خوب چطور می‌خواهیم که این ویروس جدید کرونا را شکست دهیم؟ با استفاده از بهترین ابزارهای‌مان: علم و تکنولوژی‌مان. در آزمایشگاه من، ما از ابزارهای هوش مصنوعی و زیست‌شناسی مصنوعی استفاده می‌کنیم تا به مبارزه با این بیماری همه گیر سرعت ببخشیم. کار ما در ابتدا برای مقابله با بحران مقاومت آنتی‌بیوتیک طراحی شده بود. پروژه ما به دنبال مهار قدرت یادگیری ماشینی است تا ذخیره آنتی‌بیوتیکی ما را دوباره پر کند و از دوران پساآنتی‌بیوتیکی مخرب جهانی جلوگیری کند. بسیار حائز اهمیت است که از همان تکنولوژی بتوان برای تحقیقات روی ترکیبات ضدویروسی استفاده کرد که می‌تواند به ما در نبرد علیه اپیدمی حاضر کمک کند.
یادگیری ماشینی مدل سنتی کشف دارو را به کل تغییر داد. با این رویکرد، به جای آزمایش مشقت‌بار تاثیرگذاری هزاران مولکول موجود دانه به دانه در یک آزمایشگاه، می‌توانیم به کامپیوتر یاد بدهیم که میزان بیشتری از مولکول‌های ممکن که می‌توانند ترکیب شوند را به طور تصاعدی بررسی کند. و بنابراین به جای گشتن دنبال سوزن در انبار کاه می‌توانیم از مغناطیس عظیم قدرت محاسبه استفاده کنیم تا سوزن‌های زیادی را بطور همزمان در انبار کاه پیدا کنیم.
تا حالا پیشرفت‌هایی داشته‌ایم. اخیرا، از یادگیری ماشینی برای کشف آنتی‌بیوتیک‌های جدید استفاده کردیم که به ما کمک می‌کند تا از عفونت باکتریایی جلوگیری کنیم که در کنار عفونت‌های سندرم حاد تنفسی ۲ (SARS-CoV-2) اتفاق می‌افتد. دو ماه قبل، پروژه جسورانه TED طرح ما را برای سرمایه‌گذاری پذیرفت تا به شکل گسترده‌ای وسعت کار ما را با هدف کشف هفت نوع جدید آنتی بیوتیک برای مقابله با هفت پاتوژن کشنده باکتریایی دنیا در طی هفت سال آینده گسترش دهد. لازم به ذکر می‌باشد: تعداد گونه‌های جدید آنتی‌بیوتیک که طی سه دهه گذشته کشف شده است صفر است.
اگرچه جستجو برا آنتی‌بیوتیک‌های جدید از اهداف میان مدت ماست ویروس جدید کرونا یک تهدید کشنده جدی است، و هیجان‌زده هستم بگویم که ما فکر می‌کنیم می‌توانیم از همین تکنولوژی برای تحقیق در درمان‌شناسی علیه این ویروس استفاده کنیم. پس چطور این کار را انجام می‌دهیم؟ خوب ما یک کتابخانه آموزشی ترکیبی درست می‌کنیم و با همکاران این مولکول‌ها را در سلول‌های درگیر سندرم حاد تنفسی ۲ بکار می‌گیریم تا ببینیم کدامیک از آنها فعالیت موثری از خود نشان می‌دهد. از این داده‌ها برای آموزش مدل یادگیری ماشینی استفاده می‌شود که در کتابخانه شبیه سازی رایانه‌ای با بیش از یک میلیارد مولکول بکار گرفته خواهد شد تا ترکیبات جدید ضدویروسی احتمالی را پیدا کنیم. ما پیشگویی‌های محتمل‌تر را ترکیب و آزمایش می‌کنیم و روی بیمارانی که امید بیشتری می‌رود آزمایش بالینی انجام می‌دهیم
به نظر زیادی خوب می‌رسد؟ خوب، اینطور نیست. آنتی بیوتیک‌های پروژه هوش مصنوعی بر پایه مدارک ما از تحقیق مفهومی است که منجر به کشف طیف وسیعی از آنتی‌بیوتیک‌ها به نام هالوسین می‌شود. هالوسین فعالیت ضدباکتریایی زیادی بر علیه بیشتر پاتوژن‌های مقاوم دربرابر آنتی‌بیوتیک از جمله عفونت‌های مقاوم غیرقابل درمان دارد. جالب اینکه، برخلاف آنتی‌بیوتیک‌های موجود، دایره‌ی مقاومت باکتری در برابر هالوسین به نحو قابل توجهی کم است. ما در آزمایشگاه مقاومت باکتری در برابر هالوسین و همینطور داروی سیپرو (cipro) را آزمایش کردیم. در مورد سیپرو، فقط پس از یک روز، ما مقاومت دیدیم. در مورد هالوسین، بعد از یک روز هیچ مقاومتی ندیدیم. شگفت انگیز است که پس از سی روز تمام، ما هیچ مقاومتی در برابر هالوسین ندیدیم.
در این پروژه آزمایشی، ابتدا در حدود ۲۵۰۰ ترکیب را درمقابل ای کولای آزمایش کردیم. این مجموعه آموزشی شامل آنتی‌بیوتیک‌های شناخته شده، از قبیل پنی‌سیلین و سیپرو، همچنین دیگر داروهایی که آنتی‌بیوتیک نیستند می‌شود. ما از این داده‌ها برای آموزش یک مدل استفاده کردیم تا ویژگی‌های مولکی همراه با این فعالیت ضدباکتریایی را دریابیم. سپس این مدل را در یک کتابخانه تخصصی دارو که از چندهزار مولکول ساخته شده است بکار گرفتیم و ازاین مدل خواستیم که مولکول‌هایی را شناسایی کند که پیش‌بینی می‌شود امکانات ضدباکتریایی دارند اما شبیه مولکول‌های آنتی‌بیوتیک‌های موجود نیستند. خیلی جالب است که فقط یک مولکول در آن کتابخانه با این باکتری همخوانی داشت. و آن مولکول هالوسین بود. با فرض اینکه هالوسین مانند هیچ‌یک از آنتی‌بیوتیک‌های موجود نباشد شناخت هالوسین در این شکل برای یک انسان از جمله یک متخصص آنتی‌بیوتیک غیرممکن می‌شد. تصور کنید که ما با این تکنولوژی می‌توانستیم علیه بیماری حاد تنفسی ۲ چه کار کنیم.
و این همه آن نیست. با استفاده از ابزارهای سنتتیک بیولوژی (Synthetic biology) که به دی ان ای و دیگر تشکیلات سلولی می‌پردازد، تا به اهداف بشری مانند مبارزه با بیمای کووید ۱۹خدمت کند. و از طرف دیگر روی ساخت یک ماسک محافظتی کار می‌کنیم که می‌تواند به عنوان یک تست تشخیص سریع هم بکار رود. چطور کار می‌کند؟ خوب، اخیرا نشان دادیم که می‌توان با خارج کردن دستگاه سلولی یک سلول زنده آن را به همراه سنسورهای RNA روی یک کاغذ خشک و منجمد کرد تا یک تست کم هزینه برای تشخیص زیکا و ابولا تهیه کنیم. این سنسورها وقتی که با نمونه بیمار که می‌تواند شامل خون یا بزاق باشد خیس می‌شوند، فعال می‌شوند. معلوم شده که این تکنولوژی محدود به کاغذ نیست و می‌تواند روی متریال دیگری همانند پارچه هم بکار رود. برای بیماری همه‌گیر کووید ۱۹ برای شناسایی ویروس سنسورهای RNA طراحی کردیم و آنها را به همراه دستگاه ملکولی مورد نیاز روی یک ماسک صورت پارچه‌ای خشک و منجمد کردیم، چون عمل ساده تنفس، همراه با بخارآبی که از دهان خارج می‌شود، می‌تواند این تست را فعال سازد. اگر بیماری به بیماری حاد تنفسی ۲ مبتلا شده باشد، ماسک یک سیگنال فلورسنت تولید می‌کند، که توسط یک دستگاه ساده و ارزان و سبک قابل شناسایی است. طی یک یا دو ساعت بیماری او از راه دور، با امنیت و دقت تشخیص داده می‌شود.
ما همچنین از سینتتیک بیولوژی برای طراحی واکسن احتمالی برای کووید ۱۹ استفاده می‌کنیم. واکسن BCG را دوباره هدف‌گذاری می‌کنیم، تا در مقابل سل در تمامی کشورها مورد استفاده قرار گیرد. این یک واکسن زنده ضعیف شده است، و ما آن را مهندسی می‌کنیم تا آنتی‌‌ژن‌های بیماری حاد تنفسی ۲ را بیان کنیم، که باید با برانگیختن سیستم ایمنی آنتی‌بادی‌های حمایتی تولید کند. مهمتر از همه،BCG به شکل گسترده‌ای مقیاس‌پذیر است و مشخصات ایمنی آن در میان بهترین واکسن‌های شناخته شده قرار می‌گیرد.
با ابزارهای سنتتیک بیولوژی و هوش مصنوعی، ما می‌توانیم در جنگ علیه ویروس کرونا پیروز شویم. این کار در مراحل بسیار اولیه است، اما وعده‌ایست که تحقق پیدا می‌کند. علم و تکنولوژی می‌تواند در نبرد بین هوش انسان و ژن‌های ابرباکتری‌ها برتری مهمی به ما بدهد، نبردی که ما می‌توانیم پیروز آن باشیم.
