Около пяти миллионов смертей в 2021 году были связаны с устойчивостью бактерий к антимикробным препаратам, а к 2050 году этот ежегодный показатель может примерно удвоиться. При этом новых классов антибиотиков не появлялось 50 лет, говорит биоинженер Сесар де ла Фуэнте, чья междисциплинарная лаборатория ищет антимикробные кандидаты. Большая часть современных разработок сосредоточена на модификации существующих лекарств или поиске в знакомых классах химических соединений, но такой подход даёт всё меньшую отдачу.
Лаборатория де ла Фуэнте начинает с менее изученного места — кода жизни. Центральная идея работы в том, что биология — это информационная система. «Нуклеотиды, из которых состоит ДНК, и аминокислоты, из которых состоят белки и пептиды, — это что-то вроде алфавита, — говорит де ла Фуэнте. — Взгляд на биологию как на информацию позволил нам разработать методы, которые начинают расшифровывать организующие принципы жизни, породившие функциональную молекулу». Глубокие модели лаборатории обучены распознавать паттерны в биологических последовательностях и искать потенциальные антимикробные молекулы в огромных массивах геномных и белковых данных. Такой подход может сократить начальный поиск кандидатов с нескольких лет до часов.
| Показатель | Значение |
|---|---|
| Смертей, связанных с антимикробной резистентностью бактерий, в 2021 году | около 5 млн |
| Прогноз ежегодной смертности к 2050 году | примерно вдвое больше |
| Срок появления новых классов антибиотиков | 50 лет |
| Сокращение начального поиска кандидатов | с нескольких лет до часов |
Помимо собственных ИИ-моделей лаборатория использует ChatGPT и Codex, чтобы генерировать гипотезы, писать и дорабатывать код, обрабатывать наборы данных, анализировать результаты и связывать идеи из разных научных дисциплин. Только часть генома имеет ясную функцию, и ещё меньше участков кодируют молекулы, способные бороться с инфекционными микробами. Задача — выявить паттерны, которые делают молекулу функциональной, биологически активной, а затем определить, какие из них могут противодействовать инфекционным микробам. Учёные давно ищут антимикробные вещества в растениях, животных, микробах, насекомых, воде и почве: собирают образцы, выделяют или предсказывают кандидатов и проверяют их в итеративном процессе, который может занимать годы.
Лаборатория де ла Фуэнте рассматривает биологию как информационную систему: нуклеотиды ДНК и аминокислоты белков — это алфавит, а глубокие модели ищут в нём функциональные паттерны.
Цифровые геномные и белковые базы данных позволяют искать новые соединения по всему дереву жизни, резко расширяя доступные для исследования массивы. Но обилие информации создаёт свою проблему: нужно найти перспективные сигналы среди огромного числа возможностей. ИИ хорошо подходит для такой задачи поиска иголки в стоге сена. Он сканирует большие наборы данных, выявляет паттерны, которые исследователям трудно заметить, и отбирает управляемый набор кандидатов для экспериментальной проверки.
Однако найденный перспективный кандидат не обязательно станет эффективным лекарством. Сначала нужно подтвердить, что молекула убивает целевой микроб, определить необходимую для этого дозу и проверить, как она влияет на человеческие клетки. Затем химики могут оптимизировать её для повышения эффективности, безопасности или стабильности. Дальнейшие тесты оценивают дозу, при которой кандидат становится токсичным, как быстро микробы развивают устойчивость к молекуле и как она перемещается по организму. Команды также определяют надёжный способ производства молекулы. Кандидаты, прошедшие эти этапы, всё ещё сталкиваются с регуляторной проверкой и клиническими испытаниями, прежде чем попасть к пациентам в качестве одобренных антимикробных препаратов.
Для де ла Фуэнте именно поэтому ИИ и лабораторная биология должны развиваться вместе. «Эксперименты с реальными данными необходимы для проверки предсказаний ИИ, — говорит он. — Это будет критически важно в науках о жизни в ближайшие годы, если мы хотим продолжать царапать поверхность нашего понимания биологии — самой сложной вещи из существующих». Его лаборатория исследует геномы живых и вымерших организмов в поисках молекул-кандидатов. Поиск по этим геномам, понимание того, как формируются и функционируют кодируемые ими белки, и определение того, что делают эти молекулы, требуют экспертизы из нескольких областей.
«Мы очень трансдисциплинарная группа, у нас есть люди из биологии, химии, информатики, инженерии», — говорит де ла Фуэнте. Некоторые члены лаборатории сильны в программировании, но меньше знают о биологии или химии, и наоборот. Codex и ChatGPT помогают преодолевать эти разрывы: биологи могут писать программы, а программисты — браться за биологические задачи. В этом смысле ИИ снижает барьеры между научными дисциплинами. Он помогает членам лаборатории разбираться в незнакомых темах, нужных для междисциплинарной работы, уточнять терминологию, сравнивать методы из разных областей и организовывать идеи для поиска лекарств. Другие используют ИИ для загрузки, организации и предварительной обработки больших геномных наборов данных.
