Eine kürzlich durchgeführte Studie zeigt, wie KI-Tools zum Entschlüsseln von bakteriellen Virulenznetzwerken verwendet werden können. Viele krankheitsverursachende Bakterien verwenden eine molekulare „Spritze“, um eine Vielzahl ihrer Proteine, sogenannte Effektoren, in Darmzellen zu injizieren und so wichtige Immunantworten zu blockieren.
Jetzt hat sich ein internationales Team von Wissenschaftlern aus Großbritannien, Israel und Spanien unter Beteiligung der Polytechnischen Universität Madrid (UPM) zusammengeschlossen, um alle diese Proteinmoleküle gemeinsam zu analysieren und Laborexperimente und Werkzeuge der künstlichen Intelligenz (KI) zu kombinieren .
AI kann zum Entschlüsseln von bakteriellen Virulenznetzwerken verwendet werden
Die Autoren, die ihre Studie in der Zeitschrift Science veröffentlichen, haben 100 Varianten des Mausbakteriums Citrobacter rodentium verwendet, um die Funktion der Effektoren zu modellieren. Sie fanden heraus, dass sie als Netzwerk zusammenarbeiten, was der Mikrobe eine große Flexibilität ermöglicht, dem Immunsystem auszuweichen und seine Pathogenität aufrechtzuerhalten.
Die KI-Plattform hat die Kolonisationsergebnisse alternativer Netzwerke anhand der In-vivo-Daten korrekt vorhergesagt. UPM-Forscher, AI-Professor Alfonso Rodríguez-Patón und Doktorandin Elena Núñez Berrueco verwendeten die im Labor gesammelten Daten, um das Modell des maschinellen Lernens zu erstellen.
Die Forscher testen KI-Werkzeuge
Die Anzahl der möglichen Effektorkombinationen übersteigt eine Milliarde, sodass die Untersuchung aller Varianten mehr als tausend Jahre experimenteller Forschung erfordern würde. Hier kommt die KI ins Spiel, um die Regeln zu ändern und es zu ermöglichen, diesen komplexen Mechanismus zu entschlüsseln. Der am UPM entwickelte Algorithmus kann die Infektionskapazität jeder Variante vorhersagen, nachdem die Muster der 100 Laborexperimente gelernt wurden.
„Durch die Untersuchung eines solch komplexen biologischen Systems kann die KI sehen, was für unsere Augen nicht offensichtlich ist“, erklärt Núñez. „Die Vorhersagen helfen uns, die relevantesten Effektorkombinationen zu identifizieren und so Zeit und Ressourcen zu sparen. Mit diesem Modell können wir vorhersagen, ob und wie ein neuer Stamm mit einer anderen Kombination von Effektoren als den untersuchten unsere Zellen manipulieren kann. “
Der Algorithmus ist von künstlichen neuronalen Netzen inspiriert, beinhaltet jedoch Wissen über die Ziele der Effektoren. Die Architektur dieses Netzwerks hat eine Besonderheit: Anstatt generisch zu sein, hat es die gleiche Form wie das Netzwerk der biologischen Wechselwirkungen von Effektoren mit den Komponenten unserer Zellen. Dies hat es möglich gemacht, das Netzwerk mit einer sehr kleinen Anzahl von Fällen zu trainieren, was zu einem Modell mit interpretierbaren Ergebnissen führte (sogenannte erklärbare KI).
Mit Hilfe des Modells konnten die Wissenschaftler weitere Experimente auf die interessantesten Varianten lenken. So konnten sie kleine Gruppen dieser Moleküle entdecken, die essentiell sind. Dies bedeutet, dass sich die Bakterien nicht infizieren, wenn sie eliminiert oder blockiert werden. Dies ist ein vielversprechendes Ziel für zukünftige Behandlungen, um diese flinken Eindringlinge zu besiegen.
Neue Therapien könnten auf dem Weg sein
Tatsächlich beobachteten die Autoren auch, dass die Wirtsmaus adaptiv ist und in der Lage ist, die durch die verschiedenen Effektornetzwerke errichteten Hindernisse zu umgehen und komplementäre Immunantworten zu aktivieren, die den Erreger eliminieren und eine schützende Immunität induzieren.
Rodríguez-Patón fasst zusammen: „Künstliche Intelligenz erweist sich erneut als disruptive Technologie, in diesem Fall auf dem Gebiet der Mikrobiologie. Diese interdisziplinäre Forschung hat es erforderlich gemacht, neuartige KI-Techniken zu entwickeln, um das komplexe Netzwerk molekularer Signale zu entschlüsseln, mit denen Bakterien uns infizieren. Die erzielten Ergebnisse sind sehr zufriedenstellend, daher werden wir auch in Zukunft mit Gad Frankels Gruppe – einem der Hauptautoren – am Imperial College London zusammenarbeiten. “
