Il Gwangju Institute of Science and Technology (GIST) ha recentemente presentato una tecnologia innovativa nel campo della medicina, sviluppando un modello di intelligenza artificiale (IA) denominato LLAMP (Large Language model for AMP activity prediction). Questo modello è progettato per prevedere l’attività antimicrobica dei peptidi antimicrobici (AMP) in modo specie-specifico, affrontando così una delle sfide più urgenti nel trattamento delle infezioni batteriche: la crescente resistenza agli antibiotici.
La resistenza agli antibiotici è una minaccia crescente per la salute globale, con batteri che sviluppano resistenza ai farmaci convenzionali. In questo contesto, gli AMP emergono come potenziali candidati terapeutici grazie alla loro capacità di distruggere le membrane cellulari batteriche. Tuttavia, la scoperta e lo sviluppo di nuovi AMP sono ostacolati dalla mancanza di modelli predittivi efficaci che considerino la specie batterica target.
LLAMP supera questa limitazione integrando informazioni genetiche specifiche della specie batterica con sequenze peptidiche, utilizzando un modello linguistico pre-addestrato chiamato ESM-2. Questo approccio consente di prevedere con maggiore precisione la concentrazione minima inibitoria (MIC) di un AMP contro una determinata specie batterica.
Nel corso della ricerca, il team ha testato LLAMP su un vasto dataset contenente circa 5,5 milioni di sequenze peptidiche, identificando i peptidi 13 e 16 come i più promettenti in termini di potenza e selettività. L’analisi dei valori di attenzione ha rivelato che amminoacidi come triptofano (Trp), lisina (Lys) e fenilalanina (Phe) giocano un ruolo cruciale nell’attività antimicrobica. Utilizzando queste informazioni, è stato possibile progettare varianti migliorate, come il peptide 13-5, che ha mostrato un’attività antimicrobica superiore pur mantenendo una bassa tossicità emolitica, paragonabile all’antibiotico clinico Pexiganan.
Rispetto ai modelli precedenti, LLAMP ha mostrato un miglioramento significativo nelle prestazioni predittive, con un aumento della precisione nella previsione dell’attività antimicrobica fino al 40% in alcune specie batteriche. Questo avanzamento rappresenta un passo importante verso lo sviluppo di antibiotici più efficaci e mirati.
Implicazioni per la medicina di precisione e la lotta contro la resistenza agli antibiotici
La capacità di LLAMP di prevedere l’attività di AMP in modo specie-specifico apre nuove possibilità nella medicina di precisione, permettendo lo sviluppo di trattamenti personalizzati per infezioni batteriche. Inoltre, questa tecnologia offre un metodo rapido ed economico per identificare nuovi candidati terapeutici, riducendo la necessità di costosi e lunghi esperimenti in laboratorio.
Il professor Nam Ho-jeong, uno dei ricercatori principali, ha sottolineato l’importanza di questa ricerca, affermando che LLAMP rappresenta un nuovo sistema di sviluppo di farmaci basato sull’intelligenza artificiale, in grado di rispondere rapidamente all’emergere di nuovi batteri resistenti. Questo approccio potrebbe rivoluzionare la strategia globale nella lotta contro la resistenza agli antibiotici, offrendo soluzioni tempestive e mirate.