تنتشر مقاومة البكتيريا للمضادات الحيويّة بسرعة عالية على الصعيد العالميّ. وفي الوقت نفسه، تتفاقم المشكلة بسبب انخفاض إنتاج مضادات حيويّة فعّالة جديدة، وانخفاض العائد المادي للشركات المُنتجة للأدوية. لذلك أصبح تطوير الأساليب الجديدة القادرة على خفض التكاليف الإنتاجية للدواء، وزيادة مُعدل اكتشاف المضادات الحيويّة المناسبة والفعالة، ضرورة أساسيّة لإعادة إنتاج علاجات واعدة.

يعتبر الذكاء الاصطناعيّ مثاليّا لمعالجة هذه العقبات، فهو قادر على تقليل تكلفة التعرُّف على الجزيء الرئيسيّ، وأيضًا زيادة معدّل التعرف على المركبات الجديدة ذات النشاط الحيويّ المطلوب، مع تقليل الوقت والعمل المطلوبين للعثور على هذه المركبات المثاليّة.

في دراسة حديثة منشورة في دوريّة Cell، طبّق الباحثون نهج من الذكاء الاصطناعي واسع الاستخدام حاليًا للتنبؤ بالمركبات المضادة للبكتيريا، ضمن مجموعة من أكثر من 107 مليون مركبٍ معروفٍ. وبذلك استطاع الباحثون تحديد الهاليسين halicin كمضاد حيوي جديد ضد الجراثيم له فعاليّة استثنائيّة.

وقد درّب الباحثون في البداية نموذج شبكة عصبيّة عميقة بالاستعانة ببيانات تجريبيّة لتحليل تثبيط نمو بكتيريا E. coli  بواسطة جزيئات من مكتبة أدوية متاحة على نطاق واسع ومعتمدة من إدارة الغذاء والدواء الأمريكيّة، فضلاً عن مكتبة منتجات طبيعيّة متواضعة، بلغ مجموعها 2335 جزيئًا، ثم طبق الباحثون النموذج الناتج للتنبؤ بالمركبات المُضادة للجراثيم من مركز إصلاح الأدويّة.

تُشير نتائج هذه الدراسة إلى أن الوقت قد حان لتطبيق أساليب الذكاء الاصطناعيّ الحديثة لاكتشاف المضادات الحيويّة؛ فهذه الجهود قد تزيد من معدل اكتشاف الكيانات الجزيئيّة الجديدة، وتقليل الموارد المطلوبة لتحديد هذه الجزيئات، وخفض التكاليف المرتبطة بها، مما يؤدي إلى إنتاج مضادات حيويّة أكثر فعاليّة قد تساعد في تجاوز انتشار المقاومة