Использование генеративного обучения для разработки новых антибиотиков

Новое исследование в области дизайна антибиотиков, при использовании генеративного искусственного интеллекта (ИИ), было проведено международной группой ученых, а его результаты опубликованы в журнале Cell. Новый метод позволяет создавать абсолютно новые соединения с заданными свойствами.

В ходе проекта «Антибиотики-ИИ» Массачусетского технологического института исследователи решили создать при помощи ИИ гипотетические молекулы, которых нет в природе (или которые ещё не обнаружены). Для этого использовалось два подхода: в первом ИИ-алгоритмам поручалось разработать молекулы на основе определенного химического фрагмента с антимикробной активностью, а во втором ИИ свободно генерировал молекулы, без необходимости включать конкретный фрагмент.

Учёные собрали библиотеку из примерно 45 млн химических фрагментов, чтобы найти соединения, способные действовать против бактерии N. gonorrhoeae (грамотрицательная бактерия, вызывающую гонорею). После исключения токсичных и схожих с известными антибиотиками вариантов остался миллион кандидатов, среди которых выделили перспективный фрагмент F1. С помощью двух ИИ-алгоритмов ученые получили 7 млн производных F1, отобрали 1000 наиболее активных и синтезировали два соединения.

Во втором раунде исследований ИИ свободно проектировал молекулы против грамположительных бактерий, в частности, S. aureus (золотистого стафилококка). Алгоритмы сгенерировали более 29 млн соединений, которые затем прошли фильтрацию по тем же критериям, что и для N. gonorrhoeae. Список сократился до 90 кандидатов, из которых удалось синтезировать и протестировать 22 молекулы. Шесть из них показали сильную антибактериальную активность против полирезистентного золотистого стафилококка.

В итоге, из 24 синтезированных по предсказаниям ИИ соединений 7 продемонстрировали селективную антибактериальную активность. Два ведущих соединения проявили бактерицидную эффективность против мультирезистентных штаммов и уникальные механизмы действия, что критически важно для преодоления устойчивости.

Используемые методы позволят исследовать потенциал ИИ для разработки препаратов против других опасных бактерий, таких как Mycobacterium tuberculosis (возбудитель туберкулёза) и Pseudomonas aeruginosa (синегнойная палочка).

С более подробной информацией можно ознакомиться на странице источника.