بزرگنمايي:

ایران پرسمان - فارنت / محققین دانشگاه MIT از الگوریتم یادگیری ماشینی برای شناسایی آنتی بیوتیکی به نام هالیسین استفاده کرده‌اند که بسیاری از انواع باکتری‌ها را از بین می‌برد.
یکی از معضلات جامعه بشری، افزایش مقاومت باکتری‎ها در گذر زمان در برابر داروهایی از دسته آنتی بیوتیک است. همین امر باعث می‌شود هر چند سال داروهای جدیدتری و با فرمولاسیون قدرتمندتری راهی بازار شوند.
حال محققین دانشگاه MIT از طریق الگوریتم یادگیری ماشینی موفق به کشف آنتی بیوتیکی شده‌اند که حتی باکتری‌های بسیار مقاوم را از بین می‌برد.هالیسین از دسته آنتی بیوتیک‎ها بوده و نه از سیپروفلوکساسین که بدین ترتیب مانع از ایجاد مقاومت آنتی بیوتیکی در برابر E. coli می‌شود.
آنتی بیوتیکی هالیسین (با نام علمی HAL 9000 2001)، نه تنها می‌تواند بسیاری از اشکال باکتری‌های مقاوم را از بین ببرد، بلکه این کار را به روشی جدید یا انجام دهد. این دارو عملکرد متفاوتی نسبت به آنتی بیوتیک‌های معمولی دارد و این برای نخستین بار در جهان است که پژوهشگران موفق به توسعه آنتی بیوتیک با کمک هوش مصنوعی شده‌اند.
آنتی بیوتیکی هالیسین به جای حمله مستقیم به باکتری، محرک الکتروشیمیایی لازم برای تولید مولکول‌های ذخیره انرژی آن‌ها را از بین می‌برد. برای اهمیت موضوع بد نیست که بدانید این آنتی بیوتیک توانسته است ظرف 3 روز باکتری E. coli را از بین ببرد، موفقیتی که برای دست یافتن به آن، لااقل 30 روز از طریق سیپوفلوکساسین زمان لازم است.
برخلاف روش‌های قبلی، هوش مصنوعی بازنمایی مولکول‌ها را ابتدا بررسی کرده و سپس فهرستی از ناقل‌هایی که به قوی‌تر شدن باکتری می‌کنند ترسیم می‌کند. محققین این هوش مصنوعی را به اطلاعات 250000 مولکول شامل 1700 داروی تثبیت شده و 800 محصول طبیعی تجهیز کرده‌اند. درنهایت بعد از ترکیب 6 هزار مدل دارویی مختلف، هوش مصنوعی توانست به فرمول آنتی بیوتیکی هالیسین به عنوان قوی‌ترین نمونه موجود دست پیدا کند.
کمی دور از ذهن هست که به این زودها شاهد تجویز آنتی بیوتیکی هالیسین به صورت عمومی باشد، با این حال محققین کار تست و بررسی آن بر روی موش‎های ناقل بیماری baumanii (یک عفونت شایع برای سربازان آمریکایی در افغانستان و عراق) را آغاز کرده‌اند. کشف این دارو ممکن است تازه شروع یک روند بسیار بزرگ‌تر باشد.
آن‌ها همچنین امیدوارند که آنتی بیوتیک ها را از ابتدا طراحی کرده و داروهای موجود را اصلاح کنند تا اثربخشی آن‌ها افزایش یابد و در سوی دیگر عوارض جانبی ناخواسته را هم کاهش دهند.