Российские ученые создали систему с искусственным интеллектом, которая самостоятельно ищет вещества, потенциально подходящие для антибиотиков. Уже выявлено 56 соединений, которые могут стать эффективными против лекарственно-устойчивых штаммов кишечной палочки. Далее исследователям предстоит в лабораторных условиях проверить свойства выделенных молекул. Хотя далеко не все выявленные препараты дойдут до применения на практике, эксперты отмечают, что данный подход позволит существенно сократить время разработки новых лекарств на месяцы или даже годы. Разработчики системы утверждают, что в дальнейшем алгоритм смогут адаптировать для поиска средств против вирусов и грибков.

В Университете ИТМО был создан алгоритм на базе искусственного интеллекта, который автоматически отбирает молекулы-кандидаты для создания новых антибиотиков. Система ищет соединения, к которым бактерии не смогут быстро развить резистентность.

Данный подход уже применили на практике, и с его помощью определили 56 новых соединений, способных лечить кишечную палочку — бактерию, вызывающую тяжелые инфекции желудочно-кишечного тракта.

— В лаборатории сейчас проводят эксперименты, чтобы проверить реальную активность найденных соединений. Из множества молекул, отобранных расчетными методами, обычно лишь одну-две удается подтвердить на практике. При успешных результатах мы подумаем о патентовании. Сейчас мы ищем подходящую лабораторию, — поделилась с «Известиями» одна из авторов проекта, инженер Передовой инженерной школы ИТМО и аспирантка Анастасия Орлова.

Антибиотики воздействуют на белки патогенных микроорганизмов, подавляя их рост и размножение. Однако со временем эффективность препаратов снижается, поскольку бактерии меняют свои белки, чтобы лекарства перестали на них действовать. Этот процесс называется антибиотикорезистентностью. Для борьбы с этим явлением ученые во всем мире ищут вещества, к которым патогены еще не адаптировались. Тем не менее, со временем бактерии могут выработать устойчивость и к новым лекарствам, и противостояние между фармацевтикой и инфекциями продолжается.

Для отбора новых антибиотиков применяется высокопроизводительный скрининг — специалисты проверяют молекулы из баз данных по критериям отсутствия токсичности, связывания с целевыми белками и возможности лабораторного синтеза, рассказали разработчики. Этот процесс обычно занимает недели и не позволяет создавать принципиально новые молекулы.

Машинное обучение помогает решать эту задачу, однако существующие алгоритмы не совершенны: многие создают активные молекулы только для одного белка, чего часто недостаточно для разработки эффективных антибиотиков, устойчивых к быстрой адаптации бактерий.

Разработанный алгоритм ищет соединения, которые одновременно способны воздействовать на два белка. Для борьбы с резистентными штаммами кишечной палочки он выдвинул 56 молекул на основе бензимидазола. На рынке пока мало лекарств с таким компонентом. В отличие от аналогов, новая система генерирует молекулы с учетом множества свойств и гарантирует их возможность синтеза. ИИ принимает во внимание отсутствие токсичности и побочных эффектов, связывание с целями, схожесть с известными лекарствами и биологическую активность, объяснили разработчики.

По их словам, точность расчетов достигает 81%. Сгенерированные молекулы исследовали при помощи компьютерного моделирования, которое показало, что некоторые из них обладают более высокой активностью, чем зарегистрированный антибиотик новобиоцин.

Созданная технология позволит ускорить разработку лекарств на месяцы и даже годы, считают авторы. В будущем алгоритм можно настраивать для поиска препаратов против других бактерий — например, сальмонеллы, клебсиеллы, менингококка — а также для создания противовирусных и противогрибковых средств.

Моделирование взаимодействия молекул, известное как эксперимент in silico, является важным достижением в современной фармакологии и биологии, пояснил научный сотрудник Института изучения старения Российского геронтологического научно-клинического центра Пироговского университета Михаил Болков.

— Например, зачем испытывать тысячи соединений в эксперименте, пытаясь отыскать те, что проявят нужную реакцию, если можно смоделировать взаимодействия на основе известных законов химии и физики? Такой подход экономит ресурсы и сокращает сроки исследований на месяцы и даже годы. И только надежно работающие молекулы проходят затем испытания в клеточных культурах, животных и, наконец, у человека, — рассказал он «Известиям».

Проект служит примером успешной цифровой трансформации фармотрасли — от эмпирического поиска к аналитическому подходу, основанному на данных. При положительном лабораторном подтверждении данная технология может лечь в основу биотехнологического стартапа с высоким экономическим потенциалом, отметил доцент института экономики и управления УрФУ Максим Колясников.

Использование современных вычислительных методов, включая искусственный интеллект, действительно ускоряет и удешевляет создание лекарств. Тем не менее основная сложность заключается не в поиске молекул-кандидатов, а в проведении доклинических и клинических испытаний для подтверждения безопасности и эффективности препарата, подчеркнул руководитель магистерской программы «Прикладной анализ в медицинской сфере» МФТИ Станислав Отставнов.

Эксперт добавил, что примерно 90% теоретически перспективных лекарств не проходят этапы испытаний. До проведения лабораторной проверки преждевременно говорить о успехе, подытожил он.