Generativa modeller av artificiell intelligens är benägna att hallucinera och skapar information som är fiktiv eller bildspråk. Med tanke på den stigande vågen av AI-felinformation anses denna vana vara ett fel. Men precis som den konstgjorda diamanten uppfanns oavsiktligt när forskare försökte uppnå supertrycks- och värmeförhållanden som jordens mantel, har hallucinationer också visat sig vara till hjälp för forskare att upptäcka nya droger.
AI-hallucinationer och nya kemiska upptäckter
Enligt experterna uppskattas det att nästan 5 miljoner dödsfall har ett visst samband med antibiotikaresistens globalt, så nya sätt är avgörande för att bekämpa de resistenta bakterievarianterna, och det på ett brådskande sätt. Forskare från McMaster University och Stanford Medicine School har utvecklat en ny modell som avslöjar potentiella lösningar för livshotande bakterier som är resistenta mot antibiotika.
Modellen heter SyntheMol, och enligt studierapporten från Stanford,
"SyntheMol skapade strukturer och kemiska recept för sex nya läkemedel som syftar till att döda resistenta stammar av Acinetobacter baumannii, en av de ledande patogenerna som är ansvariga för antibakteriell resistensrelaterade dödsfall."
Källa: Stanford University.
James Zou, docent i biomedicinsk datavetenskap och även medförfattare till studien, säger att det finns ett stort behov av att utveckla nya antibiotika så snabbt vi kan för folkhälsan. Forskarna har validerat de nya föreningarna som utvecklats med modellen på experimentell basis.
Zou nämnde också att deras hypotes var att det finns många potentiella molekyler som skulle kunna omvandlas till effektiva läkemedel, men de har inte testat dem eller inte ens utvecklat molekylerna ännu, och det är anledningen till att de vill använda AI för att göra molekyler som inte finns i naturen.
SyntheMol upptäcker nya möjligheter
Innan generativ AI använde forskare olika beräkningsmetoder för utveckling av antibiotika. De använde algoritmer för att gå igenom drogdepåer och känna igen de föreningar som hade en chans att agera mot en patogen de ville döda.
Med denna metod kunde de filtrera igenom 100 miljoner föreningar som redan var kända, detta gav också resultat, men det var ingen djup process att hitta alla kemiska föreningar som kunde visa sig vara till hjälp mot bakterier.
Medförfattaren till studien och en dent vid Stanford för beräkningsvetenskap, Kyle Swanson, säger att det kemiska utrymmet är gigantiskt.
"Folk har uppskattat att det finns nära 1060 möjliga läkemedelsliknande molekyler. Så, 100 miljoner är inte i närheten av att täcka hela det utrymmet."
Källa: Stanford University.
Som sagt i början kan AI:s tendens att hallucinera användas för att upptäcka nya droger , eftersom den användes för att utveckla nya föreningar, men nu producerar den föreningar som skulle ha varit omöjliga att göra i befintliga, säger Swanson. Forskare var också tvungna att sätta skyddsräcken runt modellen så att de på konstgjord väg kunde utveckla vilken molekyl som helst som modellen föreställde sig.
Zou säger att den här modellen lär dem om en helt ny del av det kemiska området genom att designa nya molekyler som människor inte var medvetna om. Zou förfinar också modellen med Swanson för att använda den för hjärtläkemedel och för att skapa fluorescerande molekyler med nya egenskaper för laboratorieforskning.
Stanford Universitys anteckning om ämnet kan ses här .
