Rivalry2

HTML Diff

0 added 0 removed

Original 2026-01-01

Modified 2026-02-21

1 <a>#статьи</a>

2 <ul><li>4 авг 2021</li>

3 <li>0</li>

4 </ul>Рассказываем, как с помощью науки о данных открыли новый класс антибиотиков и ищут лекарства от болезней, включая COVID-19.

5 John Kohn / Pexels / Colowgee для Skillbox Media

6 Автор статей про IT-технологии. Преподаватель, доцент. Инженер по первому образованию, по второму - журналист. Кандидат технических наук.

7 Учёные непрерывно создают и исследуют новые лекарственные вещества. И делают они это вовсе не из-за заговора фармацевтических компаний. Просто со временем "старые" препараты уже не помогают людям бороться с болезнями.

8 Наглядный пример - антибиотики. За время своего существования они спасли миллионы жизней. Но бактерии, которых они призваны убивать, рано или поздно приспосабливаются и становятся неуязвимыми.

9 С 1980-х и до 2020 года не удалось разработать ни одного принципиально нового класса антибиотиков. Хотя исследования в этом направлении активно проводились. И этот факт<a>вызывал тревогу</a>. Ведь если наши лекарства перестанут действовать, а другие не появятся, то мы останемся беззащитны против бактериальных инфекций.

10 Но современные компьютерные технологии способны помочь человечеству избежать такого ужасного развития событий. В 2020 году учёные из Массачусетского технологического института наглядно продемонстрировали это. При помощи искусственных нейронных сетей они впервые за 30 лет<a>нашли новое вещество</a>с высокой антибактериальной эффективностью.

11 Антибиотик получил название<a>халицин</a>(halicin) в честь вымышленного суперкомпьютера HAL 9000. Вещество испытали на лабораторных мышах и получили отличные результаты. Халицин успешно противостоит бактериям, уже успевшим выработать устойчивость к популярным лекарствам.

12 Кадр: фильм "Космическая одиссея 2001 года"При этом антибиотик использует необычный принцип воздействия на вредные бациллы. Благодаря этому им будет очень трудно приспособиться. Есть<a>основания полагать</a>, что халицин может в течение многих лет сохранять эффективность при лечении множества бактериальных заболеваний.

13 Компьютерные методы, используемые при поиске новых лекарственных веществ, относят к направлению<a>in silico</a>("в кремнии"). Название образовано по аналогии с широко применяемыми в медицинских исследованиях in vitro ("в пробирке") и in vivo ("в живом организме").

14 Если раньше учёные могли изучать новые лекарства только в пробирках или на живых организмах, то сегодня у них есть возможность делать это in silico при помощи вычислительных машин, основной деталью которых являются<a>кремниевые процессоры</a>.

15 При поиске лекарств методами in silico используют два основных подхода:

16 <ul><li><a>перепрофилирование</a>:позволяет найти подходящее действующее вещество среди миллионов уже созданных человечеством лекарственных молекул;</li>

17 <li>моделирование (<a>дизайн</a>) новых веществ:наиболее сложный и дорогостоящий процесс. Требуется не только смоделировать молекулу на компьютере, но затем синтезировать её и проверить на живых организмах. К сожалению, есть вероятность, что лекарство не удастся производить в промышленных масштабах или что оно даст непредвиденные побочные эффекты.</li>

18 </ul>Обнаружить халицин удалось как раз благодаря перепрофилированию. Вещество SU-3327, лежащее в его основе, синтезировали более десяти лет назад. Тогда его предполагали использовать для лечения диабета. Но оно показало низкую эффективность в борьбе с этим заболеванием, и исследования остановили.

19 Информация о молекуле<a>SU-3327</a>много лет без пользы хранилась в базах данных фармацевтических компаний. Только в 2020 году американские учёные при помощи<a>искусственного интеллекта</a>разыскали её и применили в качестве антибиотика, получившего название "халицин".

20 Молекулы халицина (сверху). Фото: Массачусетский технологический институтСпециалисты по анализу данных целенаправленно искали новый антибиотик, используя для этого нейронные сети (было применено две сети ― основная и вспомогательная). Нейросети ― это компьютерные модели, имитирующие работу клеток человеческого мозга, их ключевая особенность ―<a>способность обучаться</a>.

21 Программисты Массачусетского технологического института обучили свою основную нейросеть на 2400 записях об известных веществах, обладающих антибактериальной эффективностью. В этот обучающий набор включили как официально зарегистрированные препараты, так и применяемые в медицине вещества растительного и животного происхождения.

22 Чтобы нейронная сеть могла эффективно работать с данными, информацию о молекулах лекарственных веществ по специальному алгоритму предварительно преобразовали в наборы чисел, которые затем подавали на входы сети.

23 После обучения в нейросеть загрузили базу, содержащую 6100 записей о молекулах, про которые не знали, есть ли среди них искомые антибиотики. Затем ― ещё одну базу, в ней было уже 107 миллионов записей. Из этого огромного массива информации искусственный интеллект выделил несколько десятков подходящих молекул.

24 Затем записи об отобранных основной нейросетью веществах подали на вторую ― вспомогательную ― нейронную сеть. Она способна предсказывать токсичность лекарств. Для этого её обучили на датасете Американской академии клинической токсикологии<a>ClinTox</a>. В нём содержится информация о побочных эффектах тысяч препаратов, одобренных для использования в США и о проваливших клинические испытания из-за высокой токсичности.

25 На последнем этапе работы специалисты по анализу данных пропустили информацию о нескольких оставшихся молекулах-кандидатах через ещё один умный алгоритм. Он определял степень похожести найденных веществ на известные антибиотики.

26 Дело в том, что исследователи хотели отсеять из списка тривиальные аналоги широко применяемых лекарств. Им нужен был именно принципиально новый класс антибиотиков, способный справляться с бактериями, приспособившимися ко всем существующим препаратам.

27 В итоге у специалистов по анализу данных осталось только девять потенциально подходящих веществ, среди которых и была молекула SU-3327. При реальной проверке на лабораторных мышах (то естьin vivo) она показала отличные результаты, быстро заживив на их теле раны, инфицированные бактериями, устойчивыми к другим видам антибиотиков.

28 Учёные, вдохновлённые своими результатами, переименовали вещество SU-3327 в "халицин", а результаты исследования опубликовали в <a>научной статье</a>.

29 Фото: National Cancer Institute / UnsplashСтоль сложные изыскания требуют тесного сотрудничества специалистов по искусственному интеллекту со множеством профессионалов в микробиологии, химии, фармацевтике и медицине. Нужны не только значительные вычислительные мощности, но и лабораторная база, подопытные животные и медицинские работники.

30 Для этого при Массачусетском технологическом институте в 2018 году была создана<a>Клиника машинного обучения</a>в области здравоохранения. Свою миссию её сотрудники видят в том, чтобы "произвести с помощью искусственного интеллекта революцию в профилактике, обнаружении и лечении заболеваний".

31 Открытие халицина ― одно из самых значимых достижений учёных этой клиники. Но это не единственная тема, над которой они работают.<a>Список проектов</a>, реализуемых Клиникой машинного обучения, довольно внушительный.

32 Например, разработанные специалистами из Массачусетского института умные алгоритмы широко<a>использовались</a>при клинических испытаниях одной из зарубежных вакцин от COVID-19. Благодаря им были определены группы населения и географические точки, в которых следовало проводить проверку вакцины, а также производились расчеты её эффективности.

33 Значимое достижение ученых Клиники -<a>новая модель</a>раннего обнаружения признаков болезни Альцгеймера с использованием глубокого машинного обучения.

34 Конечно, исследованиями в области in silico занимаются ученые по <a>всему миру</a>, а не только в массачусетской Клинике машинного обучения.

35 Например, в Японии при помощи нейронных сетей<a>создали вещество</a>DSP-1181, способное помочь при лечении психических заболеваний. Процесс разработки нового лекарства занял всего 12 месяцев вместо обычных в таких случаях пяти лет.

36 Ученые из Италии исключительно на основе методов компьютерного моделирования<a>создали вакцину</a>, направленную на профилактику бактериального менингита у детей.

37 Успехов добился и гонконгский стартап с говорящим названием<a>Insilico Medicine</a>, основанный известным учёным в области искусственного интеллекта<a>Александром Жаворонковым</a>. В 2019 году его сотрудникам удалось разработать новое лекарство для лечения фиброза.

38 Благодаря использованию искусственных нейронных сетей препарат создали<a>за три недели</a>и протестировали на лабораторных мышах. При использовании классических методов на это потребовались бы годы. Результаты работы<a>опубликовали</a>в научном журнале, а код модели нейросети<a>выложен</a>на GitHub.

39 Ведутся такие исследования и в нашей стране. Тема даже поднималась на одном из <a>недавних совещаний</a>у президента России. Из множества значимых достижений можно выделить несколько примеров.

40 Исследователи НИУ ВШЭ и Института органической химии им. Н. Д. Зелинского РАН в 2014 году смоделировали in silico лекарство от лейкемии, а в 2017-м ― против ревматоидного артрита. В 2020 году они же<a>обнаружили молекулу</a>, которая может помочь при лечении рака.

41 Также в 2020 году завершилось совместное исследование учёных из Сколтеха, МГУ и ИЭФБ РАН, проведенное на <a>отечественном суперкомпьютере</a>для машинного обучения "Жорес". На нём российские специалисты провели молекулярное<a>моделирование лекарства</a>для лечения депрессии и уже готовятся проверить его на животных.

42 Активно ведутся исследования in silico и по <a>поиску лекарств</a>, способных победить новый коронавирус, принёсший человечеству столько бед.

43 Периодически<a>появляются сообщения</a>, что тем или иным научным коллективам с помощью компьютерного моделирования удалось найти вещество, способное излечить от COVID-19. И здесь учёные тоже идут по двум путям ―<a>перепрофилирование</a>существующих веществ или создание<a>абсолютно новых</a>молекул.

44 Например, российские исследователи in silico<a>нашли два препарата</a>, которые потенциально способны бороться с вирусом COVID-19. А вот их зарубежные коллеги по результатам одной из работ 2020-го года<a>заявили</a>об обнаружении сразу четырёх таких веществ.

45 Но само по себе моделирование, как и любые другие теоретические изыскания, ничего не стоит без экспериментальных подтверждений. У учёных сейчас есть несколько смоделированных in silico веществ, которые теоретически должны уничтожать новый коронавирус в человеческом организме. Но даже при самом благоприятном развитии событий потребуется время, чтобы проверить их эффективность и запустить в массовое производство.

46 Пока создать волшебную таблетку от COVID-19 не удалось даже с помощью<a>Data Science</a>. Поэтому вакцинация и <a>превентивные меры</a>(социальное дистанцирование, ношение масок и так далее), рекомендованные ВОЗ, сегодня остаются самыми действенными средствами, способными остановить пандемию.

47 <a>Бесплатный курс по Python ➞Мини-курс для новичков и для опытных кодеров. 4 крутых проекта в портфолио, живое общение со спикером. Кликните и узнайте, чему можно научиться на курсе. Смотреть программу</a>