Як дослідник використовує Codex і ChatGPT для пошуку нових протимікробних молекул

Стійкі до ліків мікроорганізми, зокрема бактерії, гриби, паразити й віруси, становлять дедалі серйознішу глобальну загрозу. У 2021 році близько п’яти мільйонів смертей були пов’язані⁠(відкривається у новому вікні) зі стійкістю бактерій до протимікробних препаратів. За прогнозами, до 2050 року щорічна кількість таких смертей майже подвоїться. Пошук молекул, здатних стати протимікробними препаратами, може тривати роками. Дослідники використовують ШІ, щоб прискорити цей початковий етап пошуку.

«На мою думку, стійкість до протимікробних препаратів — одна з найбільших екзистенційних загроз для людства», — сказав Сесар де ла Фуенте⁠(відкривається у новому вікні), біоінженер, чия міждисциплінарна лабораторія шукає потенційні протимікробні препарати. «І все ж за 50 років у нас не з’явилося жодного нового класу антибіотиків».

Значна частина сучасних розробок протимікробних препаратів зосереджена на вдосконаленні наявних ліків або пошуку серед відомих класів хімічних сполук. Але цей підхід дає дедалі менше результатів.

Лабораторія де ла Фуенте починає пошук у значно менш дослідженому місці — у коді життя. В основі цієї роботи лежить уявлення про біологію як інформаційну систему. «Нуклеотиди, з яких складається ДНК, та амінокислоти, з яких утворюються білки й пептиди, — це свого роду абетка», — сказав де ла Фуенте. «Сприйняття біології як інформації дало нам змогу розробити методи, що допомагають розшифровувати принципи організації життя, завдяки яким виникають функціональні молекули».

Моделі глибокого навчання лабораторії вчаться розпізнавати закономірності в біологічних послідовностях, що дає їм змогу шукати потенційні протимікробні сполуки у величезних наборах даних про геноми й білки. Цей підхід може скоротити початковий пошук молекул-кандидатів із кількох років до кількох годин.

Поряд із власними моделями ШІ лабораторія використовує ChatGPT і Codex, щоб формувати гіпотези, писати й удосконалювати код, обробляти набори даних, аналізувати результати та поєднувати ідеї з різних наукових дисциплін.

Чітко зрозумілу функцію має лише частина геному, і ще менше його ділянок кодують молекули, здатні боротися зі збудниками інфекцій. Завдання полягає в тому, щоб виявити закономірності, які роблять молекулу функціональною, тобто біологічно активною, а потім визначити, які з них потенційно здатні боротися зі збудниками інфекцій.

Науковці вже давно шукають протимікробні сполуки в рослинах, тваринах, мікроорганізмах, комахах, воді та ґрунті. Вони збирають зразки, виділяють або прогнозують молекули-кандидати й перевіряють їх у межах ітеративного процесу, який може тривати роками.

Цифрові бази даних геномів і білків тепер дають науковцям змогу шукати нові сполуки в усьому дереві життя, кардинально розширюючи обсяг доступних для дослідження даних. Але такий достаток інформації створює власні труднощі: потрібно знаходити перспективні сигнали серед величезної кількості можливих варіантів.

ШІ особливо добре підходить для такого пошуку голки в копиці сіна. Він може аналізувати величезні набори даних, виявляти закономірності, які дослідникам було б складно помітити, і відбирати прийнятну кількість кандидатів для експериментальної перевірки.

Але виявлення перспективного кандидата не обов’язково означає, що він стане дієвим лікарським засобом.

Спершу науковці мають підтвердити, що молекула-кандидат знищує цільовий мікроорганізм, визначити потрібну для ефективної дії кількість і перевірити її вплив на клітини людини. Потім хіміки можуть оптимізувати її, щоб підвищити ефективність, безпечність або стабільність.

Подальші випробування визначають дозу, за якої кандидат стає токсичним, швидкість вироблення мікроорганізмами стійкості до молекули та особливості її переміщення в організмі. Команди також визначають надійний спосіб виробництва молекули. Кандидати, які долають ці перешкоди, мають ще пройти регуляторну перевірку та клінічні випробування, перш ніж стати схваленими протимікробними препаратами й потрапити до пацієнтів.

На думку де ла Фуенте, саме тому ШІ та лабораторна біологія мають розвиватися разом. «Для підтвердження прогнозів ШІ вкрай важливі реальні експерименти», — сказав він. «У найближчі роки це матиме вирішальне значення для наук про життя, якщо ми хочемо й надалі хоча б трохи поглиблювати наше розуміння біології — найскладнішої з усіх наявних систем».

Його лабораторія досліджує геноми сучасних і вимерлих організмів у пошуках молекул-кандидатів. Щоб досліджувати ці геноми, розуміти, як утворюються й функціонують закодовані в них білки, та визначати дію цих молекул, потрібні знання з кількох галузей.

«Ми надзвичайно трансдисциплінарна група, тому серед нас є фахівці з біології, хімії, комп’ютерних наук та інженерії», — сказав де ла Фуенте. Деякі працівники лабораторії добре програмують, але менше знають про біологію чи хімію, а в інших усе навпаки. Codex і ChatGPT допомагають долати ці прогалини, даючи біологам змогу створювати програми, а програмістам — розв’язувати біологічні завдання. У цьому сенсі ШІ усуває перешкоди між науковими дисциплінами.

Він допомагає працівникам лабораторії вивчати незнайомі теми, потрібні для міждисциплінарної роботи, уточнювати термінологію, порівнювати методи з різних галузей і впорядковувати ідеї для розробки ліків. Інші використовують ШІ для завантаження, упорядкування та попередньої обробки великих наборів геномних даних. ChatGPT також дає працівникам лабораторії змогу працювати рідними мовами, усуваючи перешкоди й прискорюючи робочі процеси.

Де ла Фуенте використовує ChatGPT як партнера для пошуку ідей. Він і далі розвиває ідеї разом із колегами, але цінує здатність ШІ допомагати йому формулювати гіпотези. Йому також подобається, що доступ до світових знань можна отримати одним натисканням кнопки.

«У наш робочий простір ChatGPT надходять думки всіх цих людей, які по-різному бачать проблеми, що ми намагаємося розв’язати», — сказав де ла Фуенте. Працівники лабораторії діляться з ним своїми вдалими й невдалими ідеями, перетворюючи його на своєрідний простір для колективного обговорення.

Проте він застерігає від того, щоб покладатися лише на ШІ. «Звісно, завжди потрібно ще раз перевіряти точність», — сказав де ла Фуенте.

Водночас він цінує здатність ШІ допомагати дослідникам вивчати пограниччя між науковими дисциплінами. «Саме там на нас чекають проривні відкриття. По суті, вони відбуваються на межі галузей, куди майже ніхто не наважується заходити».

Він вважає цю роботу частиною значно давнішої наукової традиції. «Ми завжди покладалися на інструменти й машини, щоб зрозуміти навколишній світ», — сказав де ла Фуенте. «Телескоп висвітлив для нас космос, а мікроскоп відкрив невидимий світ». Тепер машини допомагають дослідникам розуміти, прогнозувати й конструювати біологічні системи. «Саме цьому й присвячена наша робота», — сказав він.