最近の研究では、AIツールを使用して細菌の病原性ネットワークを解読する方法が示されています。 多くの病気の原因となる細菌は、分子の「注射器」を使用して、エフェクターと呼ばれる多数のタンパク質を腸細胞に注入し、重要な免疫応答をブロックします。
現在、英国、イスラエル、スペインの科学者の国際チームが、マドリッド工科大学（UPM）の参加を得て、実験室での実験と人工知能（AI）ツールを組み合わせて、これらすべてのタンパク質分子を一緒に分析するために力を合わせています。 。
AIは細菌の病原性ネットワークを解読するために使用できます
ジャーナルScienceに研究を発表している著者は、エフェクターの機能をモデル化するために、マウス細菌Citrobacterrodentiumの100の変異体を使用しています。 彼らは、それらがネットワークとして一緒に働き、微生物が免疫系を回避し、その病原性を維持するための大きな柔軟性を可能にすることを発見しました。
AIプラットフォームは、invivoデータから代替ネットワークの植民地化の結果を正しく予測しました。 UPMの研究者、AI教授のAlfonsoRodríguez-Patón、博士課程の学生であるElenaNúñezBerruecoは、ラボで収集したデータを使用して機械学習モデルを構築しました。
研究者たちはAIツールをテストしています
エフェクターの可能な組み合わせの数は10億を超えるため、すべてのバリアントを研究するには、1000年以上の実験的研究が必要になります。 そこでAIが登場し、ルールを変更して、この複雑なメカニズムを解読できるようにします。 UPMで開発されたアルゴリズムは、100の実験室実験のパターンを学習した後、任意のバリアントの感染能力を予測することができます。
「このような複雑な生物学的システムを研究することで、AIは私たちの目には明らかではないものを見ることができます」とNúñezは説明します。 「予測は、エフェクターの最も関連性の高い組み合わせを特定するのに役立ち、時間とリソースを節約します。 このモデルを使用して、研究対象とは異なるエフェクターの組み合わせを持つ新しい株が細胞を操作できるかどうか、またどのように操作できるかを予測できます。」
このアルゴリズムは人工ニューラルネットワークに触発されていますが、エフェクターのターゲットに関する知識が組み込まれています。 このネットワークのアーキテクチャには特徴があります。一般的なものではなく、エフェクターと細胞のコンポーネントとの生物学的相互作用のネットワークと同じ形をしています。 これにより、非常に少数のケースでネットワークをトレーニングすることが可能になり、解釈可能な結果（いわゆる説明可能なAI）を備えたモデルが得られました。
モデルの助けを借りて、科学者はさらに実験を最も興味深い変種に向けることができました。 したがって、彼らは不可欠なこれらの分子の小さなグループを発見することができました。 これは、それらが排除またはブロックされた場合、細菌が感染しないことを意味し、これらの軽快な侵入者を打ち負かすのに役立つ将来の治療のための有望なターゲットを提供します。
新しい治療法が進行中である可能性があります
実際、著者らは、宿主マウスが適応性があり、さまざまなエフェクターネットワークによって構築された障害を回避し、病原体を排除して防御免疫を誘導する補完的な免疫応答を活性化できることも観察しました。
Rodríguez-Patónは次のように結論付けています。「人工知能は、この場合は微生物学の分野で、破壊的技術であることが再び証明されています。 この学際的な研究により、細菌が私たちに感染するために使用する分子信号の複雑なネットワークを解明するための新しいAI技術を開発する必要がありました。 得られた結果は非常に満足のいくものであるため、今後の研究では、ロンドンのインペリアルカレッジで主執筆者の1人であるガドフランケルのグループと協力していきます。」
