Mesterséges intelligencia vadászná le a jövő drogjait
![drog, tű, dizájnerdrog](https://cdn.origo.hu/2023/12/oFtgt_8GCpp2Q0ItvbcYw6UY_ZZpAcA4HydYZzktEjo/fill/1347/758/no/1/aHR0cHM6Ly9jbXNjZG4uYXBwLmNvbnRlbnQucHJpdmF0ZS9jb250ZW50LzNlOTBjN2EwMDY4YzQ2Mzc5ODNlNTEzNDRkNjlmNWRh.webp)
A University of British Columbia (UBC, Kanada) kutatói arra tanítottak meg számítógépeket, hogy megpróbálják megjósolni a dizájnerdrogok következő generációját, mielőtt még azok ténylegesen megjelennének a dílereknél. A bűnüldöző hatóságok örökös versenyfutásban vannak a drogkereskedelemmel, hogy időben azonosítsák és szabályozzák az ismert veszélyes pszichoaktív drogok új változatait – amelyek néha fürdősók vagy szintetikus opioidok képében jelennek meg a piacon –, miközben illegálisan dolgozó vegyészek folyamatosan állítják elő az újabb és újabb molekulákat, amelyek kémiailag különböznek a klasszikus illegális drogoktól, de ugyanazokat a pszichoaktív hatásokat váltják ki.
Ezeknek az ideig-óráig szabályozatlan, a zsargonban „legal high"-ként emlegetett anyagoknak a beazonosítása a hatóságilag lefoglalt tabletta- és pormintákban akár hónapokig is eltarthat, s ez idő alatt fogyasztók ezreihez jut el az új dizájnerdrog.
A UBC munkatársainak fejlesztése máris hozzásegíti a hatóságokat világszerte ahhoz, hogy a beazonosítás időigényét hónapokról napokra tudják leszorítani, ami kulcsfontosságú az új pszichoaktív drogok lefülelése és szabályozása körüli hajszában.
„A piacon megjelenő dizájnerdrogok elsöprő többségét sosem tesztelték embereken, és kívül esnek mindenfajta szabályozáson. A világon mindenütt komoly egészségügyi problémaként jelentkeznek a sürgősségi ellátásban" – húzta alá Dr. Michael Skinnider, a UBC orvostanhallgatója, akik a UBC Michael Smith Laboratóriumainak doktoranduszaként vett részt a kutatásban. Skinnider és munkatársai egy olyan adatbázis segítségével fogtak munkához, amelybe a világ számos pontján működő igazságügyi laborok gyűjtötték össze az ismert pszichoaktív drogokat. A kutatók e drogok kémiai szerkezetét használták bemenetnek egy mesterségesintelligencia-algoritmus betanításához.
Az alkalmazás egy mély neurális hálózatként ismert algoritmusra épül, amelyet az emberi agy szerkezete és működése inspirált.
A „training set", vagyis a betanításhoz használt bemenet alapján a modell mintegy 8.9 millió potenciális dizájnerdrog-szerkezetet generált. E virtuálisan létrehozott molekulákat aztán 196 ténylegesen létező, az illegális piacról lefoglalt droggal hasonlították össze, és azt találták, hogy a program a valódi molekulák több mint 90 százalékát „kitalálta".
Ez azt jelenti, hogy a megfelelő betanítás után az algoritmus szinte bármilyen új drog szerkezetét előre meg tudja jósolni.
Az, hogy az új dizájnerdrogokat azelőtt ki tudjuk találni, mielőtt megjelennének a piacon, kicsit emlékeztet egy 2002-es sci-fi mozira, a Minority Report (Különvélemény) című filmre, ahol a még el sem követett bűncselekményekkel kapcsolatos előzetes tudás segít a jövőbeli világot megtisztítani a bűntől
– vont párhuzamot Dr. David Wishart, az Albertai Egyetem számítástudomány professzora és a tanulmány rangidős szerzője. –
Ez a szoftver lényegében lépéselőnyhöz juttatja a bűnüldözést és a közegészségügyi szerveket a földalatti vegyészekkel szemben, és segít előrevetíteni a hatóságoknak, mire számítsanak."
Megmaradt még az a probléma, hogy miként lehetne a teljesen ismeretlen vegyületeket minél egyszerűbben azonosítani. A kutatók a modellt annak megjóslására is meg tudták tanítani, hogy melyik molekula milyen valószínűséggel jelenik meg a piacon.
Arra gondoltunk, talán használhatjuk ezt a valószínűséget arra, hogy pusztán a molekulatömege alapján kitaláljuk, mi lehet az ismeretlen drog. A molekulatömeget ugyanis tömegspektrometriával a vegyészek könnyen meghatározzák egy porból vagy egy tablettából"
– magyarázta Dr. Leonard Foster, a UBC biokémia tanszékének tanára és a tömegspektrometria nemzetközileg elismert szakértője.
A kutatók a 196 valódi dizájnerdrogon tesztelték ezt a lehetőséget. Amikor pusztán a molekulatömeg alapján kerestették a modellel a lehetséges szerkezeteket, az algoritmus az esetek 72 százalékában valahová az első 10-be sorolta a ténylegesen keresett molekulát. Ha a modellben az úgyszintén könnyen elvégezhető tandem tömegspektrometriás mérések eredményeit is figyelembe vették, ezt az arányt 86 százalékosra tudták javítani. Az algoritmus az esetek 51 százalékában akkor is eltalálta a helyes szerkezetet, ha csupán egyetlen tippet engedtek neki.
Szabályosan megdöbbentünk, hogy a modell ennyire jól teljesít, mert általánosságban megoldhatatlannak tartják azt a feladatot, hogy egy molekula komplett szerkezetét egyedül a pontos molekulatömeg alapján kitaláljuk.
És azzal, hogy a sok milliárd lehetséges szerkezetet egy tízes listára szűkíti le a program, számottevően felgyorsítja a folyamatot, amelyben a vegyészek az új dizájnerdrogokat azonosítják" – hangsúlyozta Skinnider, hozzátéve: ugyanezt a modellt bármilyen egyéb új molekula felfedezésére is használhatnánk, az atlétikai doppingban alkalmazott teljesítménynövelő szerek lefülelésétől kezdve az emberi vérben és vizeletben található, eddig ismeretlen vegyületek azonosításáig.
A kémiai 'sötét anyagnak' egy egész rejtett világa tárul most fel előttünk. Úgy vélem, hogy a megfelelő mesterségesintelligencia-eszközök előtt óriási lehetőségként áll ennek az ismeretlen kémiai világnak a felderítése"
– mondta végül Skinnider.