Искусственный интеллект в поиске лекарств: революция на стыке науки и технологий

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:

1. Поиск мишени — белка, воздействие на который даст лечебный эффект.

2. Поиск активного соединения — молекулы, способной взаимодействовать с этим белком.

3. Оптимизация — улучшение свойств молекулы (эффективность, безопасность, биодоступность).

4. 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».

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.

Иллюстрация: пресс-служба РНИМУ им. Н.И. Пирогова