Антибіотики з нуля: чи змінить генеративний AI боротьбу з резистентністю бактерій?

Чи може штучний інтелект не просто підказувати, а й створювати ліки з чистого аркуша? У MIT на це відповідають практикою: від цифрових моделей – до експериментів на «органах‑на‑чипі» та кандидатів, що знищують багаторезистентні патогени. Історія розгортається швидко – і в ній уже є кілька ключових віх.

Передумови: коли біологія зустрілася з алгоритмами

На тлі глобальних викликів – хвороб, енергетики та клімату – дослідники MIT зробили ставку на поєднання синтетичної біології і математичного моделювання. У цій парадигмі інженерні клітини можна програмувати як терапії нового покоління. Одним з рушіїв цього підходу став Джим Коллінз – Терміровський професор медичної інженерії та науки й професор біологічної інженерії в MIT, директор MIT Jameel Clinic з машинного навчання в охороні здоров’я, ключовий співробітник IMES, учасник Broad Institute та засновник ядра Wyss Institute. Його команда раніше розробила нові підходи до діагностики та терапії, у тому числі для патогенів на кшталт Ebola, Zika, SARS‑CoV‑2 та антибіотикорезистентних бактерій. Далі – широка мережа міжінституційних співпраць, яка дозволила поєднати ШІ‑прогнози з експериментальними платформами. Саме цей симбіоз став відправною точкою для ривка в антимікробній терапії.

Ключова подія: від halicin до генеративних бібліотек 2025 року

Спершу в співпраці в межах Jameel Clinic глибоке навчання привело до відкриття halicin – потужного антибіотика широкого спектра дії проти множинно резистентних бактерій. Результати оприлюднено в Cell у 2020 році, що стало демонстрацією ефективності поєднання ШІ, мережевої біології та системної мікробіології. Далі, у 2025 році, команда показала, що генеративний AI може проєктувати антибіотики «з нуля». За допомогою генетичних алгоритмів і варіаційних автоенкодерів згенеровано мільйони кандидатів – як на основі фрагментів, так і в неокресленому хімічному просторі. Після обчислювальної фільтрації, ретросинтетичного моделювання і перегляду з боку медичної хімії синтезовано 24 сполуки, з яких сім проявили вибіркову антибактеріальну активність. Один лідер, NG1, точково знищував мультирезистентні штами Neisseria gonorrhoeae, зберігаючи коменсальні види, інший – DN1 – був спрямований проти MRSA (Staphylococcus aureus) і очищував інфекції в мишей завдяки широкому порушенню мембран. Обидві молекули виявилися нетоксичними й демонстрували низькі темпи формування резистентності.

«Співпраця є центральною для нашої роботи: ми поєднуємо штучний інтелект, мережеву біологію та експерименти, аби прискорити відкриття нових антибіотиків».

Реакція спільноти та партнерства

Паралельно з науковими публікаціями команда розширила випробувальні можливості завдяки платформам «органи‑на‑чипі» у Wyss Institute, де ефективність ШІ‑відкритих і ШІ‑згенерованих антибіотиків оцінюють у середовищах, що імітують тканини людини. Такі системи доповнюють класичні досліди на тваринах і дають детальніше уявлення про терапевтичний потенціал сполук. Для перенесення перспективних кандидатів до доклініки створено неприбуткову структуру Phare Bio та запущено Antibiotics‑AI Project у співпраці з лабораторією Коллінза. Модель передбачає взаємодію з біотехом, фармою, ШІ‑компаніями, філантропами, іншими неприбутковими організаціями та навіть державами – аби подолати «долину смерті» між відкриттям і розробкою.

«Спільний знаменник усіх проєктів – поєднання комп’ютерних передбачень із передовими експериментальними платформами, що пришвидшує шлях від ідеї до підтвердженої терапії».

Наслідки: що вже змінилося на практиці

За лічені роки підхід дав вимірювані результати – від публікацій до конкретних молекул і нових інфраструктур для тестувань. Тепер фокус охоплює не лише протимікробну активність, а й «drug‑like» властивості, необхідні для просування до клініки. Випробування в «органах‑на‑чипі» поступово стають стандартною ланкою між in silico та in vivo.

• Здійснено перехід від пошуку відомих сполук до дизайну «з нуля»: згенеровано мільйони кандидатів, синтезовано 24, сім продемонстрували вибіркову активність.
• Ідентифіковано лідери NG1 (вузький спектр проти Neisseria gonorrhoeae) та DN1 (ціль – MRSA), обидві молекули – нетоксичні з низькою швидкістю виникнення резистентності.
• Розгорнуто платформені випробування на «органах‑на‑чипі», що доповнюють тваринні моделі та підсилюють трансляційний потенціал сполук.

Що далі: курс на 15 нових антибіотиків

Наступний крок уже визначено: за підтримки ARPA-H команда інтегрує генеративний дизайн і високопродуктивні біотести, щоб створити й розвинути як доклінічні кандидати 15 нових антибіотиків. Паралельно алгоритми будуть зосереджені на проєктуванні сполук із кращими фармакологічними параметрами – від абсорбції до безпечності. Якщо темп збережеться, система «AI → експеримент → трансляція» може стати основою проактивної відповіді на резистентність, коли ліки створюють наперед, а не в погоні за новими загрозами. Попереду – перевірка на шляхах доклініки та партнерствах, здатних довести молекули до пацієнтів.