Устойчивость бактерий к антибиотикам — это базовый механизм эволюции. Микроорганизмы миллиарды лет вели химические войны, вырабатывая защиту от природных токсинов. Проблема человечества заключается в том, что мы десятилетиями использовали ограниченный набор химических классов, создав своеобразную «монокультуру» антибиотиков.
ИИ включается в борьбу с супербактериями
Ученые активно внедряют ИИ для борьбы с устойчивыми к антибиотикам бактериями. Машинное обучение берет на себя рутинный анализ миллионов химических соединений в виртуальной среде. Это значительно ускоряет разработку лекарств и снижает огромные финансовые затраты, из-за которых крупные фармацевтические компании неохотно инвестируют в создание новых антимикробных средств.
Некоторые бактерии приобретают устойчивость к антибиотикам, которые обычно используются для борьбы с ними. NIAID/NIH/Science Photo Library
Глобальная угроза и открытые базы. Устойчивость к противомикробным препаратам представляет собой нарастающий глобальный кризис. Согласно прогнозам, к 2050 году инфекции, вызванные устойчивыми к лекарствам супербактериями, могут унести жизни как минимум 39 миллионов человек. Сегодня ученые создают открытые веб-инструменты на базе ИИ, которые позволяет исследователям всего мира бесплатно проводить виртуальный скрининг антибиотиков без затрат на покупку и содержание дорогостоящих физических библиотек химических соединений.
Бактерии приспособились к знакомым механизмам атаки, а традиционный поиск новых лекарств затянулся: на открытие одной молекулы уходит около 10 лет, и еще столько же — на ее испытания. Разработка стала экономически невыгодной для фармакологии, однако искусственный интеллект способен кардинально ускорить этот процесс.
Палочка Коха. Mycobacterium tuberculosis на культуре.
Перенос первых этапов исследований в виртуальную среду (in silico) позволяет преодолеть дефицит идей. Нейросети способны за часы анализировать цифровые библиотеки из миллионов соединений. Так, модель Chemprop, обученная всего на 2300 молекулах, просеяла миллионы веществ и нашла халицин — антибиотик с уникальным механизмом действия, уничтожающий даже устойчивую микобактерию туберкулеза и опасную синегнойную палочку. Другой инструмент — DiffDock — научился предсказывать, как именно малые молекулы связываются с белками бактерий. Это помогло команде ученых подтвердить точечное, безопасное для остальной микрофлоры действие нового антибиотика энтерололина.
От виртуальных моделей к реальным лекарствам
Синегнойная палочка. Многолекарственно-устойчивая Pseudomonas aeruginosa.
ИИ позволяет выйти за рамки привычной химии с помощью генеративных алгоритмов. Модель APEX проанализировала базы данных и «воскресила» более 11 тысяч антимикробных пептидов из «экстинктома» — протеомов вымерших существ, включая гигантского ленивца и древнюю магнолию. Современные бактерии никогда не сталкивались с таким оружием, поэтому у них нет готовых механизмов защиты. Более того, алгоритмы вроде ApexGO и SyntheMol-RL сегодня самостоятельно конструируют синтетические молекулы под заданные параметры, комбинируя базовые химические блоки как конструктор.
Главным препятствием на пути к мгновенному созданию лекарств остается суровая реальность. ИИ часто проектирует теоретически идеальные структуры, которые на практике оказываются нестабильными, слишком токсичными или химически невозможными для синтеза. Из миллионов сгенерированных вариантов ученым порой удается воссоздать в лаборатории лишь единицы.
Кроме того, цифровая модель не способна заменить многолетние клинические испытания на живых организмах. Тем не менее, ИИ уже решил фундаментальную задачу: он дал индустрии множество принципиально новых, дешевых в производстве химических кандидатами. ИИ может вернуть человеку преимущество: скорость эволюции бактерий огромна, но скорость развития технологий ИИ, кажется, впервые в истории человечества начинает ее обгонять.