کشف آنتی‌بیوتیک در سال 1928 تأثیری ماندگار بر تاریخ بشر داشت. قبل از کشف پنی‌سیلین، بیماری‌های عفونی مانند ذات الریه و سل شایع و بسیار کشنده بودند. با استفاده از یادگیری ماشینی خطر عفونت در روش‌های جراحی به طور قابل‌توجهی کاهش یافته است و اکنون انجام عمل‌های جراحی ایمن‌تر شده است.
کشف آنتی‌بیوتیک‌ها نقطه عطف مهمی در زمینه علم بود و استفاده از آن‌ها پروتکل‌های پزشکی را تغییر داد و از تلفات بی‌شمار جلوگیری کرد.
آنتی‌بیوتیک‌ها جنبه منفی نیز دارند و استفاده بیش از حد از آن‌ها می‌تواند منجر به مقاومت باکتری‌ها شود. به گزارش سازمان بهداشت جهانی، این ابر میکروب‌ها مسئول 1.27 میلیون مرگ در سراسر جهان در سال 2019 بوده‌اند و پیش‌بینی می‌شود که در سال‌های آینده خطر فزاینده‌ای برای سلامت عمومی جهانی ایجاد کنند.
نزدیک به 25 درصد از داروهایی که برای استفاده به عنوان آنتی بیوتیک در نظر گرفته نشده‌اند، مانند داروهای سرطان، دیابت و افسردگی دارای خواص ضد باکتریایی در دوزهای توصیه شده هستند. درک عمیقِ مکانیسم پیچیده‌ی داروهای خاص که موجب از بین رفتن باکتری‌ها می‌شود، ظرفیتی برای پیشرفت پزشکی فراهم کرده است. هدف قرار دادن باکتری‌ها توسط داروهای غیر آنتیبیوتیکی به روش‌های متمایز از آنتی بیوتیک‌های استاندارد، به طور بالقوه منجر به ایجاد آنتی بیوتیک‌های جدید می‌شود.
استفاده طولانی از غیر آنتی‌بیوتیک‌ها که در درمان بیماری‌های مزمن به شیوه‌ای مشابه آنتی بیوتیک‌های شناخته‌شده عمل می کنند، ممکن است ناخواسته مقاومت آنتی بیوتیکی را افزایش دهد.
اخیراً یک روش یادگیری ماشینی نوآورانه ابداع شده است. این روش نه‌تنها فرایندهایی را تشخیص می‌دهد که به وسیله‌ی آن غیر آنتی‌بیوتیک‌ها باکتری‌ها را از بین می‌برند، بلکه به کشف اهداف باکتریایی جدید برای آنتی‌بیوتیک‌ها نیز کمک می‌کند. اما چگونه این داروها باکتری‌ها را از بین می‌برند؟
برای پاسخ به این پرسش از تکنیک غربالگری ژنتیکی استفاده شد این تکنیک دقیقاً ژن‌ها و مکانیسم‌های سلولی‌ای را مشخص می‌کند که در طی جهش‌های باکتریایی تغییر می‌کنند. مشاهده چگونگی تأثیر این تغییرات بر بقای باکتری‌ها، پژوهشگران را قادر می‌سازد تا در مورد مکانیسم‌های به‌کاررفته توسط داروها برای ازبین‌بردن جمعیت‌های باکتریایی راهنمایی کنند.
با استفاده از الگوریتم یادگیری ماشینی، در نهایت شباهت‌هایی بین داروهای متمایز به دست آمد و داروها با درنظرگرفتن اثرات آن‌ها بر روی باکتری‌های جهش‌یافته در یک شبکه دسته‌بندی شد. داروهایی که با هم گروه‌بندی شده‌اند احتمالاً حالت‌های عملکردی مشابهی دارند.
برای آزمون این موضوع، صدها نسل باکتری پرورش داده شد و عمداً آن‌ها را در معرض طیف متنوعی از داروهای غیر آنتیبیوتیکی قرار دادند که معمولاً برای اضطراب، عفونت‌های انگلی و درمان سرطان تجویز می‌شوند. تری‌کلابندازول، دارویی است که برای درمان عفونت‌های انگلی استفاده می‌شود و به طور خاص پروتئین‌های خاص باکتری را هدف قرار می‌دهد. آنتی‌بیوتیک‌های فعلی معمولاً این پروتئین را هدف قرار نمی‌دهند. دو داروی غیر آنتیبیوتیکی دیگر که مانند تری‌کلابندازول عمل می‌کنند، بر همان پروتئین تأثیر می‌گذارند.
فرایند کشف آنتی‌بیوتیک‌های جدید با تخصیص منابع قابل‌توجه برای غربالگری طیف وسیعی از مواد شیمیایی صورت می‌گیرد. بخش زیادی از این مواد شیمیایی دارای مکانیسم‌های اثر مشابه با آنتی‌بیوتیک‌های شناخته شده هستند که آن‌ها هم منجر به حذف باکتری‌ها می‌شوند. ادغام غربالگری ژنتیکی و یادگیری ماشینی این ظرفیت را به ما می‌دهد تا باکتری‌ها را با روش‌های غیرمتعارف از بین ببریم.
