1. Una nuova frontiera della microbiologia: il deep learning
2. Che cos’è l’Acinetobacter baumannii?
3. Come il deep learning può aiutarci della lotta contro i microbi?
1. Una nuova frontiera della microbiologia: il deep learning
Nelle ultime settimane rimbalza sul web una notizia che apre la strada ad una rivoluzione nel campo della medicina. Come riportato dall’autorevole rivista Nature Chemical Biology, un gruppo di ricercatori del Massachusetts Institute of Technology (MIT) di Boston, dell’Università di Harvard e dell’Università McMaster (Hamilton, Canada) hanno scoperto un nuovo antibiotico che potrebbe essere usato per il trattamento di infezioni da Acinetobacter baumannii, grazie ad un software basato sul deep learning.
Il deep learning è un sottoinsieme dell'intelligenza artificiale (AI), che si basa su reti neurali artificiali profonde per apprendere e rappresentare informazioni in modo simile al cervello umano. Le reti neurali artificiali sono modelli matematici composti da strati di neuroni interconnessi. Nel deep learning queste reti neurali hanno molti strati: da ciò deriva il termine “deep”, ovvero "profondo".
Il deep learning ha ottenuto risultati impressionanti in diversi campi come il riconoscimento delle immagini, il riconoscimento del parlato, la traduzione automatica, il riconoscimento del testo scritto a mano e molte altre applicazioni. È ampiamente utilizzato in settori come l'informatica, la visione artificiale e la robotica e, negli ultimissimi anni, sono numerosi anche i tentativi di utilizzarlo in diversi campi della medicina.
2. Che cos’è l’Acinetobacter baumannii?
L’Acinetobacter baumannii è un batterio, in particolare un patogeno nosocomiale Gram-negativo, che spesso mostra multiresistenza agli antibiotici grazie alla sua robusta membrana esterna e alla sua capacità di acquisire e trattenere il DNA extracellulare, che spesso codifica per i geni che gli conferiscono resistenza agli antibiotici. Inoltre, può sopravvivere per periodi prolungati sulle superfici ed è resistente all'essiccazione.
La scoperta di nuovi antibiotici contro l’Acinetobacter baumannii si è dimostrata poco efficace attraverso gli approcci convenzionali. Infatti, la maggior parte dei nuovi antibiotici che superano le sperimentazioni e raggiungono l'uso clinico sono analoghi delle classi esistenti: sebbene possano soddisfare esigenze cliniche a breve termine, la loro efficacia a lungo termine è intrinsecamente limitata a causa dell'elevata prevalenza di fattori di resistenza già esistenti.
Al contrario, sul piano ideale gli sforzi per la scoperta di nuovi antibiotici dovrebbero concentrarsi sull'identificazione di nuovi chemiotipi con meccanismi di azione unici rispetto agli antibiotici esistenti, per eludere ogni meccanismo di resistenza attualmente circolante.
3. Come il deep learning può aiutarci della lotta contro i microbi?
I metodi di apprendimento automatico consentono la rapida esplorazione di numerose interazioni chimiche simulate, aumentando la probabilità di scoprire nuovi chemiotipi con attività antibatterica, in particolare contro agenti patogeni impegnativi come l’Acinetobacter baumannii. Per avere un’idea del salto di qualità consentito dal deep learning, basti pensare che i tipici programmi di screening ad alto rendimento si limitano a testare l'attività antibatterica di alcuni milioni di molecole, mentre gli approcci algoritmici più moderni come il deep learning possono valutare da centinaia di milioni a miliardi di molecole.
Oltre alla semplice scoperta di nuovi antibiotici, esiste un'altra esigenza in gran parte insoddisfatta dalle metodiche tradizionali: l'applicazione di terapie a spettro ristretto, mirate a specifiche specie batteriche. Gli antibiotici a spettro ristretto sono utili per i seguenti motivi:
- In primo luogo, la velocità con cui la resistenza agli agenti a spettro ristretto si diffonde è inferiore rispetto agli agenti convenzionali ad ampio spettro, perché i farmaci a spettro ristretto non impongono quella pressione selettiva universale che favorisce l'ampio propagazione dei meccanismi di resistenza
- In secondo luogo, gli antibiotici a spettro ristretto non interrompono l'ecologia del microbiota durante il trattamento
Infatti gli antibiotici ad ampio spettro molto spesso causano disbiosi, ovvero un’alterazione della fisiologica flora batterica presente nel nostro organismo. La disbiosi è stata associata a una vasta gamma di esiti negativi per la salute, tra cui malattie infettive, malattie infiammatorie intestinali, malattie metaboliche, disturbi neuropsichiatrici e cancro.
Nello studio citato all’inizio, i ricercatori hanno esaminato circa 7.500 molecole attraverso l’addestramento di una rete neurale: grazie a questo approccio, in poco tempo hanno scoperto l'abaucina, un composto antibatterico con attività a spettro ristretto contro l’Acinetobacter baumannii che potrebbe superare i meccanismi di resistenza intrinseca.
Il caso appena descritto è solo uno dei numerosi utilizzi del deep learning nella medicina moderna, che negli anni a venire troverà sempre più numerose applicazioni sia nell’ambito della microbiologia, sia del trattamento di altre patologie come quelle metaboliche, autoimmuni e tumorali.
