Если мы хотим сделать новый антибиотик, мы сначала должны решить, что именно в бактериальной клетке мы хотим испортить. Это может быть, например, какой-нибудь фермент, необходимый для постройки клеточной стенки, или фермент, участвующий в синтезе белков. Зная структуру молекулы-мишени, мы конструируем молекулу антибиотика, который будет связываться с мишенью и отключать её.Бактерия Streptococcus pyogenes проникает в клетку человека, сообщает портал Сенсационные Новости со ссылкой на nkj.ru.
При этом мы, конечно, помним, что антибактериальных веществ на свете существует множество, так что мы можем взять какое-нибудь готовое вещество и усовершенствовать его, добавив к нему химические группы, которые, как нам кажется, должны повысить его эффективность. Проблема в том, как из огромного количества уже существующих и потенциально возможных соединений выбрать наиболее перспективное. Здесь не мог не появиться искусственный интеллект, и в статье, которая вышла на днях в Cell, речь идёт как раз об антибиотике, в прямом смысле созданном машинным алгоритмом.
Исследователи из Массачусетского технологического института создали нейросеть – алгоритм, который учился выбирать среди моря химических соединений те, которые лучше всего подавляют рост бактерий. Программу тренировали на кишечной палочке и 2335 молекулах, среди которых были как медицинские антибиотики, так и разнообразные вещества животного, растительного и микробного происхождения с антибактериальной активностью; кроме них, были вещества без антибактериальной активности. Сами исследователи и так знали всё про эти молекулы, но сейчас нужно было, чтобы нейросеть, сравнивая вещества между собой, научилась по структуре определять антибиотики.
Алгоритм создавали с двумя важными условиями: ему не давали информации о том, что за механизм действия у того или иного вещества, и в самих молекулах не было отмечено никаких химических групп. При «человеческом» анализе химики и биологи всегда держат в уме, на какие процессы в бактериальной клетке действует молекула, и какие группы атомов к ней нужно прицепить или убрать, чтобы она действовала эффективнее – то о чём мы говорили в начале. Так вот, алгоритм запрограммировали так, чтобы он такими категориями не думал.
После обучения на тренировочных 2335 молекулах нейросети дали примерно 6000 потенциальных лекарственных молекул, которые сейчас только изучаются и про которых неизвестно, как они действуют на бактерий. Задача была та же – найти вещества, подавляющие рост кишечной палочки. Из этих более чем 6000 нейросеть выбрала около сотни. Их протестировали на настоящих микробах, и оказалось, что одна из молекул, которую изучают как потенциальное лекарство от диабета, может быть весьма эффективным антибиотиком.
Вещество назвали халицин (или хэлицин, halicin) – в честь компьютера HAL 9000 из «Космической одиссеи 2001» (несколько сомнительный юмор, если вспомнить, какие проблемы HAL 9000 доставил героям фильма. Впрочем, спасибо, что не Скайнет).
Халицин действовал не только на кишечную палочку, но и на целый ряд других бактерий, включая штаммы, весьма устойчивые к самым разным антибиотикам. Обычно антибиотики создают так, чтобы они не давали бактериям синтезировать клеточную стенку, или мешали синтезировать белок, или мешали синтезировать нуклеиновые кислоты. Но халицин оказался нестандартным антибиотиком: он нарушает поток протонов через клеточную мембрану (а поток протонов через специальные мембранные ворота – это движущая сила многих важных процессов в клетке).
Для животных он малотоксичен (всё-таки клетки животных и клетки бактерий сильно отличаются друг от друга) и, что особенно важно, бактерии не могут стать к нему устойчивыми – либо, по крайней мере, устойчивость к халицину развивается намного, намного медленнее, чем к другим антибиотикам. Очевидно, такой успех был связан с тем, что машинный интеллект избавили от привычек мыслить химическими группами и механизмами действия.
Кроме базы из 6000 молекул, исследователи дали нейросети ещё одну, в которой было более 107 млн молекулярных структур. Из них машина выудила 23 потенциальных антибиотика, а тесты на бактериях показали, что в них есть восемь, у которых действительно есть антибактериальная активность. Две молекулярные структуры из оставшихся восьми могут сработать даже против лекарственноустойчивых штаммов.
