Искусственный интеллект Claude, созданный компанией Anthropic, помог исследователям разработать около 35 тысяч вариантов антител всего за месяц. Цель проекта — создать новое лекарство от пищевой аллергии, которое сможет воздействовать на ключевой механизм аллергической реакции. Первые лабораторные испытания уже выявили перспективные молекулы, однако до появления готового препарата предстоит пройти ещё несколько этапов исследований.
Результаты стали частью более масштабной работы Anthropic с шестью организациями, занимающимися разработкой лекарств. Эти проекты показывают, как современные языковые модели могут помогать учёным не только анализировать научные данные, но и проектировать молекулы, планировать эксперименты и ускорять поиск потенциальных лекарственных средств.
Как ИИ помогает бороться с пищевой аллергией
Один из наиболее интересных проектов Anthropic реализовала совместно с биотехнологической компанией Divergence Labs. Её исследователи разрабатывают новый подход к лечению пищевой аллергии, воздействующий на иммуноглобулин E (IgE) — антитело, играющее ключевую роль в запуске аллергических реакций.
Когда человек с аллергией сталкивается с определённым пищевым белком, иммунная система может воспринимать его как угрозу. В результате запускается цепочка реакций, способная привести к различным симптомам — от кожных проявлений до опасных для жизни состояний. Важную роль в этом процессе играет IgE, находящийся на поверхности иммунных клеток.
Существующие лекарства, в частности препарат «Ксолар» (Xolair), действуют преимущественно за счёт нейтрализации свободного IgE, циркулирующего в крови. Это помогает снизить вероятность аллергической реакции, но не устраняет все ограничения: пациентам по-прежнему приходится избегать продуктов, вызывающих аллергию, и соблюдать меры предосторожности.
Команда Divergence Labs решила пойти дальше и создать препарат, который сможет не только связывать IgE, но и отсоединять его от иммунных клеток. Такая стратегия потенциально позволит воздействовать на механизм аллергической реакции более эффективно.
35 тысяч вариантов антител за месяц
Для реализации замысла исследователи использовали Claude как помощника в проектировании белков. ИИ преобразовал поставленную задачу в подробный план работы, разбил её на отдельные этапы и в значительной степени самостоятельно выполнял вычислительную часть исследования.
За месяц система сгенерировала приблизительно 35 тысяч вариантов антител. Работа включала 22 отдельных цикла автономного проектирования и потребовала около 2750 часов вычислений на графических процессорах Nvidia H100.
Но зачем создавать десятки тысяч вариантов, если нужен всего один препарат? Дело в том, что даже небольшие изменения в структуре белка могут существенно влиять на его свойства. Одна молекула способна хорошо связываться с нужной мишенью, но оказаться недостаточно стабильной. Другая может обладать подходящей структурой, однако не выполнять требуемую функцию.
Поэтому компьютерные модели сначала оценивают множество возможных конструкций, после чего исследователи выбирают наиболее перспективные и проверяют их в лаборатории.
В данном случае разработку разделили на две задачи. Первая заключалась в создании участка антитела, способного прочно связываться с IgE. Вторая — в проектировании участка, который поможет отсоединить IgE от рецептора на иммунной клетке.
Такое разделение позволяет отдельно совершенствовать каждый компонент, прежде чем объединить их в единую молекулу.
Что показали лабораторные испытания
Результаты первых экспериментов оказались обнадёживающими.
Из 91 проверенного варианта участка, предназначенного для отсоединения IgE от иммунных клеток, 20 продемонстрировали требуемую активность. Они смогли заметно ослабить связь между IgE и рецептором, удерживающим его на поверхности клетки.
Три из этих вариантов показали результаты, которые в условиях лабораторного теста оказались лучше результатов «Ксолара» при концентрациях, соответствующих практически применимому диапазону дозирования.
Параллельно исследователи проверили 57 вариантов второго компонента — участка, который должен прочно связываться с IgE. Три конструкции продемонстрировали требуемое взаимодействие с молекулой-мишенью. Одна из них связывалась особенно прочно, причём её характеристики оказались сопоставимы с показателями многих одобренных препаратов на основе антител.
Однако есть существенная оговорка: учёным пока не удалось объединить оба компонента в единый препарат, который одновременно прочно связывался бы с IgE и эффективно отсоединял его от иммунных клеток.
Следующий этап — подобрать совместимые участки, соединить их в полноценную молекулу антитела и проверить, как она работает в более сложных биологических системах.
Не только аллергия: ИИ ускоряет разработку лекарств
Проект Divergence Labs — лишь один из примеров того, как Anthropic применяет Claude в фармацевтических исследованиях. Другие партнёрские проекты демонстрируют потенциальные преимущества ИИ в разработке противораковых препаратов и улучшении свойств уже известных молекул.
Например, компания BigHat Biosciences использовала Claude для совершенствования двух перспективных молекул на основе антител. За десять недель исследователи изготовили и протестировали около 1010 вариантов. Лучшие конструкции связывались с целевыми молекулами более чем в десять раз прочнее исходных образцов. Кроме того, учёным удалось улучшить устойчивость некоторых вариантов к нагреванию и снизить склонность молекул к образованию агрегатов — скоплений белков, которые могут осложнять производство и хранение лекарств.
Другой проект, реализованный совместно с Generate Biomedicines, был посвящён CAR-T-терапии — методу лечения рака с помощью собственных иммунных клеток пациента, генетически модифицированных для распознавания опухоли.
С помощью Claude исследователи переработали часть генетической конструкции, управляющей работой таких клеток. Один из предложенных вариантов оказался примерно на 70% короче стандартного. В лабораторных испытаниях модифицированные клетки производили приблизительно в десять раз больше рецепторов, распознающих раковые клетки, эффективнее уничтожали опухолевые клетки и дольше сохраняли активность.
Эти результаты могут помочь в разработке новых подходов к лечению солидных опухолей, против которых CAR-T-терапию применять сложнее, чем против некоторых видов рака крови. Но эффективность нового решения у пациентов ещё предстоит подтвердить.
Наконец, ИИ оказался полезен даже при проверке фармацевтической документации. В проекте с компанией Enveda Claude проанализировал 1061 страницу производственных записей, обнаружил все 11 проблем, ранее выявленных специалистами, и дополнительно указал на семь потенциальных несоответствий. По данным Anthropic, благодаря этому время проверки документов сократилось на 89% — с более чем 25 часов до менее чем трёх.
Почему искусственный интеллект пока не заменит учёных
Несмотря на впечатляющие результаты, важно понимать, что проектирование молекулы и создание безопасного лекарства — совершенно разные задачи.
ИИ может предложить тысячи потенциальных конструкций и помочь отобрать наиболее перспективные. Однако компьютерная модель не способна сама по себе доказать, что препарат будет безопасен для человека, достигнет нужных тканей, не вызовет нежелательных иммунных реакций и обеспечит устойчивый терапевтический эффект.
Кроме того, Anthropic отмечает, что Claude не всегда удачно выбирал дальнейшие направления исследования. Иногда система предлагала дополнительные серии экспериментов, которые вряд ли существенно изменили бы выводы, тогда как специалист предпочитал переключиться на альтернативную стратегию.
Это подчёркивает важную особенность нынешнего этапа развития ИИ: система уже может брать на себя значительную часть сложной интеллектуальной работы, но оценка научной значимости результатов и выбор наиболее перспективных экспериментов по-прежнему требуют человеческого опыта.
В случае с пищевой аллергией исследователям ещё предстоит объединить два компонента антитела, испытать полученную молекулу на иммунных клетках и убедиться, что она действительно способна воздействовать на механизм аллергии без нежелательных последствий.
От компьютерного проекта до лекарства ещё далеко
Работа Anthropic и Divergence Labs демонстрирует, насколько быстро ИИ способен расширить пространство возможных решений в биотехнологии. Вместо того чтобы последовательно проверять небольшое число конструкций, исследователи могут поручить модели масштабный поиск, а затем сосредоточить лабораторные ресурсы на наиболее перспективных кандидатах.
Если этот подход подтвердит свою эффективность на следующих этапах, он сможет ускорить разработку не только средств против пищевой аллергии, но и лекарств для лечения других заболеваний, при которых необходимо воздействовать на сложные взаимодействия между белками и клетками.
Однако пока речь идёт о перспективных экспериментальных разработках, а не о готовом лечении. Чтобы определить, превратятся ли найденные конструкции в эффективный препарат, потребуются дополнительные исследования, оценка безопасности и, в дальнейшем, клинические испытания на людях.
