Заразный пример: ученые приблизились к созданию 56 новых антибиотиков
Российские ученые разработали систему на основе искусственного интеллекта, которая автоматически находит вещества-кандидаты на роль антибиотиков. ИИ уже предложил 56 соединений, которые могут быть эффективны против устойчивых к лекарствам штаммов кишечной палочки. Теперь специалистам предстоит проверить свойства выявленных молекул на практике. Хотя до реального применения дойдут далеко не все из них, эксперты считают, что разработка позволит сократить сроки создания новых препаратов на месяцы, а возможно, и годы. Создатели системы считают, что в будущем алгоритм можно адаптировать для поиска противовирусных и противогрибковых средств.
ИИ для поиска лекарственных молекул
Ученые ИТМО создали алгоритм на основе искусственного интеллекта, который автоматически подбирает молекулы-кандидаты для создания новых антибиотиков. Система ищет соединения, к которым бактерии не смогут быстро выработать устойчивость.
Разработку уже опробовали в действии и обнаружили с ее помощью 56 новых соединений, которые могут лечь в основу более эффективных препаратов от кишечной палочки. Эта бактерия часто вызывает тяжелые инфекции ЖКТ.
— Исследования в лаборатории помогут экспериментально проверить, какова реальная активность полученных соединений. Обычно из стольких молекул-кандидатов, обнаруженных вычислительными методами, на практике подходящими оказываются один или два. Если результаты покажут высокую эффективность наших соединений, то можно будет подумать о патенте. Как раз такую лабораторию мы сейчас ищем, — рассказала «Известиям» одна из авторов исследования, инженер Передовой инженерной школы ИТМО, аспирантка Анастасия Орлова.
Антибиотики блокируют или видоизменяют действие белков вредных микроорганизмов и подавляют их рост и размножение. Но со временем препараты теряют свою эффективность, так как бактерии эволюционируют и меняют свои белки так, чтобы лекарства на них не действовали. Этот процесс называют антибиотикорезистентностью. Для его преодоления специалисты во всём мире ищут такие вещества, к которым микробы еще не успели приспособиться. Однако рано или поздно патогены научатся обходить действие и новых лекарств, поэтому гонка между фармацевтами и инфекциями продолжается непрерывно.
Для поиска новых антибиотиков ученые используют высокопроизводительный скрининг. В его рамках специалисты проверяют молекулы из баз данных на соответствие таким критериям, как отсутствие токсичности, способность связываться с целевыми белками и возможность лабораторного синтеза, пояснили разработчики. Как правило, такой процесс может занимать до нескольких недель и не позволяет создавать принципиально новые соединения.
В решении этой задачи помогает машинное обучение, однако его методы пока несовершенны. Многие существующие алгоритмы генерируют активные молекулы только для одного белка, что зачастую недостаточно для создания эффективного антибиотика, к которому бактерии не смогут быстро выработать устойчивость.
От молекулы до лекарства
Новый алгоритм ищет вещества, которые обладают активностью против двух белков одновременно. Для борьбы с резистентными штаммами кишечной палочки он предложил 56 соединений на основе бензимидазола. Препаратов с таким компонентом на рынке пока мало. В отличие от аналогов, новая система может генерировать молекулы сразу с учетом множества свойств, гарантируя их синтезируемость. ИИ также учитывает отсутствие токсичности и побочных эффектов, связывание с целевыми белками, схожесть с другими лекарствами и биологическую активность, отметили разработчики.
По их словам, эксперименты показали: точность расчетов достигает 81%. Специалисты уже изучили сгенерированные соединения с помощью компьютерного моделирования, которое выявило, что некоторые из них обладают более высокой активностью, чем зарегистрированный на рынке антибиотик новобиоцин.
Разработанная технология позволит облегчить и ускорить процесс создания лекарств на месяцы, а возможно, и годы, полагают авторы проекта. В перспективе алгоритм можно адаптировать для поиска препаратов против других бактерий, например, сальмонеллы, клебсиеллы, менингококка, а также для создания противовирусных и противогрибковых средств.
Моделирование взаимодействия молекул, то есть эксперимент in silico — важнейшее достижение в современной фармакологии и вообще биологии, пояснил научный сотрудник Института изучения старения Российского геронтологического научно-клинического центра Пироговского университета Михаил Болков.
— Например, зачем пробовать смешивать тысячи соединений и наблюдать за ними в одинаковых условиях опыта, пытаясь найти те, что прореагируют нужным образом, если известны законы химии и физики, по которым это происходит? Моделируя их взаимодействие в программе, ученые избегают траты ресурсов, экономят месяцы и даже годы времени на эксперименты. И только наверняка работающие соединения уже отправятся в реальный эксперимент, чтобы проверить их взаимодействие в клетке, затем в животных и, наконец, в человеке, — сказал он «Известиям».
Проект демонстрирует правильное направление цифровой трансформации фармотрасли — от эмпирического поиска к подходу, ориентированному на анализ данных. При успешном лабораторном подтверждении технология может стать основой для создания биотехнологического стартапа с высоким экономическим потенциалом, считает доцент института экономики и управления УрФУ Максим Колясников.
Применение современных вычислительных средств, в том числе ИИ, действительно позволяет ускорить и удешевить разработку лекарств. Однако, по словам руководителя магистерской программы «Прикладной анализ в медицинской сфере» МФТИ Станислава Отставнова, основная проблема — это не создание соединения-кандидата, а получение препарата, доказавшего свою безопасность и эффективность в ходе доклинических и клинических испытаний.
Эксперт отметил, что 90% теоретически перспективных лекарств не проходят этот путь. Пока не будет проведена лабораторная проверка, праздновать успех преждевременно, резюмировал он.
