Современные технологии ИИ позволяют ускорить и оптимизировать поиск новых лекарственных препаратов. Как это работает и какие перспективы открываются для науки, рассказал Алексей Александрович Лагунин, доктор биологических наук, профессор РАН, заведующий кафедрой биоинформатики Института биомедицины Пироговского Университета Минздрава России.
Сегодня лекарственные препараты — не просто результат интуиции учёного или удачного стечения обстоятельств, как это было сто лет назад. Мы живём в эпоху, когда на помощь ученым пришёл искусственный интеллект. Современные технологии помогают не просто ускорить процесс разработки лекарств, но и сделать его точнее, безопаснее и эффективнее.
Как раньше искали лекарства
До середины XX века большинство лекарств находили почти случайно. Пенициллин — яркий тому пример. Позже, с развитием биологии, химии и медицины, началось тестирование на животных, а затем и в лабораториях, на клетках и белках. Это дало ощутимый прирост появления новых препаратов. Однако, даже это имело ограничения: тестирование на животных требует ресурсов, времени и связано с этическими вопросами.
Почему нужны новые подходы?
На Земле известно около 10 тысяч болезней, а лекарств — в разы меньше. Особенно остро стоит проблема в онкологии: почти каждый случай рака уникален, потому что у разных опухолей — разные генетические мутации. И значит, нужны разные подходы к лечению.
Создание одного лекарства занимает в среднем 10–15 лет и требует сотен миллионов долларов. Только 1 из 10 проектов доходит до аптек. Поэтому крайне важно оптимизировать каждый этап разработки. Здесь и вступают в игру цифровые технологии.
Компьютерное моделирование и ИИ в действии
Процесс разработки лекарства можно условно разделить на несколько этапов:
- Поиск мишени — белка, воздействие на который даст лечебный эффект.
- Поиск активного соединения — молекулы, способной взаимодействовать с этим белком.
- Оптимизация — улучшение свойств молекулы (эффективность, безопасность, биодоступность).
- Доклинические и клинические испытания — проверка на животных и людях.
На всех этих этапах сегодня применяются алгоритмы машинного обучения, нейросети и прочие инструменты ИИ. Они позволяют просчитывать взаимодействия молекул, предсказывать побочные эффекты и выбирать наиболее перспективные соединения из миллионов возможных.
Два ключевых подхода
Существует два основных метода компьютерного поиска лекарств:
- Докинг — когда известна трехмерная структура белка, происходит моделирование, как молекула взаимодействует в трехмерном пространстве с белком (как корабль причаливает к пирсу).
- QSAR — когда используется информация о структурах и свойствах уже изученных молекул для предсказания активности новых соединений (QSAR – анг. Quantitative structure–activity relationship – количественный анализ соотношений «структура-активность».
Для QSAR анализа используются математические модели, которые с помощью методов машинного обучения «учатся» на больших объёмах данных о структурах и биологической активности соединений. Созданные математические модели проверяют на точность, чтобы убедиться, что предсказания совпадают с реальными экспериментами.
COVID-19 и ИИ: ускоренный поиск
Когда началась пандемия COVID-19, весь мир объединился для быстрого поиска лекарства. Учёные использовали компьютерные методы для анализа миллиардов соединений. Из них отобрали сотни наиболее перспективных, протестировали, и нашли несколько, потенциально активных молекул против вируса. Несмотря на то, что окончательное лекарство пока не создано, эти методы доказали свою эффективность.
От советских разработок до международных патентов
В СССР ещё в 80-е годы начали использовать элементы машинного обучения. Программа PASS (Prediction of Activity Spectra for Substances), разработанная в России в начале 90-х годов, до сих пор востребована учёными по всему миру. Она предсказывает, на какие белки и как может повлиять молекула, какие фармакологические и побочные эффекты можно от нее ожидать. В некоторых случаях её точность выше, чем у экспертов – фармакологов и медицинских химиков.
С помощью этих методов российские исследователи участвовали в проектах по созданию противоопухолевых препаратов, получали международные патенты и находили новые области применения для существующих лекарств.
Где учиться создавать лекарства с помощью ИИ?
Если вы хотите заниматься разработкой лекарств с применением современных технологий искусственного интеллекта, уже сегодня можно выбрать соответствующее направление. В этом году в Пироговском Университете отрывается набор в новую магистратуру по направлению Биология, профиль «Компьютерное конструирование лекарств». Обучение в этой области также проводится на специальности Медицинская кибернетика, профиль Биоинформатика и специальности Фундаментальная и прикладная биология — всё это даёт возможность войти в одну из самых быстроразвивающихся и значимых областей науки.