Machine Learning Prediction of Antimicrobial Response in Pleurotus ostreatus Extracts Cultivated on Cassava Peel: A Proof-of-Concept Study

細菌や真菌といった、時として私たちを病気にさせる、目に見えないほど小さな侵入者たちの世界を想像してみてください。長い間、私たちはこれらに対抗するために「抗生物質」という特別な武器を使ってきましたが、この侵入者たちは巧妙になりつつあります。彼らは私たちの武器をかわす術を学びつつあり、科学者たちはこれを「薬剤耐性」と呼んでいます。それは、隠れる側が隠れるのが上手くなっていくかくれんぼのようなもので、私たちは彼らを見つけ出すための新しい方法を見つける必要があります。一つの有望なアイデアは、自然界自身の薬局、具体的にはキノコに注目することです。例えば、ヒラタケ（Pleurotus ostreatus）のようなキノコは、これらの悪い菌の動きを止める化学物質を作り出すことで有名です。さらに素晴らしいことに、これらのキノコは、私たちが通常捨ててしまうもの、例えばキャッサバの根の皮の上でも成長することができます。しかし、ここが難しいところです。すべてのキノコのバッチを、あらゆる種類の細菌に対して一つずつテストするのは、時間がかかり、費用もかかり、多大な労力を要します。科学者たちは、実験室での面倒なテストを行う前に、どのキノコ抽出物が最も効果的かを予測するために、「数学とコンピュータで作られた水晶玉」と呼ばれる「機械学習」を使えるのではないかと考えています。

この論文は「概念実証（プルーフ・オブ・コンセプト）」研究であり、これは簡単に言えば、「この水晶玉のアイデアがそもそも可能かどうかを確認するための小さなテストをしてみよう」という意味です。研究者たちは、キャッサバの皮の上でヒラタケを栽培し、そこからアルコール（エタノール）を用いたものと水を用いたものの2種類の液体抽出物を作りました。そして、これらの液体が細菌の増殖をどれほど阻止できるかを、7種類の異なる細菌に対してテストしました。単に結果を見るだけでなく、彼らはすべてのデータを「ランダムフォレスト」と呼ばれるコンピュータプログラムに投入しました。このモデルを、手がかり（抽出液の種類、戦っている細菌の種類、キлоキノコのバッチの化学組成など）を探る、超整理整頓された探偵だと考えてください。

この探偵は、ある特定のタスクにおいて、まずまずの成果を上げました。それは「阻止円」の大きさを予測することです。ペトリ皿の上に、細菌が増殖できない円を描くことを想像してください。その円が大きければ大きいほど、ヒラタケ抽出物の効果が高いことを意味します。コンピュータモデルは、ある条件下で大きな円ができることを、中程度の成功率（決定係数 R-square = 0.68）で予測できました。特定の条件下では大きな円ができるだろうという予測において、かなり優秀でした。探偵が見つけた最も重要な手がかりは、「抽出溶媒」でした。抽出液を作る際にアルコールを使ったか水を使ったかは、キノコのバッチ間の微細な化学的違いよりもずっと重要でした。実際、キノコの特定の化学組成は、予測への寄与がほとんどありませんでした。

しかし、探偵は別のことを予測しようとしたときに壁にぶつかりました。それは「最小発育阻止濃度（MIC）」です。これは、細菌の増殖を完全に止めるために、どれくらいの量の抽出物が必要かを示す指標です。コンピュータが、その抽出物が「勝者」になるほど強力か、あるいは「敗者」になるほど弱いかを予測しようとしたとき、その性能は低く、正解率はわずか43%でした。それは、暗闇の中で推測しているような状態でした。これは、科学者たちが持っていた手がかり（バッチの化学組成や細菌の種類など）では、強力な抽出物と弱い抽出物の違いを見分けるには不十分であったことを示しています。

では、結論はどうでしょうか？ この研究は、機械学習がキノコの薬理学を探求するための有用なサイドキック（相棒）になり得ることを示唆していますが、まだ「魔法の杖」ではありません。コンピュータは、抽出液を作るために使われた液体の種類が極めて重要であることを学習しましたが、薬の強さに関するより詳細なディテールまでは理解できませんでした。著者たちは、これらの結果はあくまで始まりに過ぎないと慎重に述べています。テストされたサンプル数が少なく（42個の観察値）、キノコのバッチもわずか3種類であったため、全体像はまだ少しぼやけています。真に信頼できる水晶玉を構築するためには、より多くの種類のキノコや細菌をテストし、より詳細な化学的測定を行う、より大規模なデータセットが必要であると彼らは述べています。今のところ、この研究は、生物学とコンピュータサイエンスを融合させる可能性を示す、楽しく、かつ有望な第一歩ですが、コンピュータが実験台に取って代わるには、まだまだ多くの宿題が必要であることを示しています。