Чи здолає ШІ резистентні інфекції? MIT показує, як народжуються нові антибіотики

Зміст статті

Пізній вечір у лабораторії звучить однаково в різних країнах – короткі сигнали обладнання, шурхіт рукавичок, уривки коду на екрані. Тут, у середовищі, де формули зустрічаються з культурами бактерій, народжується новий підхід до лікування інфекцій. Команда MIT під керівництвом Джеймса Коллінза поєднує штучний інтелект і експеримент, щоб стискати роки пошуку у місяці перевірок. На перетині синтетичної біології, системної біології та машинного навчання формується інструментарій, покликаний відповісти на виклик стійких інфекцій. Історія цієї роботи – це не лише про алгоритми, а й про зміну маршруту від ідеї до реальної терапії. У центрі – цілеспрямована співпраця між інженерами, біологами й клінічними науковцями, яка вже принесла вимірювані результати.

Алгоритми й пробірки: місце зустрічі двох світів

Колаборації стали опорною конструкцією досліджень Коллінза: у межах Jameel Clinic команда поєднала глибинне навчання, мережеву біологію та системну мікробіологію для пошуку сполук з антибактеріальною активністю. Саме цей підхід привів до відкриття halicin – потужного антибіотика проти широкого спектра мульти­резистентних патогенів, роботу про який опубліковано в журналі Cell у 2020 році. Далі – експерименти на платформах Wyss Institute, де органи-на-чипі відтворюють поведінку тканин людини та дозволяють бачити, як ідеї алгоритмів проходять тест на реальність. Такі системи доповнюють традиційні досліди на тваринах і дають більш нюансовану картину потенціалу кандидата на ліки. Спільний знаменник – зв’язування обчислювальних прогнозів з високоточною експериментальною валідацією. Цей цикл скорочує шлях від гіпотези до перевіреної молекули, зменшуючи невизначеність і витрати часу.

Суть підходу проста за формою і складна у виконанні: алгоритм пропонує, лабораторія перевіряє, а між ними працює інженерія даних, хімія та біологія. І коли цифровий відбір множиться на фізичні тести, кількість перспективних знахідок поступається місцем їхній якості.

Антибіотики, народжені даними

У 2025 році команда представила результати, що показують можливість створення нових антибіотиків «з нуля» за допомогою генеративного ШІ. Використовуючи генетичні алгоритми та варіаційні автокодери, дослідники згенерували мільйони кандидатних молекул – як на основі фрагментів, так і в повністю вільному хімічному просторі. Після комп’ютерної фільтрації, ретросинтетичного моделювання та огляду з боку медичної хімії для синтезу відібрали 24 сполуки. Сім із них продемонстрували вибіркову антибактеріальну активність під час експериментів. Один з лідерів, NG1, виявився надзвичайно вузькоспецифічним – він елімінував мультирезистентні штами Neisseria gonorrhoeae і водночас щадив коменсальну мікрофлору. Інший кандидат, DN1, націлювався на MRSA та очищав інфекції у мишей через широке порушення мембран; обидві молекули показали відсутність токсичності й низькі темпи виникнення резистентності у тестах.

Факти: у 2020 році команда повідомила в Cell про відкриття halicin; у 2025 році синтезовано 24 нові сполуки, з яких 7 проявили вибіркову антибактеріальну активність, включно з NG1 проти Neisseria gonorrhoeae та DN1 проти MRSA.

Ці цифри важливі не лише як демонстрація працездатності підходу, а як індикатор керованості процесу: генеративні моделі, налаштовані на фармакологічні вимоги, можуть не просто шукати в існуючих базах, а пропонувати конструкції, раніше відсутні у каталогах. Коли до цього додається синтетична досяжність і рання перевірка безпеки, цикл «проєктування – синтез – тест» стає відтворюваним і масштабованим.

Людський вимір: прицільність замість надмірності

Вузькоспецифічна дія NG1 проти Neisseria gonorrhoeae має практичний вимір: проблемні штами гонококів з резистентністю до терапій першої лінії становлять загрозу для стандартів лікування. У той час DN1, ефективний проти MRSA, ілюструє протилежну логіку – широкий мембранний ефект, що пришвидшує «зачистку» інфекції у тваринних моделях. Обидва підходи підпорядковані одній меті: підібрати профіль дії під конкретний клінічний сценарій, зменшуючи шкоду для корисної мікрофлори та ризик розвитку резистентності. У пацієнтській площині це означає потенціал більш м’яких режимів лікування й менше ускладнень, якщо такі кандидати пройдуть подальші стадії розробки. Це також підсилює аргумент на користь рушійної сили ШІ там, де потрібні тонкі налаштування дії молекул. У підсумку формується модель терапевтик, орієнтованих на конкретний патоген і контекст застосування.

Читайте також наші статті:

• Безсимптомний ворог: як вчасно виявити колоректальний рак і чому друга думка може бути вирішальною
• Браян Хедден співкеруватиме SERC у статусі співзаступника декана: чому MIT робить цю ставку?

Платформи прискорення: від мікрочипа до тканини

Щоб не покладатися лише на тваринні моделі, команда залучає органи-на-чипі Wyss Institute, які моделюють поведінку людських тканин. Це дозволяє оцінювати, як кандидатні молекули розподіляються, діють і чи не викликають небажаних ефектів у середовищі, ближчому до людського організму. Такі платформи доповнюють традиційні підходи, зменшуючи розрив між in silico прогнозом і клінічно релевантним результатом. Виграш у точності тут означає економію часу й ресурсів на наступних етапах, де помилки дорожчають. У поєднанні з великими наборами біологічних вимірювань це створює дані, на яких ШІ-моделі вчаться точніше та прогнозують ризики заздалегідь.

Від передбачення до валідації

Ключовий ланцюг – комп’ютерне проєктування, високопродуктивні біотести, мікрофізіологічні системи та повторна ітерація моделей. Таке кільце зворотного зв’язку вирівнює очікування й підсилює довіру до кандидатів, що переходять у доклініку. На виході – менше «сліпих плям» і більше даних для ухвалення рішень.

Від лабораторії до клініки: інфраструктура для переходу

Щоб об’єднати відкриття та розвиток, створено неприбуткову організацію Phare Bio, яка бере найперспективніші кандидати з проєкту Antibiotics‑AI в MIT і веде їх до доклініки разом із біотехкомпаніями, фармпартнерами, AI‑компаніями, філантропами, іншими неурядовими структурами та державами. Окремо команда повідомила про грант ARPA-H – на дизайн 15 нових антибіотиків і підготовку їх як доклінічних кандидатів. Це безпосередньо спирається на результати лабораторії, де генеративний ШІ поєднується з експериментальною перевіркою, формуючи відтворюваний «конвеєр» молекул. Операційне керівництво проєктом у неприбутковому сегменті здійснює Ахіла Косараджу, координуючи партнерства і темп переходу з лабораторії у практику. Так вибудовується інфраструктура, що закриває розрив між академічним відкриттям і майбутніми клінічними випробуваннями.

Що далі: обережний оптимізм і нова тактика

Наступний крок – проєктувати молекули з «правильними» фармакокінетичними та фармакодинамічними рисами й одразу перевіряти їх у широких біотестах. Команда декларує перехід від реактивної до проактивної стратегії у відповідь на резистентні патогени, де інтеграція обчислювань і експерименту стає стандартом. Із урахуванням отриманого гранту та працюючих платформ, очікується нарощування темпу відкриттів з одночасним підвищенням їхньої «клінічної готовності» на вході. Ризики – у складності трансляції від моделі до людини, але саме для цього й існують багаторівневі системи валідації.

• Розробка 15 доклінічних кандидатів у межах гранту ARPA-H
• Поглиблення тестів на органах-на-чипі Wyss Institute для раннього виявлення ризиків
• Подальша інтеграція генеративного ШІ з високопродуктивними біотестами для прискорення циклу відкриттів

Коли код зустрічає мікроб: фокус на результат

Історія MIT про нові антибіотики – це приклад того, як зважена співпраця і технології можуть рухати медицину вперед без гучних обіцянок. Від halicin і публікації у 2020 році до NG1 і DN1 у 2025‑му, а також інституційної підтримки у вигляді Phare Bio і Jameel Clinic – усі ці елементи складаються в цілісну траєкторію. Вона не гарантує швидких «чудо‑ліків», але посилює ймовірність відповідей там, де вони були найменш очікуваними. Питання тепер у темпі та якості перекладу цих рішень у клініку – і саме цим шляхом команда йде далі. Чи стане це поворотом у боротьбі зі стійкими інфекціями? Обережні, але верифіковані кроки натякають, що відповідь може бути позитивною.