ИИ ускоряет создание антибиотиков и расшифровку их действия

К 2050 году инфекции с лекарственной устойчивостью могут унести 39 миллионов жизней, превращая поиск новых препаратов в критическую задачу. Ученые нашли выход в нейросетях: алгоритмы теперь не просто перебирают миллионы молекул в поисках кандидатов, но и детально объясняют механизм их воздействия на бактерии, радикально сокращая время на лабораторные тесты.

Команда Джонатана Стоукса из Университета Макмастера применила ИИ-систему DiffDock, чтобы разобраться в работе нового антибиотика энтерололина. Вместо месяцев рутинных биохимических экспериментов алгоритм, созданный специалистами MIT под руководством Регины Барзилай, предсказал, с какими именно белками кишечной палочки взаимодействует молекула. Это позволило исследователям сфокусироваться на прицельных тестах и подтвердить избирательность препарата, не затрагивая полезную микрофлору.

Подобные подходы меняют экономику фармацевтики, где разработка новых средств часто считается убыточной. Ранее нейросеть Chemprop помогла найти антибиотик галицин, эффективный против туберкулеза и внутрибольничных инфекций. В свою очередь, исследователи из Пенсильванского университета пошли еще дальше: их система APEX обнаружила тысячи потенциальных лекарств в белках вымерших видов, включая гигантских ленивцев. Затем генеративная модель ApexGO научилась проектировать новые соединения с нуля — 86% из них показали активность в лаборатории.

Хотя нейросети пока не исключают работу в пробирке, они становятся полноценными участниками процесса. Многие предложенные ими молекулы оказываются нестабильными или сложными в производстве, но способность алгоритмов экономить время на отсеве нежизнеспособных вариантов делает их незаменимыми в борьбе с растущей резистентностью бактерий.