Разработка эффективного лекарства на основе антител — сложная задача. Ученые могут начать с миллионов или даже миллиардов кандидатов, но лишь крошечная их часть подходит. Выявление этих редких вариантов долгое время оставалось одной из главных проблем. Исследователи Бостонского университета разработали специализированную ИИ-модель, которая резко сужает этот поиск. Исследование опубликовано в журнале Communications AI & Computing.
В отличие от обычных белковых моделей, новый подход сосредоточен на CDR-петлях — шести крошечных участках антител, которые непосредственно распознают вирусы, бактерии и раковые клетки. Модель обучали на более чем 1,6 млн пар антител, маскируя до половины аминокислот именно в этих ключевых участках. Это позволило ИИ выучить «язык» антител там, где он действительно важен.
Представьте антитело как отвертку. Неважно, длинная она или короткая — форма наконечника определяет, к какому винту она подходит. CDR-петли подобны этому наконечнику: они определяют, какую мишень распознает антитело.
Результаты впечатляют: модель, содержащая 600 млн параметров, превзошла более крупные аналоги и улучшила прогнозирование силы связывания на 27% на наборах данных с 90 тыс. вариантов антител. При этом она требовала значительно меньше вычислительных мощностей. Это позволяет сузить миллионы возможностей до нескольких сотен наиболее перспективных кандидатов для лабораторного тестирования. В случае новой вспышки инфекции такие инструменты помогут быстрее находить эффективные антитела и адаптировать их под изменяющиеся вирусы.
Ранее Наука Mail писала о том, что российские ученые выявили слабые места ИИ при разработке лекарств.