Чудо-антитела от ИИ: как машинное обучение помогает в разработке современных лекарств

Роботы, компьютеры и алгоритмы научились обрабатывать огромные объёмы данных и создавать ранее невообразимые молекулы антител, которые люди придумать банально не в состоянии. Это открывает новые перспективы в поиске потенциальных методов лечения известных заболеваний.

В южной части Лондона, на месте старой фабрики по производству печенья, теперь располагается современная лаборатория компании LabGenius. Здесь вместо тестомесильных машин и промышленных печей теперь установлено роботизированное оборудование, инкубаторы и секвенаторы ДНК.

Основатель и генеральный директор компании Джеймс Филд в 2012 году, ещё будучи аспирантом колледжа, увидел тенденцию снижения стоимости секвенирования ДНК, вычислительных мощностей и робототехники. Это натолкнуло его на идею в значительной степени автоматизировать процесс создания новых медицинских антител с помощью этих технологий.

В природе антитела — это ответ иммунной системы на инфекцию. Они представляют собой белки, которые прикрепляются к чужеродным веществам и удаляют их из организма. С 1980-х годов фармацевтические компании стали создавать синтетические антитела для лечения онкологических заболеваний и предотвращения отторжения пересаженных органов. Но разработка таких антител — крайне медленный процесс для человека, занимающий порой долгие годы.

В LabGenius создали алгоритм машинного обучения, который значительно ускоряет поиск необходимых антител. По словам Джеймса Филда, человеку достаточно указать пример здоровой и больной клетки, а дальше система сама исследует миллионы потенциальных комбинаций аминокислот и отберёт наиболее подходящие.

Процесс почти полностью автоматизирован — роботы выращивают антитела на основе их генетической последовательности, тестируют на образцах больных клеток и передают результаты обратно в алгоритм. Человек лишь перемещает пробы между этапами. Машинное обучение позволяет найти неожиданные решения, которые люди могли бы и не придумать вовсе.

По словам Филда, получаются совершенно необычные и даже контринтуитивные молекулы антител, которые должны обеспечить лучший терапевтический эффект для пациентов.

Такой подход сокращает сроки разработки антител с нескольких лет всего до 6 недель и открывает путь к созданию более эффективных и безопасных препаратов. Автоматизация рутинных задач позволяет быстрее проверять гораздо больше вариантов и находить оптимальные решения там, куда человеческая интуиция даже не обратит внимания. Данный метод наверняка сыграет важную роль для улучшения медицины в будущем.