ИИ использовали для улучшения антибиотиков — 72% кандидатов превзошли исходную молекулу

Большинство современных антибиотиков — это молекулы, найденные в природе, а не сконструированные под задачу. Поначалу их находили случайно: пенициллин Александр Флеминг открыл, заметив, что плесень в чашке Петри подавляет увеличение бактерий. Позже поиск стал системным — массово проверяли микробов из почвы, — но суть оставалась прежней: перебирать то, что уже создала природа. Современный ИИ-подход устроен похоже — программы прочесывают огромные базы данных в надежде наткнуться на подходящую молекулу. Ученые из Пенсильванского университета предложили иной путь — инструмент ApexGO, который не ищет готовое, а берет слабых кандидатов и шаг за шагом превращает их в более сильные. В опытах 72% полученных молекул оказались сильнее исходных. Работа опубликована в журнале Nature Machine Intelligence.

Внутри ApexGO связаны две части. Одна предлагает точечные правки в пептиде — короткой цепочке аминокислот. Вторая предсказывает, усилят ли эти правки способность молекулы убивать бактерии. По этим предсказаниям средство выбирает, в какую сторону двигаться дальше: где итог выглядит многообещающе — копать глубже, но иногда уходить и в неизвестные области, где могут прятаться неожиданные находки. Перебрать все возможные варианты вручную невозможно — даже у короткого пептида их астрономическое количество, поэтому и нужен ИИ.

Главное — предсказания подтвердились в реальной лаборатории, а не остались красивыми цифрами на экране. В опытах против болезнетворных бактерий 85% сгенерированных ИИ молекул останавливали их рост, а 72% оказались сильнее тех пептидов, из которых были получены. На мышах две молекулы снижали число бактерий не хуже, чем полимиксин B — одобренный регулятором антибиотик, который применяют как средство последней надежды при инфекциях, на которые больше ничего не действует.

Это важнее, чем кажется. ApexGO подбирал молекулы, ориентируясь на оценку другой компьютерной модели, и был риск, что он найдет варианты, которые схема оценит высоко, но в пробирке они провалятся. Вышло наоборот — большинство спроектированных молекул реально сработали. То есть ИИ снимает ставку на везение, которая сопровождала поиск антибиотиков весь прошлый век: за некоторое количество месяцев работы средство выдал сотни новых кандидатов.

Пока даже лучшие из этих молекул — ранние кандидаты. Прежде чем лечить ими людей, их придется долго дорабатывать — повышать защита, стабильность и время действия в организме. Ценность в другом — ИИ помогает заранее решить, какие молекулы вообще стоит делать и тестировать, а не перебирать их вслепую одну за другой. Разработчики считают, что тот же решение можно применить и за пределами антибиотиков — в частности, к молекулам, которые настраивают иммунитет или бьют по опухолям.

P.S. Поддержать меня можно подпиской на канал "сбежавшая нейросеть", где я рассказываю про ИИ с творческой стороны.