Як ШІ Допомагає Шукати Препарати Від Раку: У Середині Молекулярного Дослідницького Двигуна BIOPTIC

Знаходження нового препарату часто описується як пошук голки у сіні. Насправді проблема набагато ширша: «сіном» можуть бути мільярди, або навіть трильйони, можливих молекул.

Саме тут на допомогу входить штучний інтелект.

BIOPTIC, біотехнологічна компанія, що орієнтується на ШІ і пов'язана з підприємцем та колишнім керівником Google Андрієм Дороничевим, розробляє технології, які використовують машинне навчання для пошуку величезних хімічних бібліотек молекул, які згодом можуть стати новими ліками. Одна з найбільш цікавих програм компанії зосереджена на раку, де її система ШІ була використана для визначення селективних інгібіторів VEGFR-3, біологічної цілі, що бере участь у ангіогенезі пухлин.

Важливе тут слово, зрештою. ШІ не натискає кнопку та не виробляє готовий препарат від раку. Натомість він допомагає вченим вирішити, які молекули варто синтезувати та протестувати в реальному світі.

Що таке BIOPTIC і що насправді робить його ШІ?

BIOPTIC працює на перетині штучного інтелекту, обчислювальної хімії та відкриття нових ліків. Його основна ідея полягає в тому, щоб частково розглядати хімічне відкриття як проблему пошуку.

Звичайна програма відкриття лікарських засобів може починатися з біологічної цілі, білка, пов'язаного з хворобою, і потім шукати молекулу, яка здатна взаємодіяти з цією ціллю бажаним чином. Виклик у тому, що кількість теоретично можливих молекул, схожих на ліки, астрономічна.

Система B1 компанії BIOPTIC намагається зробити цей пошук керованим.

Система представляє молекули математично, створюючи компактні числові вектори, що дозволяють порівнювати хімічні структури на високій швидкості. Відповідно до рецензованих досліджень компанії, B1 може шукати бібліотеки, що містять десятки мільярдів сполук, та знаходити молекули, які можуть мати подібні біологічні властивості, навіть якщо їхні хімічні структури значно відрізняються.

Таким чином, ШІ не замінює лабораторію. Він діє як надзвичайно швидкий фільтр перед початком лабораторних досліджень.

Як BIOPTIC B1 шукає мільярди молекул?

Технічна основа B1, це система віртуального скринінгу на основі лігандів.

Ліганда, це молекула, що може зв'язуватися з біологічною ціллю, такою як білок. Якщо вчені вже знають кілька молекул з корисною активністю, ці молекули можуть слугувати відправними точками для нового пошуку.

B1 конвертує молекулярну інформацію в компактне векторне представлення. У опублікованій системі кожна молекула представлена як 60-вимірне вбудування, яке зберігається з використанням точності float16. Модель може порівняти запитувану молекулу з попередньо проіндексованими молекулярними представленнями та обчислити схожість на величезному масштабі.

Система була протестована на віртуальній хімічній бібліотеці Enamine REAL Space, яка містить приблизно 40 мільярдів перерахованих молекул.

Цей масштаб створює інженерну проблему так само, як і наукову. Дослідники BIOPTIC розділили процес на два етапи:

• Сканування: нейронні мережі обробляють молекули та генерують вбудування.

• Пошук: попередньо обчислені вбудування порівнюються для отримання найбільш релевантних кандидатів.

У опублікованих бенчмарках пошук по бібліотеці з 40 мільярдів сполук міг бути виконаний приблизно за дві хвилини та п’ятнадцять секунд, використовуючи описану в статті конфігурацію на основі SSD. Конфігурація на основі оперативної пам'яті була значно швидшою.

Це не означає, що ШІ розуміє біологію так само, як це робить вчений. Це означає, що система може швидко орієнтуватися в математичній карті хімічного простору і знаходити кандидатів, які заслуговують на більш уважну увагу.

Проект по раковим захворюванням: пошук селективних інгібіторів VEGFR-3

Програма боротьби з раком BIOPTIC надає конкретний приклад того, як цей підхід може працювати.

Ціль, VEGFR-3, також відомий як FLT4, рецептор, залучений до сигнальних шляхів, пов'язаних з ангіогенезом, формуванням нових кровоносних судин. Пухлини можуть використати ангіогенез для підтримки свого зростання, що робить цей шлях важливою сферою дослідження раку.

Виклик полягає у селективності.

Ліки, які широко впливають на кілька рецепторів VEGF, також можуть взаємодіяти з іншими біологічними системами, потенційно підвищуючи токсичність. Проект BIOPTIC мав на меті визначити невеликі молекули з більшою селективністю до VEGFR-3.

Компанія використовувала двомодельний конвеєр:

SMILES, це текстова нотація, що використовується для опису молекулярних структур. Це робить хімію надзвичайно сумісною з техніками мовних моделей: молекулу можна представити як послідовність символів, що дозволяє системам ШІ вивчати шаблони в хімічних даних.

Після того, як перша модель відфільтрувала надвелику бібліотеку з 40 мільярдів сполук, графова нейронна мережа була використана як другий фільтр. На відміну від текстових послідовностей, граф представляє атоми як вузли, а хімічні зв’язки як з'єднання, що робить GNN корисними для моделювання молекулярної структури та відносин.

Від цифрового прогнозу до реальної молекули

Це момент, коли історія ШІ стає реальною наукою.

Комп'ютер може спрогнозувати, що молекула виглядає перспективною, але цю молекулу все ще потрібно синтезувати та експериментально протестувати.

У проекті VEGFR-3 BIOPTIC повідомила про тестування 110 сполук, використовуючи аналіз кіназ. Кілька молекул показали активність проти VEGFR-3, і три були селективні для одного рецептора VEGFR. Один кандидат продемонстрував більше 45 разів селективність над VEGFR-1 і VEGFR-2 в опублікованих експериментах. Знайдені результати були представлені в абстракті для щорічної зустрічі ASCO 2025 року та опубліковані в абстракті зустрічі в Журналі клінічної онкології.

Дослідники потім поєднали молекулярне відкриття з аналізом RNA-секвенування. Використовуючи алгоритм Oncobox, вони проаналізували тисячі профілів експресії пухлин, щоб виявити, які типи раку можуть бути найбільш чутливими до селективних інгібіторів VEGFR-3. Повідомлені кандидати для подальшого вивчення включали папілярний рак щитовидної залози, рак нирок з ясноклітинною карциномою, рак підшлункової залози, рак яєчників та саркоми.

Це результати досліджень, не докази того, що готовий препарат від раку готовий для пацієнтів.

Наукові докази, що стоять за BIOPTIC B1

Технологія BIOPTIC також була описана у рецензованій науковій літературі.

У 2025 році дослідники опублікували дослідження в Журналі інформації та моделювання хімії, описуючи BIOPTIC B1 та його використання в експерименті з відкриття ліків, спрямованому на LRRK2, білок, пов'язаний із хворобою Паркінсона.

Система шукала в тій же хімічній області з 40 мільярдів молекул та ідентифікувала нові ліганди для нормальних та мутантних форм LRRK2. Кращі експериментально валідаційні сполуки досягли постійних констант як 110 наномолярів.

Наступний етап є особливо важливим для розуміння відкриття лікарських засобів за допомогою ШІ. Первісні знахідки не були розглянуті як остаточні відповіді. Вчені використали найкращі сполуки як відправні точки для аналогічного пошуку, отримали структурно пов’язані молекули, фільтрували їх за практичними властивостями та відбирали кандидатів, які могли б бути реалізовані.

З 48 вибраних аналогів 47 були успішно синтезовані. Отримані сполуки були протестовані знову, створюючи зворотний зв'язок між обчисленнями, хімією та біологією.

Чому ШІ не може замінити науковців в галузі ліків

Фраза "ШІ відкриває ліки" приваблива, але неповна.

ШІ може ранжувати молекули на основі шаблонів, вивчених з даних. Він може прискорити віртуальний скринінг і виявляти хімічні зв'язки, які буде важко дослідити вручну. Але прогноз залишається прогнозом, поки експериментальна робота не підтвердить його.

Вченим все ще потрібно відповісти на фундаментальні запитання:

• Чи дійсно молекула зв'язується з об'єктом?

• Чи впливає вона на запланований біологічний шлях?

• Чи достатньо вона селективна?

• Чи токсична вона?

• Чи може вона досягти необхідної тканини?

• Чи безпечно вона метаболізується?

• Чи працює вона на тваринах?

• Чи допомагає вона людям?

Перспективна молекула може зазнати невдачі на будь-якому етапі.

Тому реальна цінність таких систем, як BIOPTIC B1, може бути в швидкості, а не в магії. Якщо ШІ може зменшити мільярди теоретичних можливостей до кількох десятків молекул, які варто протестувати, він може зробити найбільш ранні етапи відкриття ліків ефективнішими.

Майбутнє медичних досліджень з використанням ШІ

Робота BIOPTIC ілюструє ширшу трансформацію в біотехнологіях. ШІ все більше стає частиною самісінької дослідницької інфраструктури, системи для пошуку хімічного простору, пріоритизації експериментів та зв'язування молекулярних даних з біологічною інформацією.

Дослідження раку компанії особливо цікаве, оскільки воно поєднує кілька шарів обчислень: молекулярний скринінг, моделювання селективності та аналіз RNA-seq пухлинної біології.

Але фінальний продукт цього процесу не є рецептом, згенерованим ШІ. Це короткий список гіпотез, які вчені повинні перевірити.

Ця різниця важлива.

ШІ може допомогти дослідникам швидше шукати мільярди молекул, ніж традиційні методи. Він може виявити незнайомі хімічні каркаси та вказати лабораторіям на кандидатів, які інакше залишилися б прихованими. Але молекула все ще повинна пройти хімію, біологію, токсикологію, доклінічні дослідження та клінічні випробування.

Іншими словами, ШІ не замінює науковця, який шукає ліки від раку.

Він надає цьому науковцю набагато потужніший засіб пошуку.