Como a IA e a genômica podem ajudar a combater a resistência aos antibióticos
Aplicando tecnologias inovadoras para resolver um problema crescente.
Fonte: geralt / pixabay
A resistência antimicrobiana (AMR) é uma ameaça global à saúde. A AMR é responsável por mais de 700.000 mortes em todo o mundo a cada ano, e está projetada para aumentar para mais de 10 milhões de mortes até 2050, de acordo com um relatório emitido pelo Wellcome Trust e pelo governo do Reino Unido. As tecnologias inovadoras aplicadas, como inteligência artificial (IA) e genômica, podem ajudar a resolver esse problema?
O primeiro antibiótico moderno comercializado, a penicilina, foi desenvolvido em 1928 por Sir Alexander Fleming. Em 1940, a primeira resistência a antibióticos foi identificada no Staphylococcus da penicilina-R. Com o tempo, novos medicamentos antibióticos chegaram ao mercado, e muitos dos germes-alvo evoluíram e desenvolveram resistência. A RAM é causada pelo uso excessivo de antibióticos por seres humanos e animais, assim como pelo aumento do uso de produtos antibacterianos de limpeza e higiene. Os antibióticos trabalham com bactérias, não com vírus, e muitas vezes são prescritos em excesso para doenças não virais. Para agravar o problema, menos antibióticos estão sendo desenvolvidos pelas empresas farmacêuticas devido às barreiras econômicas e regulatórias, de acordo com os Centros dos EUA para Controle e Prevenção de Doenças (CDC).
- Treinando computadores para identificar o transtorno bipolar
- Três Mitos sobre Crianças e Algoritmos
- (Quem) futuro de (o que) trabalho
- O que está realmente acontecendo quando nos sentimos autênticos?
- Xadrez improvisado
O filantropo bilionário e co-fundador da Microsoft, Bill Gates, alertou repetidamente que uma pandemia global é uma ameaça existencial que precisa ser resolvida.
“Se alguma coisa matar mais de 10 milhões de pessoas nas próximas décadas, é mais provável que seja um vírus altamente contagioso do que uma guerra. Não mísseis, mas micróbios. Agora, parte da razão para isso é que investimos uma quantia enorme em dissuasores nucleares. Mas nós investimos muito pouco em um sistema para impedir uma epidemia. Não estamos prontos para a próxima epidemia. ”Bill Gates
Gates usa o exemplo de um vírus pandêmico como um potencial micróbio que pode causar estragos. No entanto, os vírus não são a única ameaça. A falta de antibióticos para tratar doenças causadas por bactérias também apresenta um grande problema de saúde global. Para resolver esse problema, pesquisadores pioneiros estão usando a tecnologia para encontrar novas soluções.
Recentemente, cientistas da Universidade da Califórnia em San Diego criaram um método para identificar e prever quais genes causam bactérias infecciosas a se tornarem resistentes a antibióticos usando o aprendizado de máquinas com IA. A equipe publicou seus resultados de pesquisa na Nature Communications.
Os cientistas desenvolveram uma plataforma computacional de aprendizado de máquina “complementada com análise de interação genética e mapeamento de mutação estrutural 3D” que pode identificar “assinaturas de evolução de AMR para 13 antibióticos”. Eles treinaram o algoritmo de aprendizado de máquina em seqüências genômicas e fenótipos de 1.595 na bactéria causadora da tuberculose, chamada Mycobacterium tuberculosis . Como resultado, o algoritmo previu corretamente 33 genes conhecidos de resistência a antibióticos e identificou 24 novas assinaturas genéticas de resistência antimicrobiana. De acordo com os pesquisadores da UC San Diego, sua abordagem pode ser aplicada a outros patógenos causadores de infecção.
Pesquisadores da Virginia Tech desenvolveram uma solução de aprendizagem profunda de IA, DeepARG, para combater a resistência aos antibióticos. Utilizando tecnologias NGS (Next Generation Sequencing), como a Illumina, o DeepARG consiste em dois modelos: leituras de seqüência curta (DeepARG-SS) e sequências longas semelhantes a genes (DeepARG-LS). De acordo com os cientistas da Virginia Tech, “a tecnologia de seqüenciamento de DNA de alto rendimento fornece agora uma ferramenta poderosa para o perfil do complemento completo de DNA, incluindo ARGs” (genes de resistência a antibióticos). Os pesquisadores selecionaram os ARGs previstos com “alto grau de confiança” em um banco de dados chamado DeepARG-DB que está disponível para consulta ou download para apoiar o desenvolvimento de recursos relacionados à resistência a antibióticos.
A Day Zero Diagnostics, uma startup de capital de risco e investimento anjo fundada em 2016, está aplicando o sequenciamento completo do genoma com o algoritmo de aprendizado de máquina AI chamado Keynome ™ para encurtar a identificação de uma infecção bacteriana de dois a cinco dias para horas. A empresa desenvolveu um banco de dados proprietário de resistência microbiana chamado MicrohmDB® que determina a resistência aos antibióticos usando dados genômicos. A Day Zero Diagnostics é baseada no Harvard Life Lab e trabalha em colaboração com o Dr. Doug Kwon no Instituto Ragon do MGH, MIT e Harvard.
De acordo com o CDC, mais de dois milhões de americanos são afetados por infecções resistentes a antibióticos e 23.000 morrem a cada ano de infecções resistentes aos antibióticos. O CDC estima que o impacto econômico da AMR nos EUA seja de mais de US $ 20 bilhões em custos diretos com saúde, além de US $ 35 bilhões em produtividade perdida, para um total de US $ 55 bilhões por ano. Através do trabalho de cientistas e pesquisadores pioneiros, tecnologias inovadoras, como o aprendizado de máquina com IA e a genômica, estão sendo aplicadas na esperança de ajudar a humanidade no futuro.
Copyright © 2018 Cami Rosso Todos os direitos reservados.
Referências
Prestinaci F., Pezzotti P, Pantosti A. Resistência antimicrobiana: um fenômeno global multifacetado. Saúde do Globo de Pathog . 2015; 109 (7): 309-18.
Wellcome Trust, Governo do Reino Unido. “Revisão sobre Resistência Antimicrobiana. Resistência Antimicrobiana: Combatendo uma Crise para a Saúde e a Riqueza das Nações. 2014. https://amr-review.org/
Bill Gates. “O próximo surto? Não estamos prontos. ”TED2015. Retirado 11-15-2018 de https://www.ted.com/talks/bill_gates_the_next_disaster_we_re_not_ready?language=en
Universidade da Califórnia – San Diego. “Aprendizado de máquina identifica genes de resistência a antibióticos em bactérias causadoras de tuberculose.” Phys.org . 25 de outubro de 2018.
Kavvas, E., Catouiu, E., Mih, N., Yurkovich, J., Seif, Y., Dillon, N., Heckmann, D., Anand, A., Yang, L., Nizet, V., Monk, J., Palsson, B. “O aprendizado de máquina e a análise estrutural do pan-genoma do Mycobacterium tuberculosis identifica as assinaturas genéticas da resistência aos antibióticos”. Nature Communications . 17 de outubro de 2018.
Gustavo A. Arango-Argoty, Emily Garner, Amy Pruden, Lenwood S. Heath, Peter Vikesland, Liqing Zhang. DeepARG: Uma abordagem de aprendizagem profunda para prever genes de resistência a antibióticos a partir de dados metagenômicos. (Microbioma de 2018).
Dia Zero Diagnóstico. Retirado 11-15-2018 de https://www.dayzerodiagnostics.com/
Centros de Controle e Prevenção de Doenças. “Antibiotic / Antimicrobial Resistance (AR / AMR). Retirado 11-15-2018 de https://www.cdc.gov/drugresistance/about.html
