנטיבקטריאליות

but don't look like existing antibiotics.

אבל לא נראות כמו אנטיביוטיקות קיימות.

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

רק מולקולה אחת בספריה הזאת תואמת לקריטריונים האלה,

and that molecule turned out to be halicin.

והתברר שהמולקולה היא הלוצין.

Given that halicin does not look like any existing antibiotic,

בהתחשב בכך שהלוצין לא נראית כמו אנטיביוטיקה קיימת כלשהי,

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

היה בלתי אפשרי לאדם כלשהו, גם אם הוא מומחה לאנטיביוטיקה,

to identify halicin in this manner.

לזהות את ההלוצין באופן כזה.

Imagine now what we could do with this technology

תארו לעצמכם כעת מה היינו יכולים לעשות עם טכנולוגיה זו

against SARS-CoV-2.

נגד SARS-CoV-2.

And that's not all.

וזה לא הכל.

We're also using the tools of synthetic biology,

אנו משתמשים גם בכלים של ביולוגיה סינתטית,

tinkering with DNA and other cellular machinery,

שעוסקת ב DNA ומנגנונים תאיים אחרים,

to serve human purposes like combating COVID-19,

כדי לשרת מטרות אנושיות כמו מאבק ב- COVID-19,

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

ושימו לב, אנחנו עובדים על פיתוח מסכת מגן

that can also serve as a rapid diagnostic test.

שיכולה גם לשרת לבדיקת אבחון מהירה.

So how does that work?

אז איך זה עובד?

Well, we recently showed

ובכן, לאחרונה הראינו

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

שניתן להוציא את המנגנון התאי מתוך תא חי,

and freeze-dry it along with RNA sensors onto paper

לייבש אותו בהקפאה יחד עם חיישני RNA על נייר

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

על מנת ליצור אבחון לאבולה ולזיקה בעלות נמוכה.

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

החיישנים מופעלים כאשר הם מורטבים מחדש על ידי דגימת מטופל

that could consist of blood or saliva, for example.

היא יכולה להיות מורכבת מדם או רוק, למשל.

It turns out, this technology is not limited to paper

מסתבר שהטכנולוגיה הזו אינה מוגבלת לנייר

and can be applied to other materials, including cloth.

וניתן ליישם אותה לחומרים אחרים, כולל בד.

For the COVID-19 pandemic,

למגיפת COVID-19,

we're designing RNA sensors to detect the virus

אנו מעצבים חיישני RNA לאיתור הנגיף

and freeze-drying these along with the needed cellular machinery

וייבושו בהקפאה יחד עם המנגנונים התאיים הדרושים

into the fabric of a face mask,

לתוך הבד של מסכת פנים,

where the simple act of breathing,

ששם הפעולה הפשוטה של הנשימה,

along with the water vapor that comes with it,

יחד עם אדי המים שמגיעים איתה,

can activate the test.

יכולים להפעיל את הבדיקה.

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

כך,במקרה שחולה נגוע ב SARS-CoV-2,

the mask will produce a fluorescent signal

המסכה תייצר אות פלואורסצנטי

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

שניתן יהיה לזהות באמצעות מכשיר ידני לא יקר.

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

תוך שעה או שעתיים, ניתן יהיה לאבחן מטופל.

safely, remotely and accurately.

בבטחה, מרחוק, ובאופן מדויק.

We're also using synthetic biology

אנו משתמשים גם בביולוגיה סינתטית

to design a candidate vaccine for COVID-19.

כדי לתכנן חיסון מועמד ל-COVID-19.

We are repurposing the BCG vaccine,

אנו מיעדים מחדש את חיסון ה BCG,

which had been used against TB for almost a century.

ששימש נגד שחפת במשך מאה שנים בקירוב.

It's a live attenuated vaccine,

זה חיסון חי מוחלש

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

ואנחנו מהנדסים אותו לגלות אנטיגנים של SARS-CoV-2,

which should trigger the production of protective antibodies

שאמורים להפעיל ייצור של נוגדנים מגנים

by the immune system.

על ידי מערכת החיסון.

Importantly, BCG is massively scalable

חשוב לציין, ל BCG יש יכולת מדרגית גבוהה

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

ופרופיל הבטיחות שלו טוב יותר מכל חיסון מדווח.

With the tools of synthetic biology and artificial intelligence,

עם הכלים של הביולוגיה הסינתטית והבינה המלאכותית,

we can win the fight against this novel coronavirus.

אנחנו יכולים לנצח במאבק נגד וירוס הקורונה הזה

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

עבודה זו נמצאת בשלביה הראשונים מאוד, אבל סיכוי ההצלחה הוא אמיתי.

Science and technology can give us an important advantage

מדע וטכנולוגיה יכולים לתת לנו יתרון חשוב

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

במאבק של השכל האנושי כנגד הגנים של חיידקי העל,

a battle we can win.

קרב שאנחנו יכולים לנצח.

Thank you.

תודה רבה.