Разработка и вывод нового лекарственного препарата на рынок занимает в среднем 12−14 лет и стоит примерно $2,3 млрд. Использование алгоритмов машинного обучения на каждом этапе разработки лекарств позволяет уменьшить этот срок до 4−5 лет. И сэкономить, как подсчитали в Глобальном институте McKinsey, до $110 млрд ежегодно.
Например, нейросети позволяют ученым создавать молекулярные структуры, нацеленные на патогены, устойчивые к традиционным антибиотикам. А еще берут на себя выполнение объемных и трудных задач вроде поиска «мишени» — молекулы или клетки в организме, на которую лекарство сможет воздействовать, чтобы устранить болезнь.
Для поиска такой мишени используется анализ больших объемов информации: ИИ изучает научные статьи, патенты и клинические данные, применяя статистические методы, чтобы выделить ключевые структуры или процессы, которые можно использовать в лечении. Когда нужная мишень найдена, ИИ помогает создавать молекулы лекарства, которые будут эффективно воздействовать на мишень и не вызывать побочные эффекты у человека.
Помощь ИИ здесь неоценима, так как своими силами люди не успевают исследовать все разнообразие возможных соединений: потенциальных молекул, способных работать как лекарство, больше, чем человечество может изучить за несколько сотен лет.
1. Халицин: антибиотик нового поколения
В 2020 году исследователи из Массачусетского технологического института (MIT) создали новый антибиотик, который они назвали халицин. Название было дано в честь компьютера HAL 9000 из фильма «Космическая одиссея», потому что именно ИИ стал ключевым инструментом для его открытия.
Халицин проявил способность убивать опасные бактерии, которые устойчивы к большинству современных антибиотиков, включая такие патогены, как Escherichia coli и Acinetobacter baumannii. Эти бактерии сложно лечить из-за их способности быстро адаптироваться к существующим лекарствам.
Для поиска халицина исследователи обучили ИИ-модель анализировать огромные наборы данных, содержащие информацию о структуре и свойствах молекул. Модель обработала более 100 млн химических соединений за несколько дней, после чего предложила несколько новых соединений. Среди них оказался и халицин, который эффективно убивал устойчивые бактерии необычным способом — разрушая мембрану клеток и нарушая жизнедеятельность бактерий настолько, что они утрачивали способность выработать устойчивость к антибиотику.
ИИ обнаружил первые новые антибиотики за последние 30 лет. И это открытие стало возможным благодаря способности нейросетей быстро и точно анализировать информацию. Обычные ученые занимались бы этим несколько лет.
2. INS018_055 — лекарство от идиопатического легочного фиброза
Компания Insilico Medicine разработала препарат INS018_055 для лечения идиопатического легочного фиброза (ИЛФ) — тяжелого заболевания легких, при котором ткани легких постепенно рубцуются, затрудняя дыхание. ИЛФ считается хроническим и плохо поддается лечению, а на ранних стадиях его сложно диагностировать. В рамках работы над INS018_055 компания применила технологии искусственного интеллекта для анализа накопленных за годы исследований генетических и клинических данных. Это помогло точно определить молекулярные структуры в организме, которые участвуют в развитии ИЛФ и на которые можно воздействовать для замедления или остановки заболевания.
Используя полученные от нейросети данные, исследователи из Insilico Medicine создали соединение, которое способно воздействовать на молекулярные механизмы болезни. Считается, что это может помочь контролировать заболевание и снизить темпы повреждения легочной ткани. Препарат уже достиг стадии клинических испытаний на людях, что является важным этапом проверки его эффективности и безопасности.
3. SyntheMol — ИИ-платформа для борьбы с острыми бактериальными инфекциями
Университет Макмастера разработал платформу SyntheMol, использующую искусственный интеллект для борьбы с бактерией Acinetobacter baumannii и другими устойчивыми к антибиотикам инфекциями. ИИ-платформа помогает исследователям генерировать новые молекулы, которые могут стать основой для препаратов, способных преодолевать защитные механизмы таких бактерий.
Чтобы создать SyntheMol, исследователи взяли библиотеку из 132 000 молекулярных фрагментов — своеобразных «деталей», как в наборе Lego, которые можно соединять по-разному. Эти фрагменты объединили с набором из 13 химических реакций, что позволило создать около 30 млрд возможных комбинаций для поиска молекул с антибактериальными свойствами.
Для сортировки молекул использовали еще одну модель ИИ, которая оценивала потенциальную токсичность соединений. Это позволило отобрать шесть молекул, которые показали сильное антибактериальное действие против Acinetobacter baumannii и при этом оказались безопасными.
В основе работы SyntheMol лежит способность ИИ анализировать биомолекулярные характеристики целевых бактерий. Нейросеть моделирует потенциальные взаимодействия между молекулами и бактериальными клетками, определяя структуры, которые будут наиболее эффективны в борьбе с инфекцией. ИИ также оценивает возможные мутации бактерий и предсказывает, как новое соединение сможет справляться с ними, что делает создаваемые молекулы эффективными даже в случаях множественной лекарственной устойчивости (когда бактерия устойчива к нескольким видам антибиотиков).
Благодаря SyntheMol ученые получили возможность тестировать и оптимизировать молекулы на ранних этапах создания лекарства.
4. Российская платформа Syntelly
Российская платформа Syntelly, созданная при поддержке Сколковского института науки и технологий (Сколтех) и Научно-технологического университета «Сириус», использует искусственный интеллект для анализа свойств химических соединений, что помогает ускорить и улучшить процесс разработки новых лекарств.
Основное преимущество Syntelly — это огромная база данных, в которой содержится информация о 96 миллионах молекул, их токсикологических и физико-химических характеристиках. Благодаря модели машинного обучения платформа способна точно прогнозировать поведение молекул, определяя соединения с наибольшим терапевтическим потенциалом.
Платформа особенно полезна на стадии доклинических исследований. Как правило, для разработки лекарства требуется множество этапов тестирования на безопасность и эффективность. Благодаря ИИ можно сократить время и снизить риски, связанные с проверкой новых соединений. Ученые получили возможность сразу исключить молекулы, которые вызывают нежелательные реакции или не обладают необходимыми лечебными свойствами.
Создавай, но проверяй
Несмотря на активное развитие биомедицины с использованием ИИ, ученые призывают осторожно относиться к сгенерированным нейросетями лекарствам. Результат работы ИИ зависит от качества данных, на которых его обучали. Неполные, устаревшие или нерепрезентативные данные могут привести к ошибочным выводам и проблемам на этапах исследований и разработок. Кроме того, автоматизация и скорость анализа хотя и полезны, могут привести к ошибкам на ключевых этапах исследований, если не будет обеспечен должный контроль со стороны специалистов.
Поэтому создание лекарств при помощи нейросетей — это нужный и важный проект. Но результаты обязательно нужно перепроверять на всех этапах, чтобы минимизировать возможные риски.
