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

Translator: Chawankorn Ks. Reviewer: Natthapat Mardech

เราจะเอาชนะไวรัสโคโรนา สายพันธุ์ใหม่ได้อย่างไร?

ด้วยการใช้เครื่องมือที่ดีที่สุดของเรา ซึ่งก็คือ

วิทยาศาสตร์และเทคโนโลยี

So how are we going to beat this novel coronavirus?

ในห้องทดลองของผม เรากำลังใช้เครื่องมือปัญญาประดิษฐ์

By using our best tools:

และชีววิทยาสังเคราะห์

เพื่อเร่งต่อสู้กับการระบาดครั้งนี้

our science and our technology.

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

เดิมทีจุดประสงค์ของงานเรา

คือรับมือกับวิกฤติการณ์ดื้อยาปฏิชีวนะ

and synthetic biology

to speed up the fight against this pandemic.

โครงการเราอยากใช้ประโยชน์จาก วิทยาการแมชชีนเลิร์นนิง

Our work was originally designed

to tackle the antibiotic resistance crisis.

เพื่อเติมคลังอาวุธยาปฏิชีวนะของเรา

และหลีกเลี่ยงความหายนะทั่วโลก ในโลกยุคหลังยาปฏิชีวนะ

Our project seeks to harness the power of machine learning

ที่สำคัญ เทคโนโลยีเดียวกันนี้สามารถใช้

to replenish our antibiotic arsenal

เพื่อค้นหาส่วนผสมยาต้านไวรัส

and avoid a globally devastating postantibiotic era.

ที่อาจช่วยเราต่อสู้กับการระบาดครั้งนี้

Importantly, the same technology can be used

แมชชีนเลิร์นนิงได้เปลี่ยน วิธีการค้นคว้ายาในรูปแบบเดิมๆ

to search for antiviral compounds

จากหน้ามือเป็นหลังมือ

that could help us fight the current pandemic.

ด้วยวิธีการนี้

แทนที่จะไล่ทดสอบโมเลกุล ที่มีอยู่นับพันไปเรื่อย ๆ

Machine learning is turning the traditional model of drug discovery

ทีละตัว ๆ ในห้องทดลอง

เพื่อหาประสิทธิผลของมัน

on its head.

With this approach,

เราสามารถฝึกคอมพิวเตอร์ให้สำรวจ ในขอบเขตอันกว้างใหญ่ไพศาลขึ้นได้

instead of painstakingly testing thousands of existing molecules

one by one in a lab

ไล่สำรวจได้ทุกโมเลกุลที่เรา สามารถนำมาสังเคราะห์ได้

for their effectiveness,

we can train a computer to explore the exponentially larger space

และด้วยเหตุนี้ แทนที่จะเป็น การงมเข็มในมหาสมุทร

of essentially all possible molecules that could be synthesized,

เราสามารถใช้แม่เหล็กยักษ์จาก พลังประมวลผลของคอมพิวเตอร์

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

มาค้นหาหลาย ๆ เข็มใน หลาย ๆ มหาสมุทธพร้อม ๆ กันได้

we can use the giant magnet of computing power

ตอนนี้เราประสบความสำเร็จในเบื้องต้นแล้ว

ไม่นานนี้ เราเพิ่งใช้แมชชีนเลิร์นนิง เพื่อค้นพบยาปฏิชีวนะตัวใหม่

to find many needles in multiple haystacks simultaneously.

We've already had some early success.

ที่ช่วยในการต่อสู้กับการติดเชื้อแบคทีเรีย

ที่สามารถเกิดขึ้นเคียงคู่กับ การติดเชื้อ SARS-CoV-2

Recently, we used machine learning to discover new antibiotics

สองเดือนก่อน โครงการ TED’s Audacious อนุมัติเงินสนับสนุนให้แก่เรา

that can help us fight off the bacterial infections

เพื่อยกระดับงานของเราให้ใหญ่ขึ้น

that can occur alongside SARS-CoV-2 infections.

ด้วยวัตถุประสงค์ในการค้นคว้า ประเภทยาปฏิชีวนะใหม่เจ็ดประเภท

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

ไว้ต่อสู้กับเชื้อโรคที่อันตราย ระดับโลกเจ็ดตัว

to massively scale up our work

with the goal of discovering seven new classes of antibiotics

ในเจ็ดปีต่อจากนี้

ต้องเกริ่นก่อนว่า

จำนวนประเภทของยาปฏิชีวนะ

against seven of the world's deadly bacterial pathogens

ที่ถูกค้นพบใหม่ ๆ ในช่วงสามสิบปี ที่ผ่านมานี้คือศูนย์

over the next seven years.

ในขณะที่การแสวงหายาปฏิชีวนะใหม่ก็เป็น แผนงานระยะกลางที่วางไว้ในอนาคต

For context:

the number of new class of antibiotics

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

จู่ ๆ เจ้าไวรัสโคโรนาสายพันธุ์ใหม่ก็ ปรากฏตัวมาสร้างความอันตรายร้ายแรงถึงชีวิต

และผมตื่นเต้นที่จะแบ่งปันว่า เราสามารถใช้เทคโนโลยีตัวเดียวกันนี้

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

the novel coronavirus poses an immediate deadly threat,

มาค้นหาวิธีการรักษาสู้กับไวรัสตัวนี้ได้

แล้วเราจะทำได้อย่างไรล่ะ?

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

เรากำลังสร้างคลังข้อมูลไว้ฝึก แบบจำลองผสมยา

และทีมงานจะนำโมเลกุลเหล่านี้ไปทดลองกับ เซลล์ที่ติดเชื้อ SARS-CoV-2

to search for therapeutics to fight this virus.

So how are we going to do it?

Well, we're creating a compound training library

เพื่อดูว่าตัวไหนที่ทำการตอบสนอง อย่างมีประสิทธิผล

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

ซึ่งข้อมูลเหล่านี้จะเอาไปฝึก ในแบบจำลองการเรียนรู้ของเครื่อง

ผ่านการจำลองผลของคอมพิวเตอร์ โดยมีคลังข้อมูลโมเลกุลมากกว่าพันล้านชนิด

to see which of them exhibit effective activity.

เพื่อค้นหาส่วนผสมยาต้านไวรัสที่มีศักยภาพ

These data will be use to train a machine learning model

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

เราจะสังเคราะห์และทดสอบส่วนผสมตัวยา ที่แบบจำลองทำนายไว้ตัวแรก ๆ

และส่งตัวเลือกที่ดีที่สุดไปยังคลินิก

to search for potential novel antiviral compounds.

ฟังดูดีเกินกว่าจะเป็นจริงใช่รึเปล่า?

ไม่หรอกครับ

We will synthesize and test the top predictions

โครงการ Antibiotics AI ถูกจัดตั้งขึ้น จากต้นแบบที่พวกเราวิจัย

and advance the most promising candidates into the clinic.

และได้นำไปสู่การค้นพบยาปฏิชีวนะตัวใหม่ที่ สามารถฆ่าเชื้อโรคหลายชนิด

Sound too good to be true?

ชื่อว่า ฮาลิซิน

Well, it shouldn't.

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

ฮาลิซินมีศักยภาพในการต่อต้านเชื้อ

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

แบคทีเรียก่อโรคที่ดื้อต่อยาปฏิชีวนะ ได้เกือบทั้งหมด

called halicin.

รวมไปถึงการติดเชื้อที่ดื้อยาทุกขนาน และรักษาไม่ได้

Halicin has potent antibacterial activity

against almost all antibiotic-resistant bacterial pathogens,

ที่สำคัญ มันต่างกับยาปฏิชีวนะ ในปัจจุบันตรงที่

โอกาสที่แบคทีเรียจะสร้างภูมิ ให้ตัวเองดื้อต่อยาฮาลิซินนั้น

including untreatable panresistant infections.

ต่ำมาก ๆ

Importantly, in contrast to current antibiotics,

เราทดสอบความสามารถของแบคทีเรีย ที่จะดื้อต่อฮาลิซิน

the frequency at which bacteria develop resistance against halicin

พร้อมกับยาซิโปรในห้องทดลอง

is remarkably low.

ในกรณีของซิโปร

We tested the ability of bacteria to evolve resistance against halicin

หลังจากทดสอบเพียงวันเดียว มันเกิดภาวะดื้อยา

ส่วนของฮาลิซิน

as well as Cipro in the lab.

หลังจากหนึ่งวัน เราไม่เห็นปฏิกริยาดื้อยา

In the case of Cipro,

น่าประหลาดใจ แม้กระทั่งหลังจากนั้น 30 วัน

after just one day, we saw resistance.

เราก็ยังไม่เห็นภาวะดื้อต่อฮาลิซิน

In the case of halicin,

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

ในโครงการนำร่องนี้ ตอนแรกเราทดลองประมาณ 2,500 ส่วนผสมกับเชื้ออีโคไล

Amazingly, after even 30 days,

we didn't see any resistance against halicin.

ข้อมูลที่นำมาใช้ฝึกแบบจำลองนี้มีทั้ง ยาปฏิชีวนะตัวดัง ๆ

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

เช่น ซิโปร, เพนิซิลลิน

และยาหลาย ๆ ตัวที่ ไม่ใช่ยาปฏิชีวนะด้วย

เราใช้ข้อมูลเหล่านี้ในการฝึกแบบจำลอง

This training set included known antibiotics,

เพื่อให้มันเรียนรู้คุณสมบัติของโมเลกุล แต่ละตัวว่ามีการต่อต้านแบคทีเรียอย่างไร

such as Cipro and penicillin,

as well as many drugs that are not antibiotics.

จากนั้นเราใช้แบบจำลองนี้มาผนวกกับ คลังข้อมูลของยาเก่าที่ใช้รักษาโรคใหม่

These data we used to train a model

ซึ่งคลังนี้ประกอบด้วย ข้อมูลโมเลกุลหลายพันตัว

to learn molecular features associated with antibacterial activity.

และเราให้แบบจำลองระบุโมเลกุล

ที่มันทำนายไว้ว่ามีคุณสมบัติ ต่อต้านแบคทีเรียนะ

We then applied this model to a drug-repurposing library

consisting of several thousand molecules

แต่ต้องไม่เหมือนยาปฏิชีวนะที่มี อยู่ในปัจจุบันด้วย

and asked the model to identify molecules

ซึ่งน่าสนใจดีนะที่มีเพียงโมเลกุลเดียว ในคลังข้อมูลที่เข้าข่ายนี้

that are predicted to have antibacterial properties

but don't look like existing antibiotics.

โมเลกุลนั้นก็คือฮาลิซิน

พอฮาลิซินไม่ได้ดูเหมือนยาปฏิชีวนะ ที่มีอยู่ในวงการปัจจุบัน

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

คงเป็นการยากที่มนุษย์หรือ ผู้เชี่ยวชาญด้านยาปฏิชีวนะ

and that molecule turned out to be halicin.

จะมาเจอว่าฮาลิซินเป็นคำตอบได้

Given that halicin does not look like any existing antibiotic,

ลองจินตนาการดูสิว่า อะไรอีก ที่เราสามารถทำได้กับเทคโนโลยีนี้

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

เพื่อต่อสู้กับ SARS-CoV-2

to identify halicin in this manner.

และไม่ใช่แค่นั้น

พวกเรากำลังใช้เครื่องมือนี้ ในการสังเคราะห์ทางชีวภาพ

Imagine now what we could do with this technology

ปรับแต่ง DNA และโครงสร้างเซลล์อื่น ๆ

against SARS-CoV-2.

เพื่อตอบสนองความต้องการของมนุษย์ เช่นการต่อสู้กับ โควิด-19

And that's not all.

We're also using the tools of synthetic biology,

และขอแจ้งว่า ตอนนี้พวกเรา กำลังพัฒนาหน้ากากป้องกัน

tinkering with DNA and other cellular machinery,

ที่สามารถใช้เป็น ตัวทดสอบการติดเชื้อได้อย่างรวดเร็ว

to serve human purposes like combating COVID-19,

ทำได้อย่างไรล่ะ?

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

ผมเพิ่งสาธิตไปไม่นานมานี้ว่า

เราสามารถนำโครงสร้างเซลล์ออกจาก เซลล์ที่มีชีวิต

that can also serve as a rapid diagnostic test.

และแช่แข็งพร้อมกับตัวตรวจจับ RNA วางไว้บนกระดาษ

So how does that work?

Well, we recently showed

เพื่อจะสร้างชุดตรวจราคาต่ำ สำหรับโรคอีโบลาและซิกา

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

and freeze-dry it along with RNA sensors onto paper

ตัวตรวจจับจะถูกกระตุ้นเมื่อมันไปเจอกับ ตัวอย่างของผู้ป่วย

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

เช่น เลือดหรือน้ำลาย

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

ปรากฏว่าเทคโนโลยีนี้ไม่ได้จำกัด แค่เฉพาะบนกระดาษ

แต่สามารถใช้กับพื้นผิวอื่น ๆ รวมถึงเสื้อผ้าได้ด้วย

that could consist of blood or saliva, for example.

สำหรับการแพร่ระบาดของ โควิด-19 นี้

It turns out, this technology is not limited to paper

พวกเราออกแบบตัวตรวจจับ RNA เพื่อตรวจหาไวรัส

and can be applied to other materials, including cloth.

และแช่แข็งตัวตรวจจับคู่กับ โครงสร้างเซลล์ที่ต้องการ

For the COVID-19 pandemic,

เอาไว้บนเส้นใยของหน้ากาก

we're designing RNA sensors to detect the virus

พอคนสวมหายใจ

แล้วปล่อยไอน้ำที่มาพร้อมลมหายใจ

and freeze-drying these along with the needed cellular machinery

มันจะไปกระตุ้นตัวทดสอบได้

into the fabric of a face mask,

ดังนั้น หากผู้ป่วยติดเชื้อ SARS-CoV-2

where the simple act of breathing,

along with the water vapor that comes with it,

หน้ากากจะผลิตสัญญาณเรืองแสง

can activate the test.

ที่สามารถตรวจสอบได้ ด้วยอุปกรณ์พกพาง่าย ๆ ราคาย่อมเยา

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

ภายในหนึ่งหรือสองชั่วโมง ผู้ป่วยจะได้รับการวินิจฉัย

the mask will produce a fluorescent signal

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

ปลอดภัย เว้นระยะห่าง แม่นยำ

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

และเรากำลังใช้ชีววิทยาสังเคราะห์

เพื่อออกแบบวัคซีนสำหรับ โควิด-19.

safely, remotely and accurately.

เรากำลังขยายวัตถุประสงค์การใช้งาน วัคซีน BCG

We're also using synthetic biology

ที่เดิมทีถูกใช้เพื่อต่อสู้กับวัณโรคมา เกือบร้อยปี

to design a candidate vaccine for COVID-19.

มันคือวัคซีนชนิดเชื้อเป็นอ่อนฤทธิ์

และพวกเรากำลังตัดต่อเพื่อ ให้มันมีสารก่อภูมิต้านทาน SARS-CoV-2

We are repurposing the BCG vaccine,

which had been used against TB for almost a century.

ซึ่งมันควรไปกระตุ้น แอนติบอดีในร่างกาย

It's a live attenuated vaccine,

จากระบบภูมิคุ้มกันให้ทำงาน

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

ที่สำคัญ วัคซีน BCG ยังทำอะไรได้อีกมากมาย

มันขึ้นชื่อว่าปลอดภัยสุด ๆ ในบรรดาวัคซีนที่เคยมีการรายงาน

which should trigger the production of protective antibodies

by the immune system.

Importantly, BCG is massively scalable

ด้วยเครื่องมือของการสังเคราะห์ชีวภาพ และปัญญาประดิษฐ์

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

เราสามารถชนะการต่อสู้กับ โคโรน่าไวรัสสายพันธุ์ใหม่

With the tools of synthetic biology and artificial intelligence,

งานนี้เพิ่งอยู่ในระยะเริ่มต้น แต่เค้าลางสำเร็จสูง

วิทยาศาสตร์และเทคโนโลยีสามารถ สร้างความได้เปรียบอันสำคัญยิ่งให้แก่เรา

we can win the fight against this novel coronavirus.

ในการต่อสู้ระหว่างไหวพริบของมนุษยชาติ กับยีนส์เชื้อแบคทีเรียดื้อยา

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

มันเป็นสมรภูมิที่เราเอาชนะได้

Science and technology can give us an important advantage

ขอบคุณครับ

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

a battle we can win.

Thank you.