Bagi penderita penyakit radang usus, antibiotik bisa menjadi pedang bermata dua. Obat berspektrum luas yang sering diresepkan untuk mengatasi penyakit usus dapat membunuh mikroba bermanfaat dan mikroba berbahaya, terkadang memperburuk gejala seiring berjalannya waktu. Saat melawan peradangan usus, Anda tidak selalu ingin membawa palu godam ke adu pisau.
Para peneliti di Laboratorium Ilmu Komputer dan Kecerdasan Buatan (CSAIL) MIT dan Universitas McMaster telah melakukannya mengidentifikasi senyawa baru yang mengambil pendekatan yang lebih bertarget. Molekul tersebut, yang disebut enterololin, menekan sekelompok bakteri yang terkait dengan kambuhnya penyakit Crohn sambil membiarkan sebagian besar mikrobioma lainnya tetap utuh. Dengan menggunakan model AI generatif, tim memetakan cara kerja senyawa tersebut, sebuah proses yang biasanya memakan waktu bertahun-tahun tetapi kini dipercepat menjadi hanya beberapa bulan.
“Penemuan ini menunjukkan tantangan utama dalam pengembangan antibiotik,” kata Jon Stokes, penulis senior a makalah baru tentang pekerjaan ituasisten profesor ilmu biokimia dan biomedis di McMaster, dan afiliasi penelitian di Klinik Abdul Latif Jameel MIT untuk Pembelajaran Mesin dalam Kesehatan. “Masalahnya bukan pada menemukan molekul yang mampu membunuh bakteri dalam cawan. Kita sudah mampu melakukan hal tersebut sejak lama. Tantangan terbesarnya adalah mencari tahu apa yang sebenarnya dilakukan molekul-molekul tersebut di dalam bakteri. Tanpa pemahaman mendetail, Anda tidak bisa mengembangkan antibiotik tahap awal ini menjadi terapi yang aman dan efektif bagi pasien.”
Enterololin adalah sebuah langkah menuju antibiotik yang presisi: pengobatan yang dirancang hanya untuk membunuh bakteri penyebab masalah. Pada model tikus yang mengalami peradangan mirip Crohn, obat tersebut memusatkan perhatian Escherichia colibakteri yang hidup di usus yang dapat memperburuk flare, namun tidak menyentuh sebagian besar mikroba lainnya. Tikus yang diberi enterololin pulih lebih cepat dan mempertahankan mikrobioma yang lebih sehat dibandingkan tikus yang diobati dengan vankomisin, antibiotik umum.
Untuk menentukan mekanisme kerja obat, target molekuler yang diikat di dalam sel bakteri, biasanya memerlukan eksperimen yang melelahkan selama bertahun-tahun. Laboratorium Stokes menemukan enterololin menggunakan pendekatan skrining high-throughput, namun menentukan targetnya akan menjadi hambatan. Di sini, tim beralih ke DiffDockmodel AI generatif yang dikembangkan di CSAIL oleh mahasiswa PhD MIT Gabriele Corso dan Profesor MIT Regina Barzilay.
DiffDock dirancang untuk memprediksi bagaimana molekul kecil masuk ke dalam kantong pengikat protein, sebuah masalah yang sangat sulit dalam biologi struktural. Algoritme docking tradisional menelusuri kemungkinan orientasi menggunakan aturan penilaian, sering kali menghasilkan hasil yang buruk. DiffDock malah membingkai docking sebagai masalah penalaran probabilistik: model difusi secara berulang menyempurnakan tebakan hingga menyatu pada mode pengikatan yang paling mungkin.
“Hanya dalam beberapa menit, model tersebut memperkirakan bahwa enterololin berikatan dengan kompleks protein yang disebut LolCDE, yang penting untuk mengangkut lipoprotein pada bakteri tertentu,” kata Barzilay, yang juga memimpin Jameel Clinic. “Itu adalah petunjuk yang sangat nyata – yang dapat memandu eksperimen, bukan menggantikannya.”
Kelompok Stokes kemudian menguji prediksi tersebut. Dengan menggunakan prediksi DiffDock sebagai GPS eksperimental, mereka pertama kali mengembangkan mutan yang resisten terhadap enterololin E.coli di laboratorium, yang mengungkapkan bahwa perubahan DNA mutan dipetakan ke lolCDE, tepatnya di tempat yang diperkirakan DiffDock untuk mengikat enterololin. Mereka juga melakukan pengurutan RNA untuk melihat gen bakteri mana yang aktif atau nonaktif saat terpapar obat, serta menggunakan CRISPR untuk secara selektif menurunkan ekspresi target yang diharapkan. Semua percobaan laboratorium ini mengungkapkan gangguan pada jalur yang terkait dengan transportasi lipoprotein, persis seperti yang diprediksi DiffDock.
“Saat Anda melihat model komputasi dan data laboratorium basah menunjukkan mekanisme yang sama, saat itulah Anda mulai yakin bahwa Anda telah menemukan sesuatu,” kata Stokes.
Bagi Barzilay, proyek ini menyoroti perubahan dalam cara penggunaan AI dalam ilmu kehidupan. “Banyak penggunaan AI dalam penemuan obat adalah untuk mencari ruang kimia, mengidentifikasi molekul baru yang mungkin aktif,” katanya. “Apa yang kami tunjukkan di sini adalah bahwa AI juga dapat memberikan penjelasan mekanistik, yang sangat penting untuk menggerakkan molekul melalui jalur pengembangan.”
Perbedaan tersebut penting karena studi mekanisme kerja sering kali merupakan langkah utama dalam pengembangan obat. Pendekatan tradisional dapat memakan waktu 18 bulan hingga dua tahun, atau lebih, dan menghabiskan biaya jutaan dolar. Dalam kasus ini, tim MIT–McMaster memangkas jangka waktu menjadi sekitar enam bulan, dengan biaya yang lebih murah.
Enterololin masih dalam tahap awal pengembangan, namun penerjemahannya sudah berlangsung. Perusahaan spinout Stokes, Stoked Bio, telah melisensikan senyawa tersebut dan mengoptimalkan sifat-sifatnya untuk potensi penggunaan manusia. Penelitian awal juga mengeksplorasi turunan molekul tersebut terhadap patogen resisten lainnya, seperti Klebsiella pneumoniae. Jika semuanya berjalan baik, uji klinis dapat dimulai dalam beberapa tahun ke depan.
Para peneliti juga melihat implikasi yang lebih luas. Antibiotik spektrum sempit telah lama dicari sebagai cara untuk mengobati infeksi tanpa kerusakan mikrobioma, namun sulit ditemukan dan divalidasi. Alat AI seperti DiffDock dapat menjadikan proses tersebut lebih praktis dan dengan cepat memungkinkan generasi baru antimikroba yang ditargetkan.
Untuk pasien dengan penyakit Crohn dan kondisi radang usus lainnya, prospek obat yang mengurangi gejala tanpa mengganggu kestabilan mikrobioma dapat berarti peningkatan kualitas hidup yang berarti. Dan dalam gambaran yang lebih besar, antibiotik yang presisi dapat membantu mengatasi meningkatnya ancaman resistensi antimikroba.
“Yang menggairahkan saya bukan hanya senyawa ini, tetapi gagasan bahwa kita dapat mulai memikirkan penjelasan mekanisme tindakan sebagai sesuatu yang dapat kita lakukan lebih cepat, dengan kombinasi yang tepat antara AI, intuisi manusia, dan eksperimen laboratorium,” kata Stokes. “Hal ini berpotensi mengubah cara kita mendekati penemuan obat untuk banyak penyakit, bukan hanya penyakit Crohn.”
“Salah satu tantangan terbesar bagi kesehatan kita adalah meningkatnya bakteri yang resisten terhadap antimikroba yang bahkan menghindari antibiotik terbaik kita,” tambah Yves Brun, profesor di Universitas Montreal dan profesor emeritus terkemuka di Indiana University Bloomington, yang tidak terlibat dalam makalah ini. “AI menjadi alat penting dalam perjuangan kita melawan bakteri ini. Penelitian ini menggunakan kombinasi metode AI yang kuat dan elegan untuk menentukan mekanisme kerja kandidat antibiotik baru, sebuah langkah penting dalam pengembangan potensinya sebagai terapi.”
Corso, Barzilay, dan Stokes menulis makalah tersebut bersama peneliti McMaster Denise B. Catacutan, Vian Tran, Jeremie Alexander, Yeganeh Yousefi, Megan Tu, Stewart McLellan, dan Dominique Tertigas, serta profesor Jakob Magolan, Michael Surette, Eric Brown, dan Brian Coombes. Penelitian mereka sebagian didukung oleh Weston Family Foundation; Pusat Penemuan Antibiotik David Braley; Institut Penelitian Kesehatan Kanada; Dewan Riset Ilmu Pengetahuan Alam dan Teknik Kanada; M. dan M. Heersink; Institut Penelitian Kesehatan Kanada; Penghargaan Beasiswa Pascasarjana Ontario; Klinik Jameel; dan program Penemuan Penanggulangan Medis Terhadap Ancaman Baru dan yang Muncul dari Badan Pengurangan Ancaman Pertahanan AS.
Para peneliti memposting data pengurutan di repositori publik dan merilis kode DiffDock-L secara terbuka di GitHub.
