Искусственный интеллект, обученный на «книге правил» эволюции, создаёт белки для разработки лекарств

Новая модель искусственного интеллекта, разработанная исследователями из Техасского университета в Остине, прокладывает путь к более эффективным и менее токсичным методам лечения и новым профилактическим стратегиям в медицине. Модель ИИ, названная EvoRank, помогает в разработке белковых терапевтических средств и вакцин, используя логику естественных эволюционных процессов.

Ключевая идея EvoRank — использовать естественные вариации миллионов белков, созданные эволюцией за миллиарды лет, и извлечь лежащие в их основе принципы для решения биотехнологических задач.

«Природа эволюционировала белки в течение 3 миллиардов лет, мутируя или заменяя аминокислоты и сохраняя те, которые полезны для живых существ. EvoRank учится ранжировать наблюдаемую нами эволюцию, чтобы, по сути, извлечь принципы, определяющие эволюцию белков, и использовать их для разработки новых приложений на основе белков», — пояснил Даниэль Диас, со-руководитель междисциплинарной группы Deep Proteins.

В отличие от AlphaFold от Google DeepMind, которая предсказывает структуру белков, системы ИИ группы Deep Proteins предлагают, как лучше всего вносить изменения в белки для конкретных функций, например, для повышения стабильности.

Практическое применение уже ведётся в сотрудничестве с лабораторией профессора Джейсона Маклеллана, которая занимается разработкой вакцин против герпесвирусов. Лаборатория синтезирует различные версии вирусных белков на основе дизайна, созданного ИИ.

«Модели предлагают замены, о которых мы никогда бы не подумали. Они работают, но это не те вещи, которые мы могли бы предсказать, так что они фактически находят новое пространство для стабилизации», — отметил Маклеллан.

Проблема индустрии: разработка белкового препарата остаётся медленной, дорогой и рискованной. На путь от дизайна лекарства до завершения клинических испытаний может уйти более десяти лет и $1 млрд и более, при этом шансы на одобрение FDA составляют лишь около 1 из 10.

Как работает EvoRank?

Исследователи используют существующие базы данных естественных белковых последовательностей, сравнивая разные версии одного и того же белка у разных организмов — от морских звёзд до дубов и людей. Модель обучается на этих данных, понимая, какие аминокислоты природа выбирала в прошлом, и определяя, что является биологически правдоподобным, а что — нет.

Планы на будущее: Даниэль Диас планирует создать «многоколоночную» версию EvoRank для оценки того, как несколько мутаций одновременно влияют на структуру и стабильность белка, а также новые инструменты для предсказания связи между структурой белка и его функцией.