ИИ нашёл антибиотики против супербактерий и помог расшифровать их работу: разработка лекарств может стать быстрее и дешевле

Искусственный интеллект становится одним из важных инструментов в разработке антибиотиков. Если ещё несколько лет назад нейросети в основном использовались для поиска перспективных молекул, то теперь они начинают помогать учёным понимать, как именно работают новые препараты. На фоне стремительного распространения устойчивых к лекарствам бактерий это может заметно ускорить создание новых средств лечения.

Одним из последних примеров стала работа группы под руководством Джонатана Стоукса (Jonathan Stokes) из канадского Университета Макмастера. В ходе поиска новых препаратов против опасных штаммов кишечной палочки Escherichia coli исследователи проверили около 10 тысяч биологически активных соединений и после серии отборов выделили единственную особенно перспективную молекулу. Новый антибиотик получил название enterololin.

Однако обнаружить перспективное соединение — лишь часть задачи. Необходимо было доказать, что enterololin действует избирательно на патоген, а не уничтожает широкий спектр бактерий, включая полезную микрофлору кишечника. Обычно для таких исследований требуются длительные серии биохимических экспериментов, генетического анализа и изучения белков клетки.

Вместо этого команда привлекла систему DiffDock, разработанную в Массачусетском технологическом институте США (MIT) под руководством специалиста по искусственному интеллекту Регины Барзилай (Regina Barzilay). Алгоритм способен прогнозировать, с какими белками взаимодействует молекула и какие биологические процессы она может нарушать.

Источник: NIAID / NIH / Science Photo Library

По словам авторов, ИИ позволил резко сузить круг потенциальных мишеней и сосредоточить лабораторные эксперименты на наиболее вероятных вариантах. После создания специально модифицированных бактериальных штаммов исследователи быстро подтвердили прогнозы системы. Для разработки антибиотиков такой подход пока что остаётся относительно редким, хотя интерес к нему быстро растёт.

Проблема поиска новых антибиотиков становится всё более актуальной. Согласно существующим оценкам, к 2050 году инфекции, устойчивые к лекарствам, могут стать причиной не менее 39 миллионов смертей по всему миру. При этом разработка антибиотиков остаётся дорогостоящим и часто малоприбыльным направлением, из-за чего многие фармацевтические компании неохотно инвестируют в такие проекты.

Использование ИИ позволяет существенно сократить объём дорогостоящих лабораторных работ и ускорить отбор перспективных кандидатов.

Нейросети уже доказали свою эффективность на этапе поиска новых препаратов. Ранее команда MIT создала систему Chemprop, которая проанализировала миллионы молекул и помогла обнаружить антибиотик halicin. Он показал активность против ряда опасных патогенов, включая устойчивые штаммы кишечной палочки, возбудителя туберкулёза и бактерию Acinetobacter baumannii, часто вызывающую внутрибольничные инфекции.

Ещё дальше пошли учёные из Пенсильванского университета под руководством Сесара де ла Фуэнте (Cesar de la Fuente). Их система APEX проанализировала более 10 миллионов белковых молекул и обнаружила свыше 37 тысяч потенциальных антибиотиков. Особенно необычно то, что более 11 тысяч кандидатов были найдены в белках давно вымерших организмов — от древних растений до гигантских ленивцев.

После лабораторной проверки десятков таких соединений выяснилось, что многие из них атакуют бактерии способом, который практически не встречается у современных антибиотиков. Это потенциально снижает вероятность существования уже сформировавшейся устойчивости к подобным препаратам.

Следующим шагом стала разработка генеративной системы ApexGO, которая уже не ищет молекулы в природе, а проектирует новые варианты. Исследователи синтезировали около 100 созданных ИИ соединений, и примерно 86% из них показали активность как минимум против одного бактериального патогена.

Учёные подчёркивают, что искусственный интеллект ещё не способен полностью заменить лабораторные исследования. Многие предложенные алгоритмами молекулы оказываются слишком дорогими в производстве, нестабильными или вообще невозможными для синтеза. Тем не менее отрасль постепенно переходит к модели, в которой нейросети участвуют практически на каждом этапе разработки новых лекарств — от поиска кандидатов до выяснения механизма их действия.

История с enterololin показывает, что ИИ начинает решать не только задачу поиска новых антибиотиков, но и помогает понять, почему они работают. На фоне нарастающего кризиса антибиотикорезистентности это может оказаться не менее важным, чем открытие самих новых препаратов.

©  iXBT