AI против супербактерий: ChatGPT ищет антибиотики в древних геномах
Лаборатория биоинженера Сесара де ла Фуэнте использует ChatGPT и Codex для поиска антимикробных молекул в геномах живых и вымерших существ.
Антибиотики из прошлого: как ChatGPT и Codex помогают искать лекарства будущего
Устойчивые к лекарствам микроорганизмы — бактерии, грибки, паразиты и вирусы — становятся всё более серьёзной глобальной угрозой. По данным исследований, только в 2021 году около пяти миллионов смертей было связано с бактериальной антимикробной резистентностью, и к 2050 году этот показатель может удвоиться.
При этом ни один новый класс антибиотиков не появился за последние 50 лет. Де ла Фуэнте считает, что отрасль зашла в тупик, потому что большинство разработок лишь модифицирует уже существующие препараты или работает с давно известными химическими классами.
Биология как информационная система
«Антимикробная резистентность — одна из величайших экзистенциальных угроз для человечества», — убеждён Сесар де ла Фуэнте, биоинженер из Пенсильванского университета, чья лаборатория занимается поиском антимикробных кандидатов.
Основная идея его работы радикально отличается от традиционных подходов к фармакологии.
Центральная концепция состоит в том, что биология — это информационная система. «Нуклеотиды, составляющие ДНК, и аминокислоты, из которых строятся белки и пептиды (peptides — короткие цепочки аминокислот), — это своего рода алфавит», — объясняет де ла Фуэнте. Именно такой взгляд на биологию позволил его команде разработать методы, способные расшифровать организующие принципы жизни, лежащие в основе функциональных молекул. Модели глубокого обучения лаборатории обучены распознавать паттерны в биологических последовательностях и искать в обширных наборах геномных и протеомных данных потенциальные антимикробные соединения.
Такой подход позволяет сократить первоначальный поиск молекул-кандидатов с нескольких лет до нескольких часов.
«Думать о биологии как об информации — это то, что позволило нам начать расшифровывать принципы жизни, породившие функциональную молекулу» — Сесар де ла Фуэнте
Как работает система: роль ChatGPT и Codex
Наряду с собственными моделями ИИ лаборатория использует ChatGPT и Codex (система OpenAI для генерации программного кода) для мозгового штурма гипотез, написания и отладки кода, обработки наборов данных, анализа результатов и объединения идей из разных научных дисциплин.
Де ла Фуэнте описывает свою трансдисциплинарную команду, объединяющую биологов, химиков, специалистов по информатике и инженеров, и говорит, что инструменты ИИ помогают преодолевать разрыв между участниками с разным техническим бэкграундом: биологи могут создавать программы, а программисты — решать биологические задачи.
ChatGPT также позволяет участникам команды работать на родном языке, что снижает языковые барьеры и ускоряет рабочие процессы.
По словам де ла Фуэнте, общее пространство ChatGPT в лаборатории работает как совместная творческая площадка, питаемая идеями всех членов команды, — хотя он предостерегает, что результаты всегда необходимо проверять на точность.
Молекулярная де-экстинкция: антибиотики из вымерших организмов
Одно из самых захватывающих направлений работы лаборатории — поиск антимикробных молекул в геномах вымерших существ. Де ла Фуэнте называет это «молекулярной де-экстинкцией» (molecular de-extinction).
В последние годы де ла Фуэнте и его коллеги являются пионерами в области AI-поиска антимикробных соединений. Им удалось идентифицировать доклинических кандидатов в геномах современных людей, вымерших неандертальцев и денисовцев, а также шерстистых мамонтов.
В исследовании, опубликованном в Cell Host & Microbe, они изучили протеомы неандертальцев и денисовцев — наших ближайших вымерших родственников. С помощью модели машинного обучения panCleave было выявлено 69 пептидов-кандидатов из белков древних людей. Шесть из них показали активность in vivo против Acinetobacter baumannii — одного из самых опасных устойчивых к антибиотикам патогенов. Ведущее соединение Neanderthalin-1 продемонстрировало эффективность, сопоставимую с полимиксином B в модели кожной инфекции у мышей.
В отличие от попыток возродить целых вымерших существ, стратегия де ла Фуэнте по «воскрешению» отдельных биомолекул сопряжена с меньшим количеством этических проблем и может принести важные технологические преимущества.
Из давно исчезнувших генетических кодов рождаются новые соединения с такими именами, как mammuthusin-2 (из ДНК шерстистого мамонта) и mylodonin-2 (из ДНК гигантского ленивца).
Самые последние открытия: митохондрины
Совсем недавно команда использовала ИИ для изучения более 2000 древних митохондриальных геномов человека и выявила ранее скрытые пептидные последовательности с антибактериальным потенциалом. Эти молекулы были названы «митохондринами» (mitochondrins).
Экспериментальное тестирование показало, что несколько митохондринов активны против клинически значимых бактерий, в том числе лекарственно-устойчивых штаммов. Они проявляют различные механизмы действия, а один из репрезентативных пептидов снизил бактериальную нагрузку A. baumannii в мышиной модели инфекции.
Схема работы лаборатории де ла Фуэнте
graph TD
A[🧬 Геномы живых и вымерших организмов] --> B[Deep Learning модели лаборатории]
B --> C[Сканирование пептидных последовательностей]
C --> D{ChatGPT + Codex}
D --> E[Формулировка гипотез]
D --> F[Написание и отладка кода]
D --> G[Анализ наборов данных]
E & F & G --> H[Молекулы-кандидаты]
H --> I[Лабораторное тестирование]
I --> J[Доклинические испытания на мышах]
J --> K[Перспективные антибиотики]
Сравнение: традиционный и AI-подход к поиску антибиотиков
| Параметр | Традиционный подход | Подход с ИИ (лаборатория де ла Фуэнте) |
|---|---|---|
| Время первичного поиска | 3–6 лет | Несколько часов |
| Источники молекул | Почва, морские организмы | Геномы всех известных существ + вымершие виды |
| Масштаб охвата | Тысячи молекул | Миллионы последовательностей |
| Инструменты | Лабораторный скрининг | Deep learning, ChatGPT, Codex |
| Командная доступность | Требует узких специалистов | Биологи и программисты работают вместе |
| Языковые барьеры | Высокие | Сглаживаются через ChatGPT |
Следующий шаг: ApexOracle
В рамках текущей работы де ла Фуэнте пытается приблизить кандидатов к клиническим испытаниям. Для этого его команда разрабатывает амбициозную мультимодальную модель ApexOracle, которая должна анализировать новый патоген, выявлять его генетические слабые места, подбирать подходящие антимикробные пептиды и предсказывать, как антибиотик, построенный из этих пептидов, поведёт себя в лабораторных тестах. Эта система, по словам самого учёного, «объединяет понимание химии, геномики и языка».
Лаборатория также представила APEX-GO — генеративный ИИ для разработки улучшенных пептидных аналогов, который достигает 85% успешности при лабораторном тестировании и в 72% случаев повышает антибиотическую активность молекул.
Важные оговорки: от открытия до лекарства далеко
Даже перспективная молекула, найденная таким способом, проходит ещё годы дополнительных испытаний — на токсичность, дозировку и технологичность производства — прежде чем попадает на регуляторную проверку или клинические испытания.
Реальная суть работы более конкретна: исследовательская группа использует языковые и кодовые инструменты для поиска в биологических данных молекул, которые могут оказаться достойными тестирования. Это важно, потому что поиск антимикробных средств — это прежде всего задача поиска, и лишь потом — медицинская задача.
# Пример: извлечение коротких пептидных последовательностей из FASTA-файла
# (такой код может генерировать Codex по описанию задачи на естественном языке)
from Bio import SeqIO
def extract_peptides(fasta_file, min_len=8, max_len=15):
peptides = []
for record in SeqIO.parse(fasta_file, "fasta"):
seq = str(record.seq)
for i in range(len(seq)):
for length in range(min_len, max_len + 1):
if i + length <= len(seq):
peptides.append(seq[i:i+length])
return peptides
candidates = extract_peptides("neanderthal_proteome.fasta")
print(f"Найдено {len(candidates)} пептидных кандидатов")
Почему это важно для нас
Антимикробная резистентность — это не абстрактная угроза из научных статей. В российских больницах, как и во всём мире, всё чаще фиксируются случаи инфекций, против которых стандартные антибиотики бессильны. Поиск новых молекул с иным механизмом действия — задача, актуальная для глобального здравоохранения.
Работа лаборатории де ла Фуэнте показывает: ИИ в науке — это не замена учёного, а мощный инструмент, который позволяет делать то, что раньше было физически невозможным: сканировать миллионы генетических последовательностей за часы, строить гипотезы на стыке биологии, химии и информатики, и — буквально — воскрешать молекулы из прошлого, чтобы бороться с болезнями настоящего.
Шерстистый мамонт не вернётся. Но его молекулы, возможно, спасут чью-то жизнь.