Слепой поиск новых частиц (и не только частиц), часть 2: фармацевтический домен и что в нём нашлось

В этом прогоне получились все три исхода, которые хотелось увидеть в одном эксперименте. Система независимо восстановила уже известные терапевтические направления; оставила несколько комбинаций, для которых точный prior art в целевом поиске не нашёлся; а в одном случае вообще отказалась выбирать между противоречащими публикациями и сообщила, что самой постановке задачи не хватает координаты. Во втором похожем случае она предложила новые координаты — а затем статистическая проверка показала, что они не переносятся за пределы маленькой выборки. Пространство поиска кандидатов на столько огромно, что при существующих технологиях нельзя его всё прочитать, но можно сканировать направленно, адаптивно!

То есть главный результат ниже — не список «новых лекарств», а попытка прощупать это пространство. Это проверка того, умеет ли система различать rediscovery, research gap, missing axis и собственное переобучение. Продолжение первой статьи. Коротко для тех, кто не читал: у нас есть domain-neutral архитектура, написан код, это система которая генерирует исследовательские кандидаты слепым способом — сначала кондидат замораживается, а только потом система узнаёт, что она вообще выбрала, — и проводит её через цепочку гейтов до фальсифицируемой гипотезы. В первой статье — это была физика частиц, здесь — новый домен: фармацевтические исследовательские гипотезы, но есть и другие домены.

Оговорка: всё ниже — исследовательские гипотезы, требующие независимого подтверждения, а не готовые лекарства. Метод генерации и ранжирования координат мы по-прежнему не раскрываем — только сами найденные кандидаты, их механизмы и то, как их можно проверить самостоятельно.

И сразу — честная граница того, что доказывает эта статья, а что нет. Ниже показано, что система умеет ориентироваться в уже существующем научном пространстве: находить неопубликованные комбинации известных мишеней, модальностей и заболеваний, и — что важнее — определять, когда самого набора координат недостаточно для объяснения данных. Это не то же самое, что доказательство способности расширять пространство генуинно новыми параметрами на систематической основе. Ниже будет показан один настоящий случай рождения нового параметра целиком, с аудиторским следом до и после, — но это один случай, не статистика по многим. Самый сильный возможный тест этой способности — слепое восстановление того, что наука открыла после даты отсечки знаний системы, без права видеть будущее до заморозки гипотезы. Мы такой тест ещё не проводили; ниже объясняется, почему это следующий логичный шаг, а не результат этой статьи.

Формальная постановка

Фармацевтическая координата — это кортеж мишень × модальность × путь введения × локализация × показание. Каждая координата проходит шесть гейтов:

Из них четыре — критические. Гипотеза сохраняется как исследовательская, если ни один критический гейт не провалился:

OPEN внутри этой формулы — не «вероятно да», а «недостаточно данных»; статус RETAIN при наличии OPEN-гейтов означает не подтверждённую эффективность, а список того, что именно ещё нужно измерить.

Масштаб системы

Прежде чем описывать конкретные кандидаты гипотез, стоит сказать, из какого пространства они вообще взяты. Реестр параметров сейчас разбит на 13 доменов (можно и расширить):

Шесть доменов — mathematics, metrology, physics, mechanics, chemistry, materials_science — обязательное ядро, без которого система не запускается вообще. Пять — biology, pharmaceutical, earth_systems, astronomy, aeronautics_and_aerostation — подключаемые предметные области. Ещё два — systems_control и quantum_information_and_computational_methods — методологический и вычислительный слои, обслуживающие остальные домены, а не отдельная предметная область сама по себе.

Реестр не статичен. За время работы над фармацевтическим доменом число параметров выросло с 604 (снимок на момент первой статьи) до 619 — и весь этот прирост, все 15 новых параметров, пришёлся именно на pharmaceutical (с 44 до 59): ни один из 12 остальных доменов не менялся. Эти параметры не должны попадать в канонический реестр простым редактированием domain manifest: архитектура требует отдельного admission receipt, заранее объявленного falsifiable-критерия и проверки на избыточность относительно уже существующих параметров. Забегу чуть вперед, расскажу — эта система помогает мне строить квантовый эмулятор нового поколения, который максимально (предположительно) должен быть приближен к реальному. Код в стадии отладки и тестирования. Ну а в этой статье мы не предъявляем provenance всех 15 по отдельности, поэтому сам факт роста реестра не используем как доказательство автономного открытия новых параметров.

Из 13 доменов реально «упражнялись» — то есть довели хотя бы одну координату до полного цикла гейтов и внешней проверки — пока четыре: физика частиц (ParticleSpace), нейтринная физика, аэроупругость и теперь фармацевтика. Biology, chemistry, materials_science, astronomy, earth_systems зарегистрированы и валидны, но ещё не проверены (тестировались на открытие новых кандидатов без валидации и проверок) на настоящей исследовательской задаче — это прямой список того, куда система расширяется дальше.

Найденные кандидаты

В одном из прогонов зафиксировано 12 координат. После открытия литературы (уже после заморозки, не до) четыре остались как research gap — точное сочетание мишень×модальность×показание не нашлось в целевом поиске, — пять независимо совпали с уже опубликованными направлениями (это положительный контроль метода), три отклонены по прямым научным причинам.

Сначала — три наиболее содержательных механистических кандидата. Затем — более важный поворот: случаи P2X7 и TLR7, где система упёрлась не в отсутствие лекарства, а в недостаточность самого пространства параметров.

PHI-DRUG-51D0317B96A9DB9B: TWIST1 как бистабильный переключатель фибробласта

TWIST1 — не рецептор и не фермент на поверхности клетки, а внутриядерный транскрипционный фактор (basic helix-loop-helix). До него снаружи не дотянуться антителом — отсюда выбор модальности: малая интерферирующая РНК (siRNA), двухцепочечный РНК-дуплекс длиной около 21–23 нуклеотидов. После доставки в цитоплазму клетки одна из цепей (guide strand) встраивается в белковый комплекс RISC (RNA-Induced Silencing Complex) на основе белка Argonaute; направляемый ею комплекс находит комплементарную последовательность в мРНК TWIST1 и разрезает её, снижая синтез белка — это один из прямых способов снизить экспрессию внутриклеточного транскрипционного фактора на уровне его мРНК.

Механизм, ради которого координата выжила после литературного поиска, — положительная обратная связь:

Это задокументированный бистабильный ON/OFF переключатель активации фибробласта: в состоянии покоя контур выключен, но при патологическом стимуле (например, TGF-β1) фиксируется во включённом состоянии необратимо и дальше поддерживает сам себя, даже если исходный стимул уже исчез, — именно поэтому фиброз не проходит сам по себе. TWIST1-siRNA как технология уже существует, есть более ранний патент в онкологическом контексте — новизна не в молекуле, а в комбинации: точечное выключение именно этого контура именно в кардиальном фибробласте при HFpEF-ассоциированном фиброзе миокарда ранее в целевом поиске не встретилось.

PHI-DRUG-2127C6F7E5CFED19: деградация вместо ингибирования

USP30 — деубиквитиназа (deubiquitinating enzyme), заякоренная на внешней мембране митохондрии, часть контроля качества митохондрий: она снимает убиквитиновые метки с белков внешней мембраны, тем самым тормозя запуск митофагии — процесса утилизации повреждённых митохондрий. Опубликованный путь:

Ингибиторы USP30 как класс уже существуют — это малые молекулы, блокирующие каталитический сайт фермента, и патентные заявки уже покрывают их применение при фиброзе печени, лёгких и почек. Выбранная здесь модальность принципиально другая — PROTAC (proteolysis-targeting chimera): не одна молекула, а бифункциональная конструкция из двух «половин», соединённых линкером — одна половина связывается с USP30, другая — с лигандом E3-убиквитинлигазы (типичный выбор — цереблон или VHL). Связавшись одновременно с обеими мишенями, PROTAC физически сближает их, заставляя E3-лигазу пометить USP30 убиквитином для полной деградации в протеасоме. Разница с обычным ингибитором принципиальная: ингибитор блокирует один активный сайт, а деградер убирает белок целиком, включая все его немитохондриальные функции. Вопрос, который остаётся открытым для этого кандидата, — даёт ли полное устранение белка другой, потенциально более выгодный фенотип, чем блокировка одного каталитического центра, или нарушает нормальный контроль качества митохондрий сильнее, чем частичное ингибирование.

PHI-DRUG-D4F603D9BFAC5266: локализация как способ обойти системную токсичность

LOXL3 — лизилоксидаза, медь-зависимый фермент с кофактором LTQ (лизин-тирозилхинон) в активном центре. Она катализирует окислительное дезаминирование ε-аминогруппы остатков лизина и гидроксилизина на боковых цепях коллагена, превращая их в реакционноспособные альдегиды; эти альдегиды затем спонтанно образуют ковалентные сшивки между соседними цепями коллагена — именно эта сшивка (cross-linking) физически превращает мягкую грануляционную ткань в жёсткую рубцовую, что и есть механическая основа стриктуры при болезни Крона. siRNA против LOXL3 (тот же механизм доставки в RISC, что и для TWIST1) уже показывала снижение перехода фибробласт→миофибробласт в независимой публикации по лёгочному фиброзу.

Ключевая деталь этой координаты — не мишень и не модальность, а локализация: local intestinal, а не системное введение. Лизилоксидазная активность нужна и здоровой соединительной ткани по всему организму — кости, кожа, сосуды используют тот же фермент для нормального ремоделирования матрикса, поэтому системное подавление LOXL3 создало бы риск нарушения заживления где угодно. Патентный ландшафт вокруг LOX-семейства при воспалительных заболеваниях кишечника уже достаточно плотный, поэтому статус этого кандидата ниже, чем у первых двух: gap A−, а не gap A.

Поворот: система отказалась выбирать «правильную» статью

До этого места всё ещё можно объяснить обычной рекомбинацией известного: известная мишень, известная модальность, известная болезнь — новая комбинация. Но один кандидат повёл систему в другую сторону. Данные не позволяли честно выбрать, какая публикация «правильная», и система остановила обычный pipeline с диагнозом AXIS_INCOMPLETE.

Набор параметров пространства не считается полным по определению. Если две группы наблюдений невозможно различить уже зарегистрированными координатами, система не обязана выбрать одну публикацию «правильной» и не обязана отвергать гипотезу целиком — она получает статус AXIS_INCOMPLETE и запускает поиск недостающего параметра:

где — текущий набор параметров, — устойчивый остаток или противоречие, которое этот набор объяснить не может, а — кандидат на новый параметр. Новый параметр не становится истиной автоматически: сначала он получает статус RESEARCH_LOCAL_PARAMETER и существует только внутри одной исследовательской области, а переход в канонический реестр требует отдельной, воспроизводимой проверки — той же дисциплины, что мы уже показывали для канонизации параметров в других доменах в первой статье.

Реальный случай: P2X7 и Parkinson

В опубликованных моделях антагонизм P2X7 даёт противоположные результаты (см. ниже, там же — точные цифры). Простая координата (P2X7-антагонист, Parkinson) оказалась недостаточной. Вот полный след того, что произошло дальше.

До. Канонический реестр фармацевтического домена: 59 параметров. Параметра, способного различить механистически разные эндотипы заболевания, среди них нет. Семь первичных/экспериментальных записей дают противоречивые исходы: шесть THERAPEUTIC_SIGNAL и одну NO_NEUROPROTECTION. Именно эти семь записей использовались в исполняемом P2X7 axis-scan.

Кандидат. Система предложила pathophysiologic_endotype — не диагноз, а измеримое механистическое состояние, определяемое заранее объявленным биомаркерным/визуализационным/патоморфологическим классификатором.

Redundancy test. Прежде чем считаться содержательным, кандидат обязан пройти проверку на избыточность: сравнивается с уже существующими параметрами target_population, pharmacodynamic_biomarker, indication — и отклоняется, если то же самое разбиение данных и та же предсказательная информация уже представимы без нового параметра. Здесь тест пройден: ни один из трёх существующих параметров не воспроизводит то же разбиение.

Falsifier, объявленный заранее, а не подобранный под результат. Параметр обязан улучшать предсказание ответа на лечение на отложенных данных по сравнению с одним диагнозом или target_population; если этого не происходит — параметр отклоняется или понижается в статусе.

После. Канонический реестр остался на 59 — новый параметр не канонизирован автоматически. Он существует как research_local-параметр внутри исследовательской области (в этой конкретной проверке — область выросла с 59 до 60 счётных единиц, что и зафиксировано как отдельный, не совпадающий с каноническим, реестр). Тест на неизменность канонического реестра прошёл: canonical_registry_mutated = false.

Аудируемая карточка P2X7/PD

Это не новое пророчество и не исторический precommit: карточка фиксирует уже выполненный воспроизводимый исследовательский кейс и даёт читателю идентификаторы, по которым можно сверить расчёт.

• evidence records: 7;

• outcomes: 6 THERAPEUTIC_SIGNAL / 1 NO_NEUROPROTECTION;

• baseline entropy: 0.5916727785823275 bit;

• canonical pharmaceutical axes: 59 → 59;

• research-region axes: 59 → 60;

• automatic causal-axis selection: false;

• axis-scan digest: 29077206cb724dd8d67a89103149790bb21c910f616ed3ef52f247daeaec40e6;

• executable qualification: 15/15 PASS;

• qualification digest: 09015b1b0ea2d8c131c7d9541368c20956081993f483e5f6f97849378b7c9762.

Фальсификатор тот же, что был задан для research-local параметра: если заранее измеренный endotype не даёт воспроизводимого treatment × endotype interaction и held-out predictive gain, параметр демотируется.

Получилась новая проверяемая гипотеза принципиально другой формы, чем «мишень работает при болезни»:

Она уничтожается экспериментально: если на независимой выборке взаимодействие «лечение × эндотип» равно нулю при заранее объявленном определении эндотипа, гипотеза отвергается.

Почему мы не называем это открытием

Хорошее разделение в маленькой таблице ещё не означает причинности. В отдельном случае TLR7/Alzheimer система точно так же предложила несколько кандидатов на недостающий параметр, но последующая permutation- и leave-one-out-проверка показала, что их предсказательная сила не переносится за пределы исходных девяти наблюдений — итоговый статус там честно AXIS_INCOMPLETE, а не RESEARCH_LOCAL_PARAMETER. Архитектура различает три разных исхода одного и того же механизма:

Из всего, что описано в этой статье, ни один параметр ещё не дошёл до третьего статуса — PARAMETER_PROMOTED. Это честная граница: мы показываем механизм рождения нового измерения задачи, а не свершившуюся канонизацию.

PHI-DRUG-AB576564908D7C2F и PHI-DRUG-EF40DC82E135670C: когда данные противоречат сами себе

P2X7 — лиганд-управляемый ионный канал, тример, активируемый внеклеточным АТФ в концентрациях, которые в норме встречаются только при повреждении ткани (высвобождение АТФ из погибающих клеток) — то есть рецептор физически устроен как сенсор клеточного повреждения. TLR7 — эндосомальный toll-подобный рецептор, распознающий одноцепочечную РНК внутри эндосомы и сигнализирующий через адаптерный белок MyD88 в провоспалительный каскад.

Для обеих мишеней простого обзора литературы недостаточно: сами первичные данные внутренне противоречивы, и здесь уже нужна количественная обработка, а не пересказ статей.

Для TLR7-конфликта собрано девять наблюдений: семь говорят о вреде активации рецептора (TLR7-зависимая нейродегенерация при экзогенном ssRNA, снижение фагоцитоза Aβ42 при активации loxoribine, ухудшение при повторной экспозиции miR-29a-5p), два — о пользе (улучшение поглощения Aβ при остром воздействии той же miR-29a-5p; улучшение когнитивных функций у старых самок при мультигенной активации, где TLR7 — лишь одна из трёх одновременно активированных мишеней). Базовая энтропия исхода:

Для контекстного параметра «тип модели заболевания» (семь различных значений на девять наблюдений) условная энтропия составляет бит, откуда информационный выигрыш:

Для P2X7/Parkinson использовалось семь, а не девять записей: шесть THERAPEUTIC_SIGNAL и одна NO_NEUROPROTECTION. Поэтому базовая энтропия здесь другая:

Пять контекстных измерений получили в этой маленькой таблице IG_norm = 1.0, но у каждого minimum_value_support = 1. Более того, одна положительная запись использует CUMS+MPTP, тогда как отрицательная работа включает MPTP/rotenone: поэтому красивое разделение по disease_model_trigger нельзя интерпретировать как правило «MPTP отрицателен, остальные модели положительны». Это разреженное категориальное разбиение, а не доказанная причина.

Но самый полезный результат здесь получился не у P2X7, а у TLR7: система получила красивый in-sample signal и затем сама проверка его уничтожила. Например, для microglial_state нормализованный information gain равен примерно 0.709, но exact permutation test даёт , а leave-one-out accuracy — 0.667 против 0.778 у банального majority baseline:

Для всех пяти заранее указанных TLR7-контекстных параметров permutation

, а LOO gain неположителен. Поэтому высокая информационная ценность внутри девяти наблюдений не является доказательством переносимой причинной оси.

Именно этот тест вскрыл дефект текущего causal-readiness gate: версия системы разрешала automatic_causal_axis_selection_allowed=true, потому что multi-axis safeguard включался только при IG_{norm}\ge0.90, тогда как TLR7-кандидаты лежали около 0.69–0.71. Это не замалчивается: такой gate должен быть заменён положительным generalization contract — independent-study support + permutation/null test + leave-one-study-out gain — а не просто другим числовым порогом.

То есть обе гипотезы —

— остаются открытыми, фальсифицируемыми гипотезами, а не решёнными вопросами. У P2X7 система остановила причинный выбор из-за confounded low-support partitions; у TLR7 дополнительный generalization audit показал, что красивые оси не переносятся вне исходной выборки. Обе требуют одного и того же типа эксперимента: факторный план с фиксированными видом, антагонистом/агонистом, экспозицией и эндпоинтом, где единственная варьируемая переменная — предполагаемый эндотип, измеренный заранее объявленным биомаркером.

Граничные и совместные случаи

Два направления, которые прямо следуют из того, что описано выше, но требуют отдельного исследования.

Граничные случаи внутри одного домена. Показательный пример — сама пара P2X7/TLR7. Формально это два разных исследовательских конфликта, но оба упираются в одну и ту же статистическую границу: несколько контекстных параметров дают почти одинаковый информационный выигрыш и не различимы между собой при текущем объёме данных (в терминологии системы это называется «неразличимое разбиение» — confounded partition). Это не тупик, а отдельный, хорошо определённый исследовательский вопрос: если два объяснения неразличимы на имеющихся семи-девяти наблюдениях, какой минимальный набор новых экспериментов нужен, чтобы их разделить? Это можно посчитать явно — как в приведённом факторном плане — и это интереснее, чем просто «нужно больше данных».

Совместные, межпредметные исследования. Уже сейчас в архитектуре есть прецедент, показывающий, что один и тот же кандидат может проверяться сразу несколькими независимыми владельцами данных одновременно: нейтринный глобальный фит привязывает DayaBay, KATRIN, T2K и обе ветки Super-Kamiokande к одному неизменяемому идентификатору кандидата, и статистику нельзя посчитать, пока каждый из требуемых источников не отчитался именно по этому идентификатору. Это ровно та конструкция, которая нужна для межпредметных гипотез. Например, координата вида LOXL3-siRNA, упакованная в липидную наночастицу — это не только фармакологический вопрос (мишень, модальность, PK/PD), но и вопрос свойств материала самой наночастицы (стабильность, высвобождение груза, биораспределение) — а materials_science как домен уже зарегистрирован в реестре и ждёт первой такой совместной координаты. То же самое верно для пар chemistry+pharmaceutical (структура малой молекулы и её метаболическая стабильность) или biology+pharmaceutical (клеточная модель заболевания как отдельный, независимо верифицируемый источник evidence, а не текстовое описание внутри одной записи). Ни один из этих составных случаев пока не прогонялся по-настоящему — это прямое продолжение того, что уже построено, а не гипотетическая возможность.

Как это проверяется

Каждое число выше пересчитывается независимо по определению (энтропия и информационный выигрыш — стандартные формулы теории информации, не секрет), каждая ссылка на внешний источник проверяется прямым поиском по содержанию, а не по названию, и там, где это возможно, сам код прогоняется заново на тех же входных данных. Именно так проверены все формулы и статусы клеток в этой статье.

Что в итоге продемонстрировано

Если свести статью к одному рисунку, получаются не «12 лекарств», а четыре разных поведения одной системы:

• GPR35/IBD, FAP/Crohn, HDAC6/AD — независимое восстановление известного: положительный контроль, не открытие.

• TWIST1/HFpEF, USP30/MASH, LOXL3/Crohn — исследовательские gaps: существование точной программы в целевом prior-art поиске не установлено, но это не доказывает мировую новизну.

• P2X7/PD — существующих координат оказалось недостаточно; появилась research-local координата pathophysiologic_endotype, не изменившая канонический реестр.

• TLR7/AD — новые контекстные параметры выглядели сильными внутри выборки, но permutation/LOO-аудит не подтвердил переносимость и одновременно обнаружил слишком permissive gate самой системы.

Последний пункт для нас принципиален. Если система умеет только производить «перспективные кандидаты», ей трудно доверять. Здесь получился более неприятный и поэтому более проверяемый результат: один и тот же механизм умеет сформулировать новую координату и показать, что в другом случае данных для такой координаты пока недостаточно.

Куда расширять дальше

Отдельно — biology, chemistry, materials_science, astronomy и earth_systems уже зарегистрированы в реестре параметров, но ни разу не проверялись на настоящей исследовательской задаче. Если среди читателей есть специалисты в любой из этих областей — это конкретное, полностью специфицированное направление расширения, а не абстрактное «было бы интересно». То же самое верно для мишеней выше и для самого исторического backtest: если у кого-то есть доступ к размеченным по датам публикации научным корпусам — это тот случай, где конкретная экспертиза продвинет дело дальше, чем ещё одна сгенерированная координата.

Экзамен, которого здесь ещё нет — и который нельзя подделать красивой таблицей

Самое убедительное возможное доказательство (с терминологией нужна помощь специалиста) способности выводить genuinely new hypotheses — не разобранный выше случай, а исторический слепой backtest: зафиксировать знания системы на некоторую дату в прошлом (например, только литература до 2010 года), спросить, какого параметра не хватает для объяснения тогдашних противоречий, заморозить ответ — и только после этого открыть литературу 2011–2026 годов и посмотреть, появился ли предсказанный параметр или механизм в реальной науке позже. Если систему прогнать так на нескольких десятках независимых исторических случаев и посчитать что-то вроде доли верных попаданий в топ-k и медианного времени до подтверждения, а не на одном красивом примере, — вот это уже нельзя будет объяснить тем, что система просто знала литературу заранее.