Удивительные новости из мира науки опубликовал журнал Cell: технологии машинного обучения обнаружили почти миллион неизвестных ранее антимикробных пептидов с потенциальным эффектом защиты от разных патогенов. По результатам первой проверки минимум у 79% молекул есть перспектива стать новыми антибиотиками. Раньше ученые тратили годы на поиск новых формул терапии — значит ли это, что теперь искусственный интеллект, который справляется с задачей за пару часов, вытеснит из фармакологии человеческий? Конечно, нет. Доказываем вместе с экспертом.
Тревогу медики бьют давно: существующие антибиотики больше не работают, ведь у бактерий выработалась устойчивость к ним! Других подходов к борьбе с патогенными организмами наука пока не придумала, поэтому основной вариант — искать и находить новые молекулы (пептиды) против вредных микроорганизмов, и на их основе разрабатывать антибиотики.
Такую задачу поставила перед собой международная группа ученых (в большинстве представленная специалистами Шанхайского исследовательского центра науки о мозге и интеллекта, вдохновленного мозгом) и с помощью технологий ИИ составила AMPSphere — большой каталог из новых пептидов, которые гипотетически могут использоваться для создания новых лекарств.
Кейс получился успешным — исследователи смогли найти почти миллион молекул, а затем, в рамках первых тестов, 79% из проверяемых пептидов оказались активными против патогенов. В информационном пространстве результаты объяснили просто — это заслуга искусственного интеллекта. Однако на самом деле ИИ — лишь инструмент, а феномен открытия в его сути, а не механике.
Константин Захаров
к.м.н., фармаколог, CЕО исследовательской компании «Экселлена»
«Первое, на что обращу внимание: зачастую сегодня использование терминов ИИ и МL (от англ. machine learning "машинное обучение") — дань моде. Так и в исследовании для проекта AMPSphere: наибольшая ценность здесь не в применении искусственного интеллекта, а в открытии способа идентифицировать пептиды, которые потенциально эффективны против патогенных бактерий, закодированных в геноме других бактерий! Конечно, это было реализовано с использованием ИИ — но сейчас это норма в биоинформатике, поскольку мы работаем с огромными объемами информации о биологических объектах.
Второй момент заключается в том, что идентификация потенциально активных молекул — лишь первая стадия разработки большинства лекарств, в том числе и антибиотиков. Потом они должны проходить множество неклинических экспериментов и дорогостоящих, длительных клинических исследований. То есть сам подход в определению возможных новых пептидов очевидно перспективен, но, с точки зрения целостной разработки нового лекарства, нельзя сказать, что ИИ — некая панацея и при помощи этой технологии, мы уже завтра будем иметь сотни новых и эффективных антибиотиков.
Отсюда вывод. Если мы говорим об ИИ и ML в конкретном исследовании, то эти величины тут достаточно вторичны и лишь представляет собой, по факту, рутинный метод работы с большим данными (в нашем кейсе — с генетической информацией микроорганизмов)».
Комментарии (0)