Дослідники Google розробили метод, який дає змогу у 8,6 раза швидше прогнозувати структуру білків. Це може прискорити пошук молекул для майбутніх методів таргетної терапії раку. Під час лабораторних експериментів науковці створили білки, здатні міцно зв’язуватися з молекулою FAP, пов’язаною із солідними пухлинами.
Поки що йдеться про ранній етап досліджень, а не про готове лікування. Однак результати показують, як штучний інтелект може допомагати створювати біологічні молекули та перевіряти їхні властивості.
Як вдалося прискорити дослідження
Щоб розробити білок, який приєднується до певної молекули в організмі, науковцям потрібно передбачити, як він складатиметься у тривимірну структуру та взаємодіятиме з мішенню. Такі розрахунки можуть потребувати значних обчислювальних ресурсів.
Команда Google застосувала метод під назвою surgical epitope excision. Замість аналізу всієї структури білка-мішені система зосереджується на невеликій ділянці, до якої має приєднатися спроєктована молекула. За даними дослідників, такий підхід прискорив прогнозування у 8,6 раза без втрати точності в проведених тестах.
Метод перевірили на FAP — білку, пов’язаному з тканинами солідних пухлин. Створені кандидати пройшли лабораторний відбір, під час якого вчені визначали, наскільки міцно вони взаємодіють із цільовою молекулою. Найуспішніші варіанти продемонстрували високу спорідненість до мішені.
Утім, ще потрібно з’ясувати, чи будуть ці молекули безпечними та ефективними в живому організмі. Їх поки не довели до стадії готового протиракового препарату.
ШІ допомагає вдосконалювати молекули
Робота над білками стала частиною трьох дослідницьких проєктів Google, присвячених використанню ШІ для розроблення біологічних молекул, аналізу результатів експериментів і керування лабораторним обладнанням.
В одному з інших проєктів дослідники вдосконалювали ДНК-аптамери — короткі молекули, які можуть набувати певної форми та зв’язуватися з конкретними мішенями. Вони провели три цикли проєктування й лабораторної перевірки, використовуючи отримані результати для покращення наступних варіантів.
До третього циклу частка підтверджених вдалих кандидатів досягла 33,5% для міоглобіну та 42,1% для альфа-тромбіну. Для останнього показник специфічності становив 98,5%.
Ще одна розробка, VERID, моделює роботу цифрової лабораторії: відстежує обладнання, об’єми рідин і матеріали, допомагаючи виявляти потенційні помилки до запуску роботизованих експериментів. В одному з тестів агент завдяки повторним випробуванням і зворотному зв’язку від камери більш ніж уп’ятеро підвищив точність відтворення суміші барвників.
Що це означає для медицини
Швидше проєктування молекул може допомогти науковцям перевіряти більше кандидатів за той самий час і з меншими обчислювальними витратами. У перспективі такі інструменти можуть сприяти створенню методів лікування, які точніше впливатимуть на певні молекулярні мішені.
Проте три проєкти демонструють окремі експериментальні можливості ШІ, а не завершену систему розроблення ліків. Попереду — додаткові дослідження, перевірка безпеки та ефективності й, за потреби, клінічні випробування.
Отже, прискорення прогнозування білкових структур у 8,6 раза — це важливий технічний результат, але його реальне значення для лікування раку залежатиме від подальших перевірок.
