Tzw. deep learning po raz kolejny okazał się przydatnym narzędziem w kontekście walki z bakteriami opornymi na antybiotyki. Korzystając z algorytmu naukowcy byli bowiem w stanie odkryć przydatny antybiotyk.
Po wgraniu danych do komputera, jest on w stanie poszukiwać ważnych cech molekularnych w analizowanych środkach. Model wie, które z nich są skorelowane ze słabszymi bądź silniejszymi właściwościami antybiotyków.
Autorzy eksperymentu przeszkolili zaprojektowaną przez nich sieć neuronową korzystając z bazy danych zawierającej ponad 1000 leków. Wprowadzili do niej także grupę naturalnych związków wyizolowanych z naturalnych źródeł. Kiedy etap szkolenia się zakończył, naukowcy rzucili oprogramowanie na głębsze wody. Badania skupiały się wtedy na ponad 6000 związków, które zostały już uznane lub były na dobrej drodze do uznania za leki.
Badacze skupili się na dwóch czynnikach: skuteczności antybiotyków oraz podobieństwie chemicznym do innych znanych tego typu substancji. W ten sposób zwrócili szczególną uwagę na halicynę, pierwotnie stosowaną jak lek przeciwcukrzycowy. Naukowcy postanowili przetestować halicynę w walce z bakteriami oraz w formie kremu na infekcje skórne.
Poza halicyną znaleziono również 8 innych kandydatów, jednak konieczne jest dalsze potwierdzenie ich skuteczności. Kolejnym etapem badań będzie dostsosowanie modelu do odkrywania następnych antybiotyków.
