Изкуственият интелект преся 12 милиона съединения и откри нов клас антибиотици

В края на 2023 г. изследователи от Масачузетския технологичен институт (MIT) съобщиха за нещо, което дълго време изглеждаше извън обсега на изкуствения интелект: с помощта на дълбоко обучение те откриха напълно нов структурен клас съединения, които убиват устойчивия на метицилин стафилокок (MRSA), една от най-опасните болнични бактерии.

Резистентността към антибиотици е сред най-сериозните здравни заплахи на нашето време. По данни на Световната здравна организация през 2019 г. бактериалната резистентност е пряка причина за около 1,27 милиона смъртни случая и допринася за близо 5 милиона смъртни случая по света. Именно тук изкуственият интелект показва едно от най-обещаващите си приложения в медицината от десетилетия насам.

Самият MRSA заразява над 80 000 души годишно само в САЩ и причинява над 10 000 смъртни случая, най-често чрез кожни инфекции или пневмония, а в тежките случаи през сепсис. Проблемът се задълбочава от факта, че през последните десетилетия почти не се появяват нови класове антибиотици: разработването им е бавно, скъпо и рядко печелившо, затова много фармацевтични компании се оттеглиха от тази област. Точно този застой прави новия резултат толкова важен.

Ключовото постижение не е самото откритие, а че екипът успя да „отвори черната кутия“ и да види на какви структурни признаци се опира моделът, когато предсказва кои молекули биха действали като антибиотик.

Как моделите отвориха черната кутия

Изследователите обучиха модел за дълбоко обучение, като първо тестваха около 39 000 съединения за активност срещу MRSA и подадоха резултатите заедно с химичната структура на всяка молекула. Обученият модел вече можеше да оцени вероятността всяко ново подредение от атоми и връзки да е антибактериално.

За да разберат защо моделът взема тези решения, авторите адаптираха алгоритъм, познат като търсене по дървото на Монте Карло, същият подход, който направи по-разбираеми системи като AlphaGo. Така моделът посочва не просто дали дадена молекула е активна, а кои нейни подструктури вероятно отговарят за тази активност. Досега подобни модели бяха „черни кутии“: пресяваха милиони молекули и връщаха кандидати, но никой не можеше да каже на какво точно се опира предсказанието. Тази прозрачност е решаваща, защото позволява на химиците да проектират следващите съединения целенасочено, вместо да разчитат на сляпо търсене.

За да отсеят токсичните кандидати още преди лабораторията, изследователите обучиха три допълнителни модела, всеки предсказващ вредата върху различен тип човешки клетки. Комбинирайки прогнозите за антимикробна активност с тези за безопасност, те стесниха огромния списък до шепа съединения, които обещават да убиват бактерии, без да навредят на организма.

• Съединения за обучение, тествани срещу MRSA: около 39 000
• Комерсиално достъпни молекули, пресети от моделите: около 12 милиона
• Открити структурни класа кандидати: 5
• Закупени и тествани в лаборатория съединения: около 280
• Водещи кандидати от един и същ клас: 2, намаляващи MRSA десетократно при мишки

Не първият успех на екипа

Групата на Колинс работи по темата от години. През 2020 г. същият подход доведе до халицин, съединение с необичайна структура, активно срещу широк спектър бактерии. През 2023 г. екипът представи и абауцин, насочен срещу Acinetobacter baumannii, друг труден болничен патоген. Всяко от тези открития показва, че методът не е еднократен късмет, а работеща стратегия, която може да се насочва към различни бактерии. Всичко това е част от проекта Antibiotics-AI в MIT, чиято цел е откриване на нови класове антибиотици срещу седем вида смъртоносни бактерии в рамките на седем години. Изборът да се търсят цели нови структурни класове, а не малки промени по вече познати молекули, е съществен: именно новите класове са най-трудни за откриване и най-ценни срещу устойчивите щамове.

Какво следва

Новите съединения показват ниска токсичност към човешки клетки. Това ги прави обещаващи лекарствени кандидати. А изглежда убиват бактериите, като нарушават електрохимичния градиент през клетъчната им мембрана. До реално клинично приложение обаче остават години на изпитвания. Значението е в друго: за първи път от много време учените имат инструмент, който снижава цената на ранното откритие с порядъци и прави разбираемо защо една молекула работи. Не защото проблемът е решен, а защото се появи начин да ускорим търсенето в област, която стагнира от десетилетия.