Negli anni il fenomeno dell’antibiotico-resistenza è aumentato in modo notevole, rendendo necessaria una valutazione dell’impatto in sanità pubblica, verticale per patogeno, antibiotico e area geografica. Attualmente nell’Unione Europea oltre 670 mila infezioni sono provocate dagli agenti patogeni resistenti agli antibiotici, causando 33 mila morti correlate ogni anno. Per affrontare questa sfida facendo leva sulle nuove tecnologie, il team di ricerca della Stanford University e della McMaster University – rispettivamente negli Stati Uniti e in Canada – ha sviluppato un modello di intelligenza artificiale generativa, denominato SyntheMol, in grado di creare ricette per nuovi farmaci (parliamo di un iter complesso, costoso e dalle tempistiche lunghe, con una media di 10 anni) volti sopprimere i ceppi resistenti di Acinetobacter baumannii, tra i principali patogeni responsabili dei decessi legati alla resistenza antibatterica. Lo studio è pubblicato su Nature Machine Intelligence.
Infezioni da Acinetobacter baumannii
Il modello di IA è stato addestrato per creare potenziali farmaci utilizzando una libreria di 132.000 blocchi costruttivi di molecole e 13 reazioni chimiche validate, ed ha identificato 30 miliardi di combinazioni bidirezionali di frammenti per progettare nuove molecole dalle proprietà antibatteriche più promettenti. Dunque, grazie alle informazioni acquisite, SyntheMol ha generato non solo il composto finale ma anche le fasi indispensabili alla sua sintesi, restituendo ai ricercatori 25.000 possibili antibiotici volti alla distruzione dei ceppi resistenti di Acinetobacter baumannii (conosciuto anche come “Iraqibacter”), batterio particolarmente rischioso – in particolare nei confronti dei pazienti immunocompromessi oppure ricoverati nelle terapie intensive –, classificato come “patogeno critico di priorità 1” dall’Organizzazione mondiale della sanità e come “minaccia urgente” dai Centri per il controllo e la prevenzione delle malattie degli Stati Uniti.
Dopo una scrupolosa selezione, gli studiosi hanno individuato 70 composti con il maggior potenziale per uccidere il batterio. Quindi, in collaborazione con un’azienda chimica ucraina, il team di ricerca è riuscito a sintetizzare 58 dei composti selezionati, di cui sei 6 – nel momento in cui sono stati testati in laboratorio – hanno dimostrato la propria efficacia nell’annientare i ceppi resistenti di Acinetobacter baumannii. I nuovi composti hanno rivelato un’attività antibatterica anche nei confronti di ulteriori tipi di batteri infettivi, sempre soggetti ad antibiotico resistenza.
Sicurezza e nuove sfide da affrontare
Tra gli autori della ricerca, James Zou, professore associato di scienza dei dati biomedici presso la Stanford University, ammette: “Oggi, grazie all’intelligenza artificiale generativa, disponiamo di istruzioni esplicite su come produrre molecole completamente nuove”. Quindi Jonathan Stokes, autore senior dello studio e assistente professore presso il Dipartimento di biomedicina e biochimica della McMaster University: “L’IA ci offre l’opportunità di incrementare notevolmente la velocità con cui scopriamo nuovi antibiotici e possiamo farlo a un costo ridotto”. La ricerca si inserisce nel solco di uno studio – pubblicato ancora su Nature – condotto dai ricercatori del Massachusetts Institute of Technology (MIT) che, grazie al deep learning (tecnica di apprendimento in cui si espongono reti neurali artificiali a sterminate quantità di dati, cosicché possano apprendere a svolgere compiti) ha rilevato una classe di composti capaci di annientare un batterio resistente ai farmaci che provoca oltre 10 mila decessi ogni anno negli Stati Uniti.
La ricerca ha dimostrato infatti che questi composti – dalla tossicità assai ridotta nei confronti delle cellule umane, ragione per cui sono candidati farmacologici particolarmente suggeriti – potrebbero uccidere lo Staphylococcus aureus resistente alla meticillina (Methicillin-resistant staphylococcus aureus), coltivato in una piastra di laboratorio e in due modelli murini di infezione da Mrsa (stando agli ultimi dati dell’Oms, la percentuale di infezioni provocate da Mrsa è peggiorata del 14% , passando dal 21% nel 2016 al 35% nel 2020 a livello globale). Un’innovazione decisiva nello studio è che i ricercatori sono riusciti anche a comprendere a quali tipi di informazioni ricorreva il modello di deep learning per fare previsioni sulla potenza degli antibiotici. Tale conoscenza potrebbe supportare chi svolge ricerca a progettare ulteriori farmaci in grado funzionare anche meglio di quelli individuati dal modello.
