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

Çeviri: Cihan Ekmekçi Gözden geçirme: Can Boysan

So how are we going to beat this novel coronavirus?

Pekâlâ bu yeni tip koronavirüsünü nasıl yeneceğiz?

By using our best tools:

Elimizdeki en iyi araçları kullanarak --

our science and our technology.

bilim ve teknolojimizi.

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

Laboratuvarımda yapay zekâ ve sentetik biyolojiyi kullanarak

and synthetic biology

to speed up the fight against this pandemic.

bu pandemiye açtığımız savaşta süreci hızlandırıyoruz.

Our work was originally designed

İşimiz ilk önce antibiyotik direnci krizini çözmeye yönelikti.

to tackle the antibiotic resistance crisis.

Our project seeks to harness the power of machine learning

Projemizin amacı, makine öğrenimi gücünü kullanarak

to replenish our antibiotic arsenal

antibiyotik depomuzu yenilemek

and avoid a globally devastating postantibiotic era.

ve böylelikle küresel çapta yıkıcı bir post-antibiyotik çağa yakalanmamak.

Importantly, the same technology can be used

Önemli nokta şu ki aynı teknoloji kullanılarak

to search for antiviral compounds

mevcut pandemi savaşına yardım edecek antiviral bileşenler de aranabilir.

that could help us fight the current pandemic.

Machine learning is turning the traditional model of drug discovery

Makine öğrenimi, geleneksel ilaç keşfi modeli için

on its head.

tamamen ezber bozabilir.

With this approach,

Bu yaklaşımla,

instead of painstakingly testing thousands of existing molecules

bir laboratuvarda tek tek binlerce mevcut molekülü

one by one in a lab

etkinliklerini anlamak için test etmek yerine

for their effectiveness,

we can train a computer to explore the exponentially larger space

bir bilgisayara çok daha geniş bir alan taranacak şekilde

of essentially all possible molecules that could be synthesized,

sentezlenebilecek tüm olası molekülleri keşfetmesini öğretebiliriz

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

ve böylelikle samanlıkta iğne aramak yerine

we can use the giant magnet of computing power

bilgisayar gücünün dev mıknatısını kullanarak

to find many needles in multiple haystacks simultaneously.

aynı anda birden fazla samanlıkta pek çok iğne bulabiliriz.

We've already had some early success.

Erkenden bazı başarılara imza attık bile.

Recently, we used machine learning to discover new antibiotics

Yakın zamanda, SARS-CoV-2 enfeksiyonlarıyla birlikte seyredebilecek

that can help us fight off the bacterial infections

bakteriyel enfeksiyonlarla savaşmada umut vadeden

that can occur alongside SARS-CoV-2 infections.

yeni antibiyotik keşfi için makine öğrenimi kullandık.

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

İki ay önce, TED'in Audacious Project'i işimizi ölçeklendirmemiz için

to massively scale up our work

fon sağlamayı kabul etti.

with the goal of discovering seven new classes of antibiotics

Hedefimiz, önümüzdeki yedi yıl içinde yeni sınıf yedi antibiyotik keşfederek

against seven of the world's deadly bacterial pathogens

dünyanın yedi en ölümcül bakteriyel patojenini yenmek.

over the next seven years.

For context:

İzah edeyim;

the number of new class of antibiotics

son 30 yıl içinde keşfedilen yeni sınıf antibiyotik sayısı sıfır.

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

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

Orta vadeli gelecek planlarımız arasında yeni antibiyotik arayışı olsa da

the novel coronavirus poses an immediate deadly threat,

yeni tip koronavirüs mevcut bir ölümcül tehdit teşkil ediyor,

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

ben de bu virüsle savaşmada tedavi olanağı sağlayacak

to search for therapeutics to fight this virus.

aynı teknolojiyi kullanabileceğimiz kanısındayım.

So how are we going to do it?

Peki bunu nasıl yapacağız?

Well, we're creating a compound training library

Bir bileşen eğitim kütüphanesi yaratıyoruz

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

ve katılımcılar bu molekülleri SARS-CoV-2 virüsüyle enfekte hücrelere uygulayarak

to see which of them exhibit effective activity.

hangilerinin etkili faaliyet gösterdiğini inceliyorlar.

These data will be use to train a machine learning model

Bu veriler bir makine öğrenimi modeli eğitmek için kullanılacak,

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

bu model, bir milyar üzeri moleküle sahip bir kütüphanede bilgisayarla uygulanacak

to search for potential novel antiviral compounds.

ve potansiyel yeni tip antiviral bileşenler aranacak.

We will synthesize and test the top predictions

En muhtemel tahminleri sentezleyecek ve test edeceğiz

and advance the most promising candidates into the clinic.

ve en çok umut vadeden adayları klinikte geliştireceğiz.

Sound too good to be true?

Doğru olamayacak kadar güzel mi?

Well, it shouldn't.

Öyle olmamalı.

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

The Antibiotics AI Project, konsept araştırmamız üzerine kuruldu

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

ve Halocin adlı yeni tip geniş spektrumlu antibiyotiğin keşfini mümkün kıldı.

called halicin.

Halicin has potent antibacterial activity

Halocin'in neredeyse tüm antibiyotiğe dirençli bakteriyel patojenlere karşı

against almost all antibiotic-resistant bacterial pathogens,

antibakteriyel faaliyet tesiri var,

including untreatable panresistant infections.

buna tedavi edilemeyen panrezistan enfeksiyonlar dâhil.

Importantly, in contrast to current antibiotics,

Önemli olan, mevcut antibiyotiklere kıyasla

the frequency at which bacteria develop resistance against halicin

bakterilerin Halocin'e karşı direnç geliştirme sıklığı inanılmaz düşük oranda.

is remarkably low.

We tested the ability of bacteria to evolve resistance against halicin

Laboratuvarda hem Halocin hem de Cipro'ya karşı

bakterilerin direnç geliştirme yeteneğini test ettik.

as well as Cipro in the lab.

In the case of Cipro,

Cipro'da bir günün sonunda direnç gözlemledik.

after just one day, we saw resistance.

In the case of halicin,

Halocin'de, bir günün sonunda hiçbir direnç gözlemlemedik.

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

Amazingly, after even 30 days,

İşin harika kısmı, 30 gün sonra bile

we didn't see any resistance against halicin.

Halocin'e karşı direnç gözlemlemedik.

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

Bu pilot projede E.coli'ye karşı önce ortalama 2.500 bileşen test ettik.

This training set included known antibiotics,

Bu eğitim seti Cipro ve penisilin gibi bilinen antibiyotiklerin yanı sıra,

such as Cipro and penicillin,

as well as many drugs that are not antibiotics.

antibiyotik olmayan bir dizi ilacı da kapsıyordu.

These data we used to train a model

Bu verileri kullanarak modelin öğrenmesini istediğimiz

to learn molecular features associated with antibacterial activity.

antibakteriyel aktiviteyle ilişkili moleküler özelliklerdi.

We then applied this model to a drug-repurposing library

Sonra bu modeli, birkaç bin molekül barındıran

consisting of several thousand molecules

bir ilaç yeniden amaçlandırma kütüphanesine uyguladık

and asked the model to identify molecules

ve modelden, antibakteriyel özelliklere sahip

that are predicted to have antibacterial properties

ama mevcut antibiyotiklere benzemeyen molekülleri tanımlamasını istedik.

but don't look like existing antibiotics.

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

Çok ilginç, o kütüphanede yalnızca bir molekül bu kriterlere uydu

and that molecule turned out to be halicin.

ve o molekül de Halocin çıktı.

Given that halicin does not look like any existing antibiotic,

Halocin'in mevcut antibiyotiklere benzemediği hesaba katılınca

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

antibiyotik uzmanı dahi olsa

bir insanın bu şekilde Halocin'i tanımlaması imkânsız olurdu.

to identify halicin in this manner.

Imagine now what we could do with this technology

SARS-CoV-2'ye karşı bu teknolojiyle neler yapabileceğimizi hayal edin.

against SARS-CoV-2.

And that's not all.

Bununla da bitmiyor.

We're also using the tools of synthetic biology,

Ayrıca sentetik biyoloji araçları kullanıyoruz,

tinkering with DNA and other cellular machinery,

DNA ve hücresel düzenekler üzerinde deneme yaparak

to serve human purposes like combating COVID-19,

COVID-19'u yenmek gibi insani amaçlara hizmet ediyoruz,

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

şunu da ekleyeyim, hızlı bir tanısal kontrol sağlayan

that can also serve as a rapid diagnostic test.

koruyucu bir maske de geliştirmeye çalışıyoruz.

So how does that work?

Nasıl mı?

Well, we recently showed

Yakın zamanda, yaşayan bir hücreden hücresel düzeneği çıkarıp

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

and freeze-dry it along with RNA sensors onto paper

RNA sensörleriyle birlikte kağıt üzerinde dondurup kurutarak

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

Ebola ve Zika için düşük maliyetli tanı sağlayabildik.

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

Bu sensörler, kan veya salya içeren hasta örnekleriyle

that could consist of blood or saliva, for example.

yeniden hidratlandığında aktive oluyorlar.

It turns out, this technology is not limited to paper

Görünen o ki bu teknoloji kağıtla sınırlı değil

and can be applied to other materials, including cloth.

ve giysi dâhil başka materyallere de uygulanabiliyor.

For the COVID-19 pandemic,

COVID-19 pandemisine gelince

we're designing RNA sensors to detect the virus

virüsü tespit edecek RNA sensörleri tasarlıyoruz,

and freeze-drying these along with the needed cellular machinery

bunları gerekli hücresel düzeneklerle dondurup kurutuyoruz

into the fabric of a face mask,

ve bir yüz maskesi kumaşına yerleştiriyoruz.

where the simple act of breathing,

Buradaki nefes alıp verme ve dolayısıyla su buharının oluşumu

along with the water vapor that comes with it,

can activate the test.

testi aktive ediyor.

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

Böylece eğer bir hasta SARS-CoV-2'yle enfekte olmuşsa

the mask will produce a fluorescent signal

maske floresan bir sinyal verecek,

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

bu sinyal de ucuz, mobil bir cihazla kolaylıkla tespit edilebilecek.

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

Bir iki saat içinde bir hastaya uzaktan güvenle doğru şekilde teşhis konabilir.

safely, remotely and accurately.

We're also using synthetic biology

Ayrıca sentetik biyolojiyi kullanarak COVID-19 için aşı adayı tasarlıyoruz.

to design a candidate vaccine for COVID-19.

We are repurposing the BCG vaccine,

BCG aşısını başka bir amaca uygun hâle getiriyoruz,

which had been used against TB for almost a century.

neredeyse bir yüzyıldır tüberküloza karşı kullanılmıştı.

It's a live attenuated vaccine,

Bu, canlı ama zararı alınmış bir aşı

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

ve SARS-CoV-2 antijenleri göstermesi için üzerinde mühendislik yapıyoruz,

which should trigger the production of protective antibodies

bu da bağışıklık sistemi tarafından koruyucu antikorları tetikleyecektir.

by the immune system.

Importantly, BCG is massively scalable

Önemli bir nokta şu ki BCG büyük çapta ölçeklenebilir

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

ve bildirilen aşılar arasında en iyi profillerden birine sahip.

With the tools of synthetic biology and artificial intelligence,

Sentetik biyoloji ve yapay zekâ araçlarıyla

we can win the fight against this novel coronavirus.

bu yeni tip koronavirüse karşı savaşı kazanabiliriz.

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

Bu çalışma hâlâ ilk aşamalarında fakat vadettiği umut gerçek.

Science and technology can give us an important advantage

Bilim ve teknoloji; bu insan zekâsı ve süper bakteri genleri savaşında

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

bize önemli bir avantaj sağlayabilir,

a battle we can win.

kazanabileceğimiz bir savaş.

Thank you.

Teşekkürler.