کشف آنتی‌بیوتیک احتمالی جدید برای سوزاک با کمک هوش مصنوعی

دانشمندان با کمک هوش مصنوعی (Artificial Intelligence – AI) یک آنتی‌بیوتیک احتمالی جدید برای درمان سوزاک (Gonorrhea) شناسایی کرده‌اند؛ عفونتی باکتریایی و مقاربتی که مقاومت آن در برابر داروها رو به افزایش است. این ترکیب جدید که «MP20» نام دارد، در آزمایش‌های آزمایشگاهی، از جمله روی یک مدل پیشرفته به نام «واژن روی تراشه» (Vagina-on-a-Chip)، نتایج امیدوارکننده‌ای نشان داده است.

این یافته در مطالعه‌ای منتشرشده در ۱۷ ژوئن در مجله «Science Translational Medicine» گزارش شده است. هرچند این ترکیب هنوز تا رسیدن به مرحله استفاده بالینی در بیماران فاصله زیادی دارد، اما می‌تواند گامی مهم در مقابله با بحران رو‌به‌رشد مقاومت آنتی‌بیوتیکی (Antibiotic Resistance) باشد.

دکتر جفری کلاوسنر (Jeffrey Klausner)، استاد بالینی در دانشگاه کالیفرنیای جنوبی (University of Southern California) که در این پژوهش نقشی نداشته گفته است: «نیاز فوری به مقابله با مقاومت آنتی‌بیوتیکی در سوزاک وجود دارد و کشف آنتی‌بیوتیک‌های جدید یکی از راهبردهای کلیدی است. دیدن کاربرد هوش مصنوعی در این حوزه سلامت عمومی هیجان‌انگیز است.»

سوزاک چیست و چرا نگران‌کننده است؟

سوزاک (Gonorrhea) یک عفونت باکتریایی منتقل‌شونده از راه جنسی یا بیماری مقاربتی (Sexually Transmitted Infection – STI) است. عامل این بیماری باکتری نایسریا گونوره‌آ (Neisseria gonorrhoeae) است.

هر سال بیش از نیم میلیون نفر در آمریکا به سوزاک مبتلا می‌شوند. این بیماری می‌تواند علائمی مانند درد و ترشح مایع ایجاد کند. با این حال، برخی افراد ممکن است علائم خفیف داشته باشند یا حتی بدون علامت باشند، که همین موضوع خطر انتقال ناخواسته بیماری را افزایش می‌دهد.

اگر سوزاک درمان نشود، ممکن است عوارض جدی ایجاد کند، از جمله:

• ناباروری
• بیماری التهابی لگن در زنان
• افزایش خطر انتقال سایر عفونت‌های مقاربتی
• عوارض بارداری
• عفونت در نوزادان

اگر سوزاک در دوران بارداری ایجاد شود، می‌تواند خطر سقط جنین و زایمان زودرس را افزایش دهد. همچنین اگر عفونت به نوزاد منتقل شود و درمان نشود، ممکن است باعث سپسیس (Sepsis) یا نابینایی نوزاد (Newborn Blindness) شود.

مشکل اصلی: سوزاک در برابر داروها مقاوم‌تر شده است

باکتری نایسریا گونوره‌آ اغلب جهش‌هایی دارد که باعث مقاومت در برابر یک یا چند آنتی‌بیوتیک می‌شود. این موضوع گزینه‌های درمانی را محدود می‌کند و درمان عفونت را دشوارتر می‌سازد.

در حال حاضر، آنتی‌بیوتیک سفتریاکسون (Ceftriaxone) همچنان درمان اصلی و رایج برای سوزاک است. اما مقاومت به این دارو در جهان در حال افزایش است.

در آمریکا فعلاً فقط حدود ۰.۱٪ موارد سوزاک نسبت به سفتریاکسون مقاوم هستند. اما در برخی مناطق، آمار بسیار بالاتر است؛ برای مثال:

• در بعضی استان‌های چین، مقاومت تا حدود ۱۰٪ گزارش شده است.
• در هانوی ویتنام، مقاومت به ۲۷٪ رسیده است.

این اعداد هشداردهنده‌اند، زیرا اگر سفتریاکسون اثربخشی خود را از دست بدهد، درمان سوزاک در بسیاری از موارد بسیار دشوارتر خواهد شد.

چرا کشف آنتی‌بیوتیک‌های جدید سخت است؟

دانشمندان برای پیدا کردن آنتی‌بیوتیک‌های تازه معمولاً مجموعه‌های بزرگی از ترکیبات شیمیایی را غربالگری می‌کنند تا ببینند کدام‌یک می‌تواند باکتری را از بین ببرد. این روش سنتی بسیار زمان‌بر است.

مشکل اینجاست که سویه‌های مقاوم جدید با سرعت زیادی در حال ظهورند، اما آزمایش‌های معمول نمی‌توانند همیشه با این سرعت پیش بروند. به همین دلیل، پژوهشگران به ابزارهایی مانند هوش مصنوعی روی آورده‌اند تا بتوانند سریع‌تر از میان میلیون‌ها ترکیب، گزینه‌های امیدوارکننده را پیدا کنند.

هوش مصنوعی چگونه ترکیب جدید را پیدا کرد؟

در مطالعه جدید، پژوهشگران از مدل‌های هوش مصنوعی برای جست‌وجوی سریع میان تعداد زیادی ترکیب احتمالی استفاده کردند.

ابتدا مدل‌های هوش مصنوعی را با داده‌های مربوط به ۱۷۵۵ داروی تأییدشده بالینی آموزش دادند. این داروها شامل ترکیباتی بودند که یا علیه سوزاک حساس به دارو اثر داشتند یا نداشتند. هوش مصنوعی با بررسی الگوهای ویژگی‌های شیمیایی این داروها یاد گرفت که چه نوع ترکیباتی ممکن است خاصیت آنتی‌بیوتیکی علیه سوزاک داشته باشند.

سپس پژوهشگران مدل‌های آموزش‌دیده را روی مجموعه‌ای بسیار بزرگ‌تر شامل حدود ۶ میلیون ترکیب اجرا کردند. نتیجه اولیه، شناسایی ۲۱۳ گزینه احتمالی بود.

اما این فقط مرحله اول بود. سپس پژوهشگران این فهرست را مرحله‌به‌مرحله محدود کردند.

چگونه فهرست ترکیبات احتمالی محدود شد؟

پژوهشگران برای رسیدن به بهترین گزینه‌ها چند مرحله حذف انجام دادند:

1. ترکیباتی را که بیش از حد شبیه داروهای موجود بودند، کنار گذاشتند.
   دلیل این کار این بود که ترکیبات مشابه داروهای فعلی ممکن است علیه ابرمیکروب‌های مقاوم به دارو موثر نباشند.
2. ترکیباتی را که در آزمایشگاه علیه سوزاک قدرت کافی نداشتند، حذف کردند.
3. ترکیباتی را که برای سلول‌های انسانی بیش از حد سمی بودند، کنار گذاشتند.

در نهایت، یکی از امیدوارکننده‌ترین ترکیباتی که باقی ماند، «MP20» بود.

چرا آزمایش روی موش‌ها برای سوزاک دشوار است؟

دانشمندان معمولاً برای بررسی داروهای جدید از موش‌های آزمایشگاهی استفاده می‌کنند. اما در مورد سوزاک، ایجاد عفونت پایدار در موش‌ها دشوار است.

دکتر ملیس آناهتار (Melis Anahtar)، پزشک-دانشمند در بیمارستان عمومی ماساچوست (Massachusetts General Hospital) و از نویسندگان مطالعه، توضیح داده است که علت این دشواری، سازگاری شدید باکتری سوزاک با بدن انسان است. به بیان ساده، نایسریا گونوره‌آ بیشتر برای آلوده کردن انسان تکامل یافته و در بدن موش به‌راحتی عفونت مشابه ایجاد نمی‌کند.

او همچنین اشاره کرده است که در آمریکا و بسیاری از مراکز علمی، تلاش فزاینده‌ای وجود دارد تا در آزمایش داروهای جدید از مدل‌هایی استفاده شود که اندام‌های انسان را بهتر تقلید می‌کنند و وابستگی به آزمایش حیوانی کاهش یابد.

البته این مدل‌ها هنوز در همه موارد آماده جایگزینی کامل آزمایش‌های حیوانی نیستند، اما در برخی حوزه‌ها می‌توانند ابزارهای بسیار ارزشمندی باشند.

مدل «واژن روی تراشه» چیست؟

در این مطالعه، پژوهشگران برای آزمایش «MP20» از مدل «واژن روی تراشه» (Vagina-on-a-Chip) استفاده کردند.

این مدل یک دستگاه کوچک آزمایشگاهی است که برخی ویژگی‌های بافت انسانی را شبیه‌سازی می‌کند. این تراشه شامل چند بخش اصلی است:

• لایه‌ای از سلول‌ها که پوشش داخلی واژن را تقلید می‌کند
• لایه‌ای از سلول‌های فیبروبلاست (Fibroblast Cells) که در بافت‌های عمقی‌تر بدن وجود دارند
• کانالی حاوی مواد مغذی که نقش جریان خون را تقلید می‌کند

این نوع سامانه‌ها به دانشمندان اجازه می‌دهند رفتار دارو را در شرایطی نزدیک‌تر به بدن انسان بررسی کنند؛ مثلاً ببینند آیا دارو می‌تواند از لایه‌های بافتی عبور کند و به محل عفونت برسد یا نه.

«MP20» در مدل واژن روی تراشه چگونه عمل کرد؟

پژوهشگران ابتدا باکتری سوزاک را به لایه اول تراشه اضافه کردند تا نحوه انتقال جنسی عفونت را شبیه‌سازی کنند. سپس «MP20» را از طریق کانال جریان مواد مغذی وارد کردند؛ یعنی به شکلی که تجویز دارو از راه گردش خون در بدن را تقلید کند.

هدف این بود که مشخص شود آیا آنتی‌بیوتیک می‌تواند از موانع بافتی عبور کند و به باکتری‌ها برسد یا نه.

نتیجه امیدوارکننده بود. به گفته دکتر آناهتار، «MP20» توانست از سدهای اپی‌تلیالی (Epithelial Barriers) عبور کند و در غلظتی جمع شود که برای کشتن باکتری سوزاک کافی بود.

نکته مهم اینکه عملکرد «MP20» در این مدل به اندازه سفتریاکسون خوب بود. پس از درمان با هر یک از این دو دارو، هیچ باکتری‌ای شناسایی نشد.

آیا «MP20» آماده استفاده در بیماران است؟

خیر. با وجود نتایج امیدوارکننده، هنوز آزمایش‌های زیادی لازم است تا «MP20» بتواند وارد درمان بالینی شود.

دکتر کلاوسنر تأکید می‌کند که پژوهشگران باید نشان دهند این ترکیبات شیمیایی برای انسان ایمن هستند و باعث آسیب جدی نمی‌شوند؛ از جمله:

• سمیت کبدی (Liver Toxicity)
• سمیت کلیوی (Kidney Toxicity)
• عوارض جانبی شدید

همچنین باید بررسی شود که دارو در بدن چگونه جذب، توزیع، متابولیزه و دفع می‌شود. این مراحل برای هر داروی جدید ضروری‌اند.

سوزاک فقط یک محل را درگیر نمی‌کند

یکی از نکات مهم درباره درمان سوزاک این است که عفونت می‌تواند در بخش‌های مختلف بدن رخ دهد. به گفته دکتر کلاوسنر، اثربخشی یک آنتی‌بیوتیک به محل عفونت نیز بستگی دارد.

سوزاک ممکن است در نواحی مختلفی ایجاد شود، از جمله:

• واژن
• آلت تناسلی مردانه
• راست‌روده
• گلو

بنابراین پژوهشگران باید بررسی کنند که اگر دارو از طریق جریان خون تجویز شود، آیا می‌تواند به همه این نواحی برسد و در غلظتی مؤثر باکتری را از بین ببرد یا نه.

نقش رو‌به‌رشد هوش مصنوعی در کشف دارو

دکتر آناهتار معتقد است مدل‌های هوش مصنوعی در جست‌وجوی داروهای جدید نقشی کلیدی خواهند داشت، به‌ویژه اکنون که شیمی‌دانان می‌توانند تعداد بسیار بیشتری از ترکیبات را نسبت به گذشته تولید یا تهیه کنند.

او می‌گوید در سال ۲۰۱۲، حدود یک میلیون ترکیب وجود داشت که می‌شد آن‌ها را از فروشندگان تجاری خرید. اما اکنون این عدد به بیش از ۷۰ میلیارد ترکیب رسیده است.

این حجم عظیم از ترکیبات، بررسی دستی و سنتی را تقریباً غیرممکن می‌کند. هوش مصنوعی می‌تواند کمک کند تا از میان میلیاردها گزینه، ترکیباتی با بیشترین احتمال موفقیت شناسایی شوند. آناهتار قصد دارد مدل‌های خود را گسترش دهد و بهبود ببخشد تا بتواند تعداد بیشتری از ترکیبات را به‌طور هم‌زمان آزمایش و ارزیابی کند.

اهمیت این کشف برای سلامت عمومی

افزایش مقاومت آنتی‌بیوتیکی یکی از جدی‌ترین تهدیدهای سلامت عمومی در جهان است. سوزاک نمونه‌ای مهم از این مشکل است، زیرا باکتری عامل آن بارها در برابر داروهای قبلی مقاوم شده و گزینه‌های درمانی را محدود کرده است.

اگر مقاومت به سفتریاکسون گسترش یابد، پزشکان ممکن است با مواردی از سوزاک روبه‌رو شوند که درمان آن‌ها بسیار دشوار یا حتی در برخی شرایط نزدیک به غیرممکن باشد. به همین دلیل، کشف ترکیباتی مانند «MP20» اهمیت زیادی دارد، حتی اگر هنوز در مراحل ابتدایی باشد.

این پژوهش همچنین نشان می‌دهد که ترکیب هوش مصنوعی، شیمی دارویی و مدل‌های آزمایشگاهی شبیه‌ساز بدن انسان می‌تواند مسیر تازه‌ای برای کشف آنتی‌بیوتیک‌ها باز کند.

در نهایت، پژوهشگران با کمک هوش مصنوعی (AI) یک ترکیب آنتی‌بیوتیکی امیدوارکننده به نام «MP20» را برای مقابله با سوزاک (Gonorrhea) شناسایی کرده‌اند. این ترکیب پس از غربالگری میلیون‌ها ماده شیمیایی و حذف گزینه‌های نامناسب، در آزمایش‌های آزمایشگاهی انتخاب شد.

در مدل «واژن روی تراشه» (Vagina-on-a-Chip)، «MP20» توانست از سدهای بافتی عبور کند و باکتری نایسریا گونوره‌آ (Neisseria gonorrhoeae)، عامل سوزاک، را از بین ببرد. عملکرد آن در این مدل مشابه آنتی‌بیوتیک رایج سفتریاکسون (Ceftriaxone) بود.

با این حال، این دارو هنوز آماده استفاده برای بیماران نیست. برای ورود به درمان بالینی، باید آزمایش‌های بیشتری درباره ایمنی، سمیت احتمالی، عوارض جانبی و توانایی دارو برای رسیدن به محل‌های مختلف عفونت انجام شود.

در شرایطی که سوزاک مقاوم به دارو در جهان رو به افزایش است، این مطالعه نشان می‌دهد هوش مصنوعی می‌تواند ابزاری قدرتمند برای شتاب دادن به کشف آنتی‌بیوتیک‌های جدید و مقابله با ابرمیکروب‌های مقاوم باشد.