science >> Wetenschap >  >> Biologie

Artificiële intelligentie gebruiken om tuberculosebehandelingen te verbeteren

Een medische illustratie van resistente Mycobacterium tuberculosis-bacteriën, gepresenteerd in de publicatie van de Centers for Disease Control and Prevention (CDC), getiteld Antibiotic Resistance Threats in the United States, 2019 (AR Threats Report). Krediet:medische illustratoren:Alissa Eckert; James Archer

Stel je voor dat je 20 nieuwe verbindingen hebt die enige effectiviteit hebben aangetoond bij de behandeling van een ziekte zoals tuberculose (tbc), die wereldwijd 10 miljoen mensen treft en elk jaar 1,5 miljoen doden. Voor een effectieve behandeling moeten patiënten maanden of zelfs jaren een combinatie van drie of vier geneesmiddelen gebruiken, omdat de tbc-bacteriën zich in verschillende omgevingen in cellen anders gedragen en in sommige gevallen evolueren om resistent te worden tegen geneesmiddelen. Twintig verbindingen in combinaties van drie en vier geneesmiddelen bieden bijna 6.000 mogelijke combinaties. Hoe bepaal je welke medicijnen je samen gaat testen?

In een recente studie, gepubliceerd in het septembernummer van Cell Reports Medicine , gebruikten onderzoekers van Tufts University gegevens uit grote onderzoeken met laboratoriummetingen van combinaties van twee geneesmiddelen van 12 geneesmiddelen tegen tuberculose. Met behulp van wiskundige modellen ontdekte het team een ​​reeks regels waaraan medicijnparen moeten voldoen om potentieel goede behandelingen te zijn als onderdeel van cocktails met drie en vier medicijnen.

Het gebruik van medicijnparen in plaats van drie- en vier-medicijncombinatiemetingen vermindert aanzienlijk de hoeveelheid testen die moet worden gedaan voordat een medicijncombinatie naar verder onderzoek wordt verplaatst.

"Met behulp van de ontwerpregels die we hebben opgesteld en getest, kunnen we het ene medicijnpaar vervangen door een ander medicijnpaar en weten we met een hoge mate van vertrouwen dat het medicijnpaar moet samenwerken met het andere medicijnpaar om de tbc-bacteriën in de knaagdiermodel", zegt Bree Aldridge, universitair hoofddocent moleculaire biologie en microbiologie aan de Tufts University School of Medicine en biomedische technologie aan de School of Engineering, en een faculteitslid voor immunologie en moleculaire microbiologie aan de Graduate School of Biomedical Sciences. "Het selectieproces dat we hebben ontwikkeld is zowel meer gestroomlijnd als nauwkeuriger in het voorspellen van succes dan eerdere processen, waarbij noodzakelijkerwijs minder combinaties werden overwogen."

Het laboratorium van Aldridge, corresponderend auteur van het artikel en tevens associate director van Tufts Stuart B. Levy Center for Integrated Management of Antimicrobial Resistance, heeft eerder DiaMOND ontwikkeld en gebruikt, of diagonale meting van n-way geneesmiddelinteracties, een methode om systemisch paarsgewijze en hoge-orde geneesmiddelcombinatie-interacties bestuderen om kortere, efficiëntere behandelingsregimes voor tuberculose en mogelijk andere bacteriële infecties te identificeren. Met de ontwerpregels die in deze nieuwe studie zijn vastgesteld, denken onderzoekers dat ze de snelheid kunnen verhogen waarmee wetenschappers bepalen welke medicijncombinaties het meest effectief zijn voor de behandeling van tuberculose, de tweede belangrijkste infectieuze moordenaar ter wereld. + Verder verkennen

Microbioloog legt drugscocktails uit en hoe onderzoekers de juiste matches vinden om de resultaten te verbeteren