Az ELKH Ökológiai Kutatóközpont (ÖK) evolúcióbiológusai legújabb kutatásukban olyan mesterséges intelligencián alapuló algoritmusok működését tesztelték, amelyek feladata az új, potenciálisan antibiotikumként alkalmazható molekulák keresése. A kutatók megfigyelése szerint ezek az algoritmusok nem minden esetben működnek egyforma hatékonysággal, ezért nagy jelentősége van annak, hogy milyen szoftvert alkalmaznak az egyes új antimikrobiális molekulák azonosítására. A kutatás eredményeit bemutató tanulmány a rangos Scientific Reports folyóiratban jelent meg.

Korunk talán legnagyobb közegészségügyi veszélyét az antibiotikumoknak ellenálló baktériumok jelentik, ezért az új antibiotikumok keresése az egyik legfontosabb orvosbiológiai kutatási irány. Mivel az antibiotikum-rezisztencia kialakulása jelenleg is zajló evolúciós folyamat, e probléma megértéséhez és vizsgálatához elengedhetetlen az evolúciós megközelítés alkalmazása.

Amikor egy kórokozó baktériumnak antibiotikummal kell szembenéznie, általában nem sok eséllyel éli azt túl, hiszen a hatóanyag rövid úton végez vele. A baktériumok azonban nagyon gyorsan szaporodnak, génjeikben mutációk jönnek létre, és a mutációk némelyike megváltoztatja a mikroorganizmus tulajdonságait. E megváltozott jellegzetességek között olyan is lehet, amely ellenállóbbá teszi a baktériumot az antibiotikummal szemben. Minthogy a társai elpusztulnak, a rezisztens baktérium hirtelen hatalmas evolúciós előnyre tesz szert, hiszen túlélheti az antibiotikum támadását, és a következő nemzedéket szinte kizárólag az ő utódai alkotják majd.

Ez a jelenség az évmilliárdok óta zajló evolúció már ismert folyamata. A meggondolatlan antibiotikum-használat azonban az utóbbi évtizedekben felgyorsította az egyre több hatóanyagra rezisztens baktériumtörzsek megjelenését és elterjedését. Emiatt a már meglévő antibiotikumok felelősségteljes alkalmazása mellett rendkívül fontos, hogy a kutatók folyamatosan keressék azokat az újabb antimikrobiális molekulákat, amelyek helyettesíthetik a hatástalanná váltakat.

A természetben – főként állatok, növények szervezetében – megszámlálhatatlan antibiotikus hatású molekula található, így nem áll fenn a veszély, hogy ezek egyszer elfogynak. A problémát inkább az jelenti, hogy a lehetséges új hatóanyagok felfedezése a klasszikus molekuláris biológiai módszerekkel lassabban történik, mint ahogy a rezisztens baktériumok terjednek. A modern, mesterséges intelligencián alapuló algoritmusok segítségével azonban automatizálni lehet a kutatást, a meglévő antibiotikumok kémiai szerkezete ugyanis rávezetheti a kutatókat arra, hogy milyen molekuláris jellegzetességeket kell keresniük a lehetséges új gyógyszermolekulákban. Ezek az algoritmusok azonban nem tévedhetetlenek, ezért kiemelt fontosságú a működésük tesztelése.

„Ezek az algoritmusok a fehérjék aminosavsorrendje alapján megjósolják, hogy a fehérjének lehet-e antimikrobiális hatása – mondja Rádai Zoltán, az ÖK Ökológiai és Botanikai Intézetének munkatársa, a tanulmány vezető szerzője. – Az algoritmusok a legmodernebb gépi tanulásos eljárásokat alkalmazzák, de csak a már ismert antibiotikumok jellemzői alapján képesek megbecsülni azt, hogy az ismeretlen fehérje milyen eséllyel működhet antibiotikumként” – teszi hozzá.

Az algoritmusok nélkülözhetetlen szerepet töltenek be a modern antibiotikum-kutatásban, hiszen a segítségükkel már a drága és körülményes laboratóriumi fázis előtt kiszűrhetők az esélyes jelöltek, ezzel a folyamat jelentősen felgyorsítható. A programok tesztelésére azért van nagy szükség, hogy meghatározható legyen, hogy azok a különféle forrásból származó, akár antibiotikumként is használható molekulákat milyen eredményesen tudják azonosítani.

A kutatás során több mint 1500 ismerten antimikrobiális hatású peptid (a fehérjéknél rövidebb aminosavlánc), illetve 3000 nem (vagy nem ismert) antimikrobiális hatású peptid felhasználásával húsz különböző algoritmus működését tesztelték. Ezzel a szakemberek célja annak a meghatározása volt, hogy e szoftverek képesek-e elkülöníteni az antimikrobiális peptideket a többitől. Emellett azt is vizsgálták, hogy a különböző algoritmusok ugyanolyan jól működnek-e, ha különböző forrásból származó molekulákat alkalmaznak.

„Eredményül azt kaptuk, hogy a különböző algoritmusok nemcsak átlagos sikerességükben különböztek, hanem abban is, hogy az eltérő állatcsoportokból izolált antimikrobiális peptideket milyen jól ismerik fel – folytatja az evolúcióbiológus. – Ennek alapján a kutatók a jövőben kiválaszthatják azt a szoftvert, amely az általuk vizsgált molekulára a legmegbízhatóbb eredményt képes szolgáltatni.”

A kutatók világszerte rengeteg peptidet nyernek ki a legkülönfélébb élőlényekből. E kutatások egy részének célja új antibiotikumok keresése, más vizsgálatok az alapkutatási kérdések megválaszolását szolgálják. A kutatások jelentősége mindenképpen hatalmas a jelenleg is létező, illetve a jövőben megjelenő, nagy ellenálló képességű baktériumok elleni harcban. Az evolúciós megközelítés fontosságát pedig jól mutatja, hogy az orvostudománytól klasszikusan távol eső tudományágaknak – például az ökológiának és az evolúcióbiológiának – milyen jelentős szerepe van és lesz a jövőbeli egészségügyi krízisek megoldásában.