Новый ИИ-метод ApexGO превращает слабые антибиотики в эффективные

85 процентов пептидов, созданных и оптимизированных искусственным интеллектом, успешно подавили рост болезнетворных бактерий в лабораторных тестах. Это не просто очередной рекорд «цифрового» открытия — впервые ИИ не ищет готовые молекулы, а методично улучшает несовершенные заготовки, превращая их в реально работающие антибиотики. Исследователи из Пенсильванского университета представили систему, которая может перевернуть весь процесс создания новых лекарств.

Почему старый подход исчерпал себя

Большинство современных ИИ-методов антибиотикооткрытия напоминают скрининг огромного банка данных: алгоритм проверяет миллионы соединений в поисках тех, что могут обладать активностью. Этот путь принёс свои плоды, но он ограничен — в реальности химическое пространство возможных пептидов почти бесконечно. ApexGO (сокращение от APEX Generative Optimization) действует иначе: он берёт небольшое количество уже известных, но слабых кандидатов и шаг за шагом вносит в них точные правки, предсказывая, повысят ли они антимикробную активность.

«Антибиотикооткрытие — это по сути задача поиска в огромном молекулярном пространстве, — объясняет соавтор работы Сезар де ла Фуэнте. — ApexGO даёт нам способ перемещаться по нему гораздо более целенаправленно». Метод использует байесовскую оптимизацию, которая помогает алгоритму решать, какой вариант стоит попробовать следующим — не просто самый многообещающий, а тот, который заодно даст модели новые данные для обучения. Это баланс между эксплуатацией известных «горячих точек» и разведкой неизведанных областей, где могут скрываться неожиданные открытия.

Восемьдесят пять процентов — не случайность

Лабораторные испытания подтвердили прогнозы ApexGO с впечатляющей точностью. Из всех молекул, которые алгоритм предложил синтезировать, 85% действительно остановили рост бактерий. Более того, 72% из них оказались эффективнее исходных пептидов, от которых система отталкивалась.

На мышиных моделях два лучших кандидата, созданных ApexGO, снизили количество бактерий до уровня, сравнимого с полимиксином B — мощным антибиотиком резерва, который врачи применяют, когда другие препараты уже не действуют. «ApexGO оптимизировал молекулы на основе другой компьютерной модели, поэтому была опасность, что он найдёт молекулы, выглядящие хорошо в симуляции, но проваливающиеся в реальности, — говорит Джейкоб Гарднер, другой старший соавтор. — Но большинство спроектированных им молекул действительно сработали».

Этот результат особенно важен, потому что преодолевает главное сомнение в отношении ИИ-дизайна: не станет ли он «обманывать» собственный алгоритм, находя ложные срабатывания. Вместо этого система продемонстрировала перенос прогнозов в реальную биологию.

От пенициллена-случайности к системному поиску

История антибиотиков полна счастливых случайностей. Александр Флеминг заметил плесень, подавляющую рост бактерий, — так появился пенициллин. С тех пор принцип поиска почти не изменился: бери всё подряд, проверяй, надейся на везение. «В некотором смысле нам невероятно везло, — отмечает де ла Фуэнте. — ApexGO указывает на более системный путь».

Пространство всех возможных антимикробных пептидов сравнивают с огромным лесом, где нужно найти редкий цветок. Даже короткий пептид можно изменить астрономическим числом способов — вручную синтезировать и проверить каждый вариант невозможно. ApexGO обходит это ограничение, просчитывая модификации за несколько месяцев. «Мы запустили его всего на несколько месяцев и нашли сотни кандидатов, — говорит Гарднер. — А если запустить на год — сколько тысяч мы сможем обнаружить?»

Лекарства по требованию: что дальше

Пока рано говорить, что ApexGO уже готов поставлять препараты в аптеки. Лучшие пептиды — лишь ранние кандидаты. Им предстоит пройти оптимизацию на безопасность, стабильность и длительность действия в организме человека. Тем не менее сам подход меняет правило игры: вместо того чтобы вслепую синтезировать сотни молекул и надеяться, что одна сработает, исследователи теперь могут отсеивать варианты, которые заведомо неэффективны, ещё на стадии компьютерного моделирования.

Авторы подчёркивают, что метод не ограничен антибиотиками. «Мы нацелились на антимикробную активность, — объясняет де ла Фуэнте. — Но ту же схему можно применить к пептидам, модулирующим иммунную систему, или к молекулам, нацеленным на опухоли». Лаборатория Гарднера уже экспериментирует с ИИ-агентами, способными не просто перебирать варианты, но и осмысленно рассуждать о дизайне, опираясь на научные знания.

В мире, где устойчивость бактерий к антибиотикам растёт с пугающей скоростью, каждый месяц поиска на ощупь может стоить жизней. ApexGO показывает, что ИИ способен не только предсказывать, какие молекулы могут работать, — он может делать их сильнее там, где человеческие возможности упираются в потолок. Сколько ещё спящих кандидатов ждут своей очереди в этом бескрайнем химическом лесу? И сможем ли мы когда-нибудь «выращивать» лекарства по требованию, вместо того чтобы искать их вслепую?