ایسنا/خراسان رضوی تاریخ بشری به‌طور چشمگیری پس از کشف آنتی‌بیوتیک‌ها در سال ۱۹۲۸ دگرگون شد. بیماری‌های عفونی چون ذات‌الریه، سل و سپسیس که تا آن زمان بسیار شایع و مرگبار بودند، با ظهور پنی‌سیلین به درمان‌پذیری رسیدند.
با استفاده از آنتی‌بیوتیک‌ها، روش‌های جراحی که پیش‌تر با خطر بالای عفونت همراه بودند، اکنون ایمن‌تر و عادی‌تر شدند. آنتی‌بیوتیک‌ها فصلی پرشکوه در علوم پزشکی رقم زدند که به دگرگونی و نجات جان میلیون‌ها انسان انجامید.
با این حال، آنتی‌بیوتیک‌ها هشدارهای ذاتی نیز دارند؛ در صورت مصرف مفرط، باکتری‌ها می‌توانند نسبت به این داروها مقاوم شوند.
سازمان بهداشت جهانی تخمین می‌زند که این میکروب‌های مقاوم در سال ۲۰۱۹ منجر به مرگ ۱.۲۷ میلیون نفر در سرتاسر جهان شده‌اند و ممکن است در آینده‌ای نزدیک به تهدیدی فزاینده برای سلامت عمومی جهانی تبدیل شوند.
کاوش‌های جدید به دانشمندان کمک می‌کنند تا راهکارهای نوآورانه‌ای برای مقابله با این چالش پیدا کنند. تحقیقات اخیر نشان داده‌اند که تقریبا یک چهارم داروهایی که به‌طور معمول به‌عنوان آنتی‌بیوتیک تجویز نمی‌شوند، از جمله داروهای درمان سرطان، دیابت و افسردگی، در دوزهای استاندارد می‌توانند باکتری‌ها را از بین ببرند.
شناسایی مکانیزم‌های زیربنایی اثر سمی برخی داروها بر باکتری‌ها می‌تواند عمق تأثیرات گسترده‌ای بر علم پزشکی داشته باشد. چنانچه داروهای غیر آنتی‌بیوتیکی باکتری‌ها را از طرقی متفاوت از آنتی‌بیوتیک‌های مرسوم مورد هدف قرار دهند، ممکن است راهی جدید برای تولید آنتی‌بیوتیک‌های نسل آینده فراهم آورند. اما در صورتی که این داروها به طریقی مشابه آنتی‌بیوتیک‌های موجود عمل کنند، مصرف طولانی‌مدت آنها، در مواردی همانند درمان بیماری‌های مزمن، ممکن است به‌طور ناخواسته مقاومت آنتی‌بیوتیکی را افزایش دهد.
ماریانا نوتو گیلن، دانشجوی فارغ‌التحصیل رشته زیست‌شناسی مولکولی از دانشگاه بوئنوس آیرس آرژانتین، در تحقیق خود و همکارانش از یک روش نوین یادگیری ماشینی بهره‌برداری کردند که قابلیت شناسایی چگونگی کشتن باکتری‌ها توسط داروهای غیر آنتی‌بیوتیکی و یافتن اهداف باکتریایی جدید برای آنتی‌بیوتیک‌ها را فراهم می‌کند.
روش‌های جدید برای نابودی باکتری‌ها
وی به بیان این نکته پرداخت که دانشمندان و پزشکان متعددی در سرتاسر جهان در صدد مقابله با چالش مقاومت دارویی هستند و به‌ویژه تحقیقاتی که من و همکارانم در آزمایشگاه میچل واقع در دانشکده پزشکی ماساچوست آمریکا انجام می‌دهیم، به بررسی این موضوع می‌پردازند که کدام جهش‌های ژنتیکی منجر به افزایش مقاومت یا حساسیت باکتری‌ها به داروها می‌شود.
نوتو گیلن با اشاره به اینکه آگاهی ما از فعالیت‌های ضد باکتریایی گسترده داروهای غیر آنتی‌بیوتیکی ما را مجذوب پرده‌برداری از چگونگی عملکرد این داروها در نابودی باکتری‌ها کرد، عنوان کرد که من و گروه تحقیق برای جمع‌آوری و تحلیل تقریبا ۲ میلیون مورد سمیت از ۲۰۰ دارو و هزاران نوع باکتری جهش‌یافته اقدام نمودیم. از طریق الگوریتم یادگیری ماشینی که برای شناسایی شباهت‌ها میان داروهای مختلف طراحی کردم، توانستیم داروها را بر اساس شیوه تأثیر آنها بر باکتری‌های جهش‌یافته در یک شبکه گروه‌بندی کنیم.
نوتو گیلن افزود: نتایج کار من به‌روشنی نشان داد که آنتی‌بیوتیک‌های شناخته‌شده به‌دلیل مکانیسم‌های کشنده‌ای که برای آنها تعریف شده، به شدت در گروه‌بندی‌ها قرار گرفته‌اند. به‌عنوان مثال، تمامی آنتی‌بیوتیک‌هایی که دیواره سلولی، یعنی لایه محافظ ضخیم اطراف سلول‌های باکتریایی، را هدف قرار می‌دهند، در یک گروه قرار دارند و به‌خوبی از آنتی‌بیوتیک‌های مرتبط با تکثیر دی‌ان‌ای باکتری‌ها تفکیک شده‌اند.
او افزود: نکته جالب این است که وقتی داروهای غیر آنتی‌بیوتیکی را به تحلیل من اضافه کردم، این داروها به‌عنوان قطب‌های مجزایی از آنتی‌بیوتیک‌ها شناسایی شدند. این نشان‌دهنده آن است که داروهای غیر آنتی‌بیوتیکی و آنتی‌بیوتیک‌ها از راه‌های متفاوتی برای از بین بردن سلول‌های باکتریایی استفاده می‌کنند. در حالی که این گروه‌بندی‌ها نحوه عمل هر دارو برای کشتن باکتری‌ها را به وضوح نشان نمی‌دهند، اما حاکی از این است که داروهای درون گروه به احتمال زیاد از مکانیسم‌های مشابهی بهره‌برداری می‌کنند.
گلن همچنین اظهار داشت که توانایی شناسایی اهداف دارویی جدید برای کشتن باکتری‌ها به واسطه تحقیقات همکارش کارمن لی حاصل شده است. وی صدها نسل از باکتری‌ها را پرورش داد و در معرض انواع داروهای غیر آنتی‌بیوتیکی که برای درمان اضطراب، عفونت‌های انگلی و سرطان تجویز می‌شوند، قرار داد.
فرایند تعیین توالی ژنوم این باکتری‌ها که به مرور زمان چهارچوبی سازگار با داروها یافته‌اند به ما این امکان را می‌دهد تا پروتئین خاصی در باکتری‌ها را شناسایی کنیم که توسط تری‌کلابندازول، داروی کلیدی در درمان عفونت‌های انگلی، هدف قرار می‌گیرد. نکته قابل توجه این است که آنتی‌بیوتیک‌های متداول معمولاً به این پروتئین حمله نمی‌کنند.
او ادامه داد: علاوه بر این، ما کشف کرده‌ایم که دو داروی غیر آنتی‌بیوتیکی دیگر که از مکانیسم مشابهی با تری‌کلابندازول بهره می‌برند نیز همان پروتئین را هدف قرار می‌دهند. این کشف قدرت روش‌های شباهت‌سنجی ما برای شناسایی داروهای با مکانیسم‌های کشندگی مشابه را، حتی در زمانی که این مکانیسم‌ها هنوز کشف نشده بودند، نشان می‌دهد.
کمک به شناسایی آنتی‌بیوتیک‌های جدید
یافته‌های این تحقیق افق‌های جدیدی برای پژوهشگران به‌منظور بررسی نحوه عملکرد داروهای غیر آنتی‌بیوتیکی در مقایسه با آنتی‌بیوتیک‌های متداول فراهم می‌آورد. روش‌های این محققان برای نقشه‌برداری و آزمایش داروها همچنین این قابلیت را دارند که چالش‌های مهم در زمینه توسعه آنتی‌بیوتیک‌ها را برطرف کنند.
جستجوی آنتی‌بیوتیک‌های نوین غالباً نیازمند استفاده از منابع کلان برای غربالگری هزاران ترکیب شیمیایی است که باکتری‌ها را نابود می‌کنند و نحوه عملکرد آنها را تشخیص می‌دهد. بسیاری از این ترکیبات مشابه آنتی‌بیوتیک‌های موجود عمل می‌کنند و بنابراین کنار گذاشته می‌شوند.
محققان مطرح کردند: تحقیقات ما نشان می‌دهد که ترکیب غربالگری ژنتیکی با یادگیری ماشینی می‌تواند به شناسایی ترکیبات شیمیایی منجر شود که توانایی از بین بردن باکتری‌ها را به روش‌های نوآورانه‌ای دارند که پیش‌تر مورد توجه قرار نگرفته‌اند. هنوز روش‌های متعددی برای نابودی باکتری‌ها وجود دارد که به‌درستی شناخته نشده و فرصت‌های بسیاری در پیش است تا با تهدید عفونت‌های باکتریایی و مقاومت آنتی‌بیوتیکی مقابله کنیم.
منابع