A jövő egyik legégetőbb egészég- és népegészségügyi kérdése az antibiotikumokra rezisztens baktériumok megjelenése. Kérdés, hogy egyáltalán miért alakulnak ki ilyen kórokozók? A válasz pedig nem más, mint a jó öreg evolúció – a baktériumok rendkívül gyorsan szaporodnak, és ezért gyorsan jelennek meg bennük mutációk is. Antibiotikum közelségében pedig szépen kihal a baktériumok tetemes része, egyedül azok élik túl, melyekben olyan mutáció jelent meg, amelynek köszönhetően ez a szer nincs rá hatással. Ezek a mutánsok totális evolúciós előnyre tesznek szert, mivel csak ők maradtak életben, és csak ők képesek szaporodni, így a következő nemzedék már mind rezisztens baktériumokból fog állni. Magyarán a szokásos módon működik az evolúció, csak azt mi a sokszor felelőtlenül alkalmazott antibiotikumainkkal csúcsra járatjuk.
A fentiekből kiderül, hogy összetett a probléma, így a megoldás is hasonlóan komplex kell legyen. Egyrészt megpróbálhatjuk okosabb döntések segítségével kézben tartani a fent leírt evolúció működését, másrészt kísérleti vagy olyan fejlesztés alatt álló gyógyszerek is szóba jönnek, mint például a világon első „élő gyógyszer”. (Ebben a cikkünkben összefoglaltuk, hogy mi következhet az antibiotikum-korszak alkonya után.) Az előbbiek mellett természetesen arra is szükség van, hogy lépést tartsunk a baktériumokkal és mind újabb gyógyszereket fejlesszünk ki ellenük. Miként az ELKH közleménye leírja:
„A természetben – főként állatok, növények szervezetében – megszámlálhatatlan antibiotikus hatású molekula található, így nem áll fenn a veszély, hogy ezek egyszer elfogynak. A problémát inkább az jelenti, hogy a lehetséges új hatóanyagok felfedezése a klasszikus molekuláris biológiai módszerekkel lassabban történik, mint ahogy a rezisztens baktériumok terjednek.”
A versenyfutásban azonban akad egy nagyon hasznos eszközünk, ez pedig a mesterséges intelligencia, amely segítségével a keresés folyamata automatizálható. Nem mindegy tehát, hogy a különböző algoritmusok mennyire hatékonyak az antibiotikus hatású fehérjék kiszűrésében. Az ELKH Ökológiai Kutatóközpont (ÖK) evolúcióbiológusai pedig épp ilyen szempontból tesztelték a szóban forgó algoritmusokat.
„Ezek az algoritmusok a fehérjék aminosavsorrendje alapján megjósolják, hogy a fehérjének lehet-e antimikrobiális hatása – mondja Rádai Zoltán, az ÖK Ökológiai és Botanikai Intézetének munkatársa, a tanulmány vezető szerzője. – Az algoritmusok a legmodernebb gépi tanulásos eljárásokat alkalmazzák, de csak a már ismert antibiotikumok jellemzői alapján képesek megbecsülni azt, hogy az ismeretlen fehérje milyen eséllyel működhet antibiotikumként”.
A kutatás során több mint 1500 ismerten antimikrobiális hatású peptid (a fehérjéknél rövidebb aminosavlánc), illetve 3000 nem (vagy nem ismert) antimikrobiális hatású peptid felhasználásával tesztelték 20 különböző algoritmus működését is. A kérdés az volt, hogy a szoftver képes-e elkülöníteni az antimikrobiális peptideket a többitől, illetve ugyanolyan megbízhatóan működik-e különböző forrásból származó molekulák esetén is.
„Eredményül azt kaptuk, hogy a különböző algoritmusok nemcsak átlagos sikerességükben különböztek, hanem abban is, hogy az eltérő állatcsoportokból izolált antimikrobiális peptideket milyen jól ismerik fel – tette még hozzá Rádai. – Ennek alapján a kutatók a jövőben kiválaszthatják azt a szoftvert, amely az általuk vizsgált molekulára a legmegbízhatóbb eredményt képes szolgáltatni.”
A kutatók világszerte rengeteg peptidet nyernek ki a legkülönfélébb élőlényekből, de ezen kutatások egy részének célja csak az új antibiotikumok keresése. A megfelelően hatékony, automatizált keresés az új antibiotikumok felfedezése céljából tehát kiemelten fontos feladat – ehhez járultak most tehát hozzá a magyar kutatók, mivel ezután már több információ birtokában lehet kiválasztani a megfelelő szoftvert.
(Fotó: Pixabay/qimono)