AI kan gøre den første del af jagten på nye antibiotika langt hurtigere. Det er den nøgterne pointe i et samarbejde, hvor professor César de la Fuentes forskerhold bruger egne modeller sammen med Codex og ChatGPT til at lede i genetiske data efter mulige antimikrobielle molekyler.
Forskerne leder både i nulevende organismers genomer og i data fra uddøde arter. Det er et søgearbejde, som kan blive uoverskueligt hurtigt, når man skal vurdere mange biologiske kandidater. AI’en kan hjælpe med at prioritere, hvilke spor der er værd at tage videre.
Det er ikke det samme som at have fundet et nyt antibiotikum. En kandidat skal stadig undersøges, syntetiseres og testes i laboratoriet, før man ved, om den virker, er sikker og kan blive til medicin. Den del er ikke et lille efterarbejde. Det er den del, der afgør sagen.
Hvis metoden holder, kan den reducere tiden fra et meget stort datasæt til en kortere liste af forsøg, der giver mening. Det er en reel gevinst, især på et område hvor resistens er et voksende problem. Men det er tidlig forskning, ikke en lægemiddelnyhed, og det er vigtigt at holde de to ting adskilt.
Kilde: OpenAI. Forskningen beskriver tidlig kandidatopdagelse, ikke dokumenteret behandling.
Aktører i artiklen
