Acinetobacter baumannii je problematična bakterija, ki jo Svetovna zdravstvena organizacija uvršča na seznam groženj za človeštvo zaradi odpornosti na antibiotike. Sodi v skupino ESKAPE (Enterococcus faecium, Staphylococcus aureus, Klebsiella pneumoniae, Acinetobacter baumannii, Pseudomonas aeruginosa in Enterobacter). Odporna je na številne antibiotike, med drugim karbapeneme in tretjo generacijo cefalosporinov, ki predstavljajo najnovejše orožje v boju proti rezistentnim bakterijam. Povzroča oportunistične okužbe, ki segajo od pljučnice prek meningitisa do okužb odprtih ran. Zato je razvoj novih učinkovitih antibiotikov proti tej bakteriji živahno področje raziskav.
Kanadski in ameriški raziskovalci so se odločili preizkusiti več tisoč spojin, ki bi lahko bile učinkovite. Pri tem so iskali zlasti spojine, ki bi nanjo vplivale z drugim mehanizmom od uveljavljenih antibiotikov, saj se proti analogom obstoječih antibiotikov hitro razvije odpornost. Za to se uporabljajo presejalni testi (screening), ki pa so eksperimentalno omejeni. Najprej so preverili delovanje 7.684 malih molekul, med katerimi je bila približno tretjina zdravil brez patentne zaščite in dve tretjini sintetičnih kemikalij. Med njimi je bilo 480 aktivnih.
S temi podatki so nato izurili nevronsko mrežo, ki se je naučila določati, katera molekula bo učinkovita proti bakteriji. Nato so ta model pognali na 6.680 molekulah iz baze Drug Repurposing Hub. Izluščili so spojine, ki so bile strukturno različno od tistih iz baze podatkov za urjenje in ki so imele napovedano aktivnost. Našli so jih 240, jih pridobili in eksperimentalno preizkusili. Med njimi je bilo devet dobrih kandidatov in abaucin se je izkazal najbolje. V nadaljnjih raziskavah so razvozlali tudi, kako abaucin vpliva na rast bakterije - moti prenos lipoproteinov. Na koncu so preverili njegovo delovanje še na miših, ki so imele odprte rane.
V članku poudarjajo, da gre za prikaz koncepta. Tovrstne modele lahko seveda uporabimo na precej več kot nekaj tisoč molekulah, saj je takšno bazo možno preizkusiti tudi eksperimentalno. Precej drugače pa je, če imamo opraviti z milijoni ali milijardami možnih spojin. Nedavno so različni raziskovalci že uspešno uporabili nevronske mreže za iskanje antibiotikov, protivirusnih učinkovin in zdravil proti raku. V reviji Cell so že pred tremi leti poročali o odkritju antibiotika halicin proti isti bakteriji na podoben način, to je z modelom globokega učenja. In silico presejalni testi niso nič novega, a nevronske mreže imajo potencial, da postanejo bistveno natančnejši. Vse to kaže, da postajajo tovrstne metode čedalje uporabnejše kot pomoč pri pregledovanju ogromnih knjižnic spojin in podatkov.
