В Molecular Systems Biology опубликована работа о SyntheMol-RL — системе на базе ИИ, которая проектирует молекулы-кандидаты для новых антибиотиков. В исследовании модель работала с химическим пространством примерно из 46 млрд соединений и помогла найти молекулу synthecin. Ее затем проверили на мышиной модели раневой инфекции, вызванной MRSA — устойчивым к метициллину золотистым стафилококком.
SyntheMol-RL разработали исследователи из McMaster University вместе с коллегами из Stanford. Это новая версия SyntheMol: прежний подход уже применяли для поиска антибактериальных молекул, а новая система использует обучение с подкреплением и может учитывать сразу несколько свойств. В этой работе ее настраивали на два критерия: активность против золотистого стафилококка и растворимость в воде. Для потенциального лекарства это важно: молекула может хорошо работать в лабораторном тесте, но оказаться неудобной для дальнейшей разработки из-за плохих физико-химических свойств.
SyntheMol-RL не просто просматривает базу известных веществ. Модель собирает новые молекулы из доступных химических «деталей» — строительных блоков и заранее заданных реакций, по которым такие соединения затем можно получить в лаборатории. Так исследователи обходят одну из частых проблем генеративного ИИ в химии: модель может предложить красивую структуру на экране, но ее будет невозможно или слишком трудно синтезировать.
После отбора команда синтезировала и проверила 79 соединений, предложенных SyntheMol-RL и не совпадавших с обучающей выборкой. Из них 13 показали сильную активность против стафилококка в лабораторных тестах, а 7 прошли фильтры структурной новизны по сравнению с известными антибиотиками. Самым заметным результатом стал synthecin: его сделали в форме местного средства и проверили на мышах с раневой MRSA-инфекцией. У обработанных животных бактериальная нагрузка оказалась значительно ниже, чем в контрольной группе.
Это не значит, что ИИ уже «создал новый антибиотик» в клиническом смысле. Synthecin пока находится на ранней доклинической стадии: исследователям еще нужно понять механизм действия, оценить безопасность, токсичность и перспективы дальнейшей разработки. Но работа хорошо показывает, куда движется ИИ-поиск лекарств: от простого ранжирования известных молекул к проектированию новых соединений, которые можно синтезировать и быстро проверить в лаборатории.
P.S. Поддержать меня можно подпиской на канал «сбежавшая нейросеть«, где я рассказываю про ИИ с творческой стороны.
ссылка на оригинал статьи https://habr.com/ru/articles/1027800/