ИИ создал новый антибиотик за секунды: как SyntheMol-RL ломает правила фарминдустрии!

Пока большие языковые модели спорят о том, кто лучше пишет код, генеративный ИИ из Университета Макмастера тихо сделал то, на что у классических фармкомпаний уходят годы. Модель SyntheMol-RL спроектировала совершенно новый антибиотик с нуля, и он уже успешно справился с устойчивой к метициллину Staphylococcus aureus в лабораторных тестах на мышах.

Масштаб впечатляет даже тех, кто привык к цифрам из мира LLM. Классический подход к разработке лекарств предполагает скрининг около миллиона молекул, а SyntheMol-RL исследует пространство до 46 миллиардов соединений. Это прирост поисковой мощности примерно в 4 600 000 процентов, и именно такой масштаб делает возможным то, что раньше казалось фантастикой.

Технически модель работает не как диффузионный генератор картинок и не как авторегрессионный LLM. Она оперирует библиотекой из 150 000 молекулярных «строительных блоков» и набором из 50 реальных химических реакций синтеза, собирая из них жизнеспособные кандидаты. По сути, это поиск в огромном дискретном пространстве, где каждое действие есть реакция, а награда есть многокритериальная оценка молекулы.

Главный апгрейд по сравнению с прошлыми версиями SyntheMol это обучение с подкреплением. Модель оптимизирует молекулы сразу по двум конфликтующим критериям: антибактериальной активности и растворимости в воде. Авторы прямо отмечают, что раньше фильтрация по растворимости после генерации убивала почти всех кандидатов, поэтому решение было одно: зашить это требование прямо в процесс генерации через reward-функцию.

Результаты валидации в wet lab выглядят как выдержка из научно-фантастического романа, но они реальны. Модель сгенерировала тысячи кандидатов, команда отобрала 79 соединений для синтеза, после чего 13 молекул показали антибактериальную активность, включая полностью новые структуры. Особого внимания заслуживает synthecin, водорастворимый кандидат, который в виде топического крема эффективно подавил инфекцию MRSA на мышиной модели.

Для ИИ-инженеров здесь есть несколько важных выводов. Во-первых, архитектура disease-agnostic: авторы подчёркивают, что модель не привязана к антибиотикам и её можно переобучить под диабет, онкологию или другие заболевания, меняя только функцию вознаграждения. Во-вторых, это один из первых публичных кейсов, где генеративная модель прошла путь от идеи до синтеза и проверки в живом организме за разумное время. В-третьих, работа в паре со Стэнфордом показывает, что связка reinforcement learning плюс реальная химия начинает обгонять чистый скрининг.

Статья опубликована в Molecular Systems Biology и выбрана для обложки июньского номера. Команда Джона Стокса уже работает над ещё более мощной версией SyntheMol, которую обещают выкатить до конца года. Механизм действия synthecin пока не изучен до конца, и именно это станет ключом к тому, дойдёт ли препарат до клиники. Но как демонстрация возможностей генеративного ИИ в биомедицине это один из самых сильных результатов последних месяцев.

Источники:

Публикация McMaster News: https://news.mcmaster.ca/mcmaster-built-ai-model-speeds-up-drug-discovery-designs-new-antibiotic/