Мощности искусственного интеллекта (ИИ) нашли широкое применение в области теоретической медицины, где необходимо анализировать огромные массивы данных. Алгоритмы неоднократно подтвердили свою эффективность в прогностической области. Однако вплоть до последнего времени, учёные не могли ответить на вопрос, какая именно информация несёт ключевую ценность для работы моделей ИИ.  

Авторы недавнего исследования, опубликованного в издании Nature, поставили перед собой цель открыть внутренние процессы, происходящие в ходе работы ИИ на примере поиска антибактериальных препаратов, эффективных в отношении золотистого стафилококка. Характерная особенность инфекции в резистентности практически ко всем известным видам антибиотиков (АБ).

Учёные разработали подход для эффективного исследования химических структур на основе глубокого машинного обучения. Определили активность АБ и профили цитотоксичности клеток человека для 39 312 соединений и задействовали ансамбли графовых нейронных сетей для прогнозирования активности антибиотиков и цитотоксичности для 12 076 365 соединений.

Протестировав 283 соединения, авторы вычленили 5 классов веществ с потенциальной активностью в отношении Staphylococcus aureus. Затем выбрали 2 кандидатов с выраженными антимикробными свойствами, получив, таким образом, препараты, оказывающие влияние на грамм-положительные бактерии, и не оказывающие цитотоксического воздействия на клетки человека.

В результате специалистам удалось достигнуть двух целей: определить, на какую именно информацию опирается алгоритм для прогнозирования антимикробного потенциала, и получить новый класс препаратов, решающий проблему резистентности MRSA к АБ препаратам.