Благодаря способности обрабатывать огромные объемы данных искусственный интеллект (ИИ) может создать карту всех возможных конфигураций молекул в рекордно короткие сроки, считают исследователи. В некотором смысле это будет эквивалент "Google Maps" для химии - титанический проект, который может ускорить разработку новых лекарств и сверхвысокоэффективных материалов.
Уже несколько лет ученые имеют доступ к цифровым химическим средам, позволяющим визуализировать большие массивы данных, охватывающие миллиарды молекул. Известные как "химические пространства", они представляют собой интерактивные карты, на которых можно увидеть соединения, спроецированные в двух или трех измерениях, подобно карте неба, усеянной звездами. Относительные расстояния между каждым соединением определяются в зависимости от их сходства. Например, те соединения, которые одинаково реагируют на тепло или свет, имеют сходные свойства и поэтому располагаются ближе друг к другу.
Создание таких пространств открывает широкие возможности, позволяя, например, быстрее находить новые лекарства. Можно выявлять аналогичные соединения и оптимизировать принцип действия, оценивая, какие комбинации наиболее эффективны. ChemMaps, одно из таких пространств, позволяет пользователям ориентироваться в более чем 166,4 млрд. органических молекул, спроецированных в трех измерениях и состоящих максимум из 17 атомов. Этот инструмент, созданный по мотивам Google Maps и находящийся в открытом доступе, может быть использован для визуализации состава и физико-химических свойств почти 1 млн. лекарственных препаратов и токсичных для окружающей среды продуктов. Он также включает в себя большой набор данных испытаний in vitro, раскрывающих взаимодействие между тысячами клеточных мишеней и молекулами токсичных веществ или лекарств.
Однако, несмотря на свою эффективность, эти области обрабатывают лишь относительно ограниченные наборы данных. На самом деле создание точной карты всех возможных молекулярных конфигураций, включая степень их стабильности и свойства, представляет собой серьезную проблему. На недавней конференции Американского химического общества в Сан-Франциско исследователи предположили, что современные ИИ могут помочь в достижении этой цели, учитывая их вычислительную мощность. В конечном счете, этот картографический проект может ускорить открытие новых активных молекул, новых материалов, соединений, нейтрализующих токсичные химические вещества в окружающей среде, и т.д.
Разработка нового лекарственного препарата включает в себя ряд трудоемких этапов, в том числе распознавание и идентификацию мишени, определение оптимального химического состава, доклинические и клинические исследования и т.д. Все эти процессы приводят к тому, что для выхода препарата на рынок требуется около 10-15 лет. Компьютерная помощь позволила ускорить и предвидеть свойства активных соединений, прогнозируя их физико-химические свойства, селективность, побочные эффекты и фармакокинетические параметры.
Однако эти подходы имеют свои ограничения, поскольку, как правило, основаны на заранее установленных данных. ИИ же основывается не на заранее определенных физико-химических принципах, а на синтезе очень большого набора биомедицинских данных. Более того, идентификация активного ингредиента предполагает смешивание и сравнение до 1060 различных молекул, каждая из которых обладает специфическими свойствами, потенциально относящимися к лекарственной мишени. Учитывая текущие характеристики технологии, она могла бы установить гораздо более широкое химическое пространство. Идентификация новой активной молекулы будет занимать не десятилетие и более, а всего несколько дней или недель.
В настоящее время существует более или менее похожий инструмент на основе ИИ - AlphaFold, позволяющий предсказать структуру любого белка на планете. Однако создание химического пространства гораздо более трудоемко, поскольку многие данные пока недоступны. Например, редко публикуются данные о методиках или соединениях, которые считаются неактуальными.
Тем не менее в настоящее время в Массачусетском технологическом институте (MIT) ведутся исследования по созданию обширного химического пространства на основе ИИ. Цель этого инструмента — определить молекулу как катализатор, а затем попросить ИИ исследовать стабильность каждой конфигурации, перемещая ее атомы или меняя их на другие. Такая методика позволяет заполнить пространство вокруг данной молекулы ее более или менее похожими аналогами. Специфические свойства также соответствуют различным подпространствам. Например, токсичные соединения группируются в одном подпространстве. Этот инструмент был опробован при поиске материалов для аккумулирования солнечной энергии или преобразования парниковых газов в менее загрязняющие окружающую среду жидкости и дал многообещающие результаты.