Как изследовател използва Codex и ChatGPT, за да търси нови антимикробни молекули

Устойчивите на лекарства микроорганизми, включително бактерии, гъбички, паразити и вируси, представляват нарастваща глобална заплаха. Около пет милиона смъртни случая през 2021 г. са били свързани⁠(отваря се в нов прозорец) с бактериалната антимикробна резистентност — годишен брой, който според прогнозите ще се удвои до 2050 г. Откриването на молекули с потенциал да се превърнат в антимикробни средства може да отнеме години. Изследователите използват ИИ, за да ускорят този ранен етап от откривателския процес.

„Според мен антимикробната резистентност е една от най-големите екзистенциални заплахи за човечеството“, каза биоинженерът Сесар де ла Фуенте⁠(отваря се в нов прозорец), чиято интердисциплинарна лаборатория търси потенциални антимикробни средства. „И все пак от 50 години не сме откривали нов клас антибиотици.“

Голяма част от съвременната разработка на антимикробни средства е насочена към модифициране на съществуващи лекарства или проучване на познати класове химични вещества. Но този подход носи все по-малко ползи.

Лабораторията на де ла Фуенте започва от много по-слабо проучена област: кода на живота. Основната идея зад тази работа е, че биологията представлява информационна система. „Нуклеотидите, от които е изградена ДНК, и аминокиселините, от които са изградени протеините и пептидите, са нещо като азбука“, каза де ла Фуенте. „Разглеждането на биологията като информация ни позволи да разработим методи, с които да започнем да разшифроваме организационните принципи на живота, довели до появата на функционална молекула.“

Моделите за дълбоко обучение на лабораторията са обучени да разпознават закономерности в биологичните последователности, което им позволява да търсят потенциални антимикробни средства в огромни масиви от геномни и протеинови данни. Този подход може да съкрати първоначалното търсене на перспективни молекули от години до часове.

Наред със собствените си модели с ИИ лабораторията използва ChatGPT и Codex, за да генерира хипотези, да пише и усъвършенства код, да обработва набори от данни, да анализира резултати и да свързва идеи от различни научни дисциплини.

Само функцията на малка част от генома е ясно разбрана, а още по-малка част кодира молекули, способни да се борят с причиняващи инфекции микроорганизми. Предизвикателството е да се установят закономерностите, които правят дадена молекула функционална или биологично активна, а след това да се определи кои молекули имат потенциал да се борят с причиняващите инфекции микроорганизми.

Учените отдавна търсят антимикробни средства в растения, животни, микроорганизми, насекоми, вода и почва. Те събират проби, изолират или прогнозират перспективни молекули и ги изследват в многократно повтарящ се процес, който може да отнеме години.

Дигиталните бази данни за геноми и протеини вече позволяват на учените да търсят нови съединения в цялото дърво на живота, като значително разширяват обхвата на достъпните за проучване данни. Но това изобилие от информация води и до свои предизвикателства: откриването на обещаващи сигнали сред огромен брой възможности.

ИИ е особено подходящ за тази задача, наподобяваща търсене на игла в купа сено. Той може да преглежда огромни масиви от данни, да открива закономерности, които изследователите трудно биха забелязали, и да подбира обозрим набор от кандидати за експериментални изследвания.

Откриването на перспективен кандидат обаче не означава непременно, че той ще се превърне в ефективно лекарство.

Учените първо трябва да потвърдят, че молекулата кандидат унищожава целевия микроорганизъм, да определят необходимото количество за постигане на ефект и да проверят как влияе върху човешките клетки. След това химиците могат да оптимизират молекулата, за да подобрят нейната ефикасност, безопасност или стабилност.

Допълнителни изследвания оценяват дозата, при която кандидатът става токсичен, колко лесно микроорганизмите развиват резистентност към молекулата и как кандидатът се придвижва в организма. Екипите определят и надежден начин за производство на молекулата. Кандидатите, които преодолеят тези препятствия, трябва да преминат и регулаторен преглед и клинични изпитвания, преди да достигнат до пациентите като одобрени антимикробни лекарства.

За де ла Фуенте именно затова ИИ и експерименталната биология трябва да се развиват заедно. „Експериментите, които осигуряват реални данни за проверка, са от съществено значение за потвърждаване на прогнозите на ИИ“, каза той. „Това ще бъде решаващо за науките за живота през следващите години, ако искаме да продължим да разкриваме биологията — най-сложното нещо, което съществува и което все още едва започваме да разбираме.“

Неговата лаборатория изследва геномите на живи и изчезнали организми в търсене на перспективни молекули. Изследването на тези геноми, разбирането как се образуват и функционират кодираните в тях протеини и определянето на действието на тези молекули изискват експертни знания от няколко области.

„Ние сме силно трансдисциплинарна група и затова при нас има специалисти по биология, химия, компютърни науки и инженерство“, каза де ла Фуенте. Някои членове на лабораторията са отлични програмисти, но познават по-слабо биологията или химията, и обратно. Codex и ChatGPT помагат за преодоляването на тези различия, като позволяват на биолозите да създават програми, а на програмистите — да решават биологични проблеми. В този смисъл ИИ премахва пречките между научните дисциплини.

То помага на членовете на лабораторията да навлизат в непознати теми, нужни за интердисциплинарната им работа, да изясняват терминологията, да сравняват методи от различни области и да систематизират идеи за откриване на лекарства. Други използват ИИ, за да изтеглят, организират и предварително обработват големи набори от геномни данни. ChatGPT също така позволява на членовете на лабораторията да работят на родните си езици, като премахва пречките и ускорява работните им процеси.

Де ла Фуенте използва ChatGPT като партньор за генериране на идеи. Той продължава да развива идеите си с колеги, но цени способността на ИИ да му помага да формулира хипотези. Харесва му и това, че има достъп до световното знание само с едно натискане на бутон.

„Нашето работно пространство в ChatGPT получава идеи от всички тези различни хора, които разглеждат по различен начин проблемите, с които се опитваме да се справим“, каза де ла Фуенте. Членовете на лабораторията споделят с него добрите и лошите си идеи, превръщайки го в своеобразен общ форум за обсъждане.

Но той предупреждава, че не бива да се разчита само на ИИ. „Разбира се, винаги трябва да проверявате повторно точността“, каза де ла Фуенте.

Въпреки това той цени способността на ИИ да помага на изследователите да проучват границите между научните дисциплини. „Именно там чакат да бъдат направени пробивите. По същество те се намират по границите между областите, където дръзват да навлязат много малко хора.“

Той разглежда тази работа като част от много по-дълга научна традиция. „Винаги сме разчитали на инструменти и машини, за да разберем света около нас“, каза де ла Фуенте. „Телескопът освети космоса, а микроскопът разкри света на невидимото.“ Днес машините помагат на изследователите да разбират, прогнозират и проектират биологични системи. „Именно това е същността на работата ни“, каза той.