Исследователь Сесар де ла Фуэнте из Пенсильванского университета использовал ИИ, чтобы выявить новые кандидаты в антимикробные пептиды, способные бороться с инфекциями, устойчивыми к лекарствам.
Основные выводы
Антибиотикорезистентность уносит более миллиона жизней в год по всему миру
Лаборатория Сесара де ла Фуэнте в Пенсильванском университете изучает живые и вымершие геномы в поисках кандидатов в антимикробные пептиды
Исследователи используют Codex и ChatGPT, чтобы писать и дорабатывать поисковые скрипты для антимикробного поиска
Публикация OpenAI не называет конкретные молекулы, которые были обнаружены, и не раскрывает клинические сроки
Его лаборатория, согласно публикации OpenAI, вышедшей в четверг, извлекает как живые, так и вымершие геномы на предмет последовательностей пептидов с потенциальной антибиотической активностью. Подход рассматривает генетические базы данных как неосвоенное пространство поиска, а не как статичный архив, используя модели ИИ для выявления молекулярных паттернов, которые человеческим исследователям пришлось бы отсеивать вручную годами.
Почему Пенн и другие превратили устойчивость к лекарствам в задачу поиска
Антибиотикорезистентность уносит более миллиона жизней в год по всему миру, а конвейер новых препаратов иссякает: фармацевтические компании отступили от исследований антибиотиков за последние два десятилетия, потому что отдача ниже, чем у препаратов для хронических заболеваний.
Лаборатория де ла Фуэнте публиковала работы о добыче ДНК вымерших организмов: в том числе данные, полученные из ископаемых и древних образцов, исходя из идеи, что молекулы видов, давно ушедших с Земли, могут обладать антибактериальными свойствами, которые сегодня не встречаются в обращении.
Также читайте: последний прорыв DeepSeek сокрушает ценовую мощь ИИ
От ручного скрининга к поиску в масштабе машин
Используя Codex и ChatGPT, исследователи могут быстро писать и итеративно улучшать скрипты для поиска, а ChatGPT берет на себя анализ и генерацию гипотез.
Антимикробные пептиды — это короткие цепочки аминокислот, которые многие организмы вырабатывают естественным образом, чтобы убивать бактерии; а устойчивые штаммы исторически испытывали трудности с выработкой защитных механизмов против них — в отличие от обычных антибиотиков.
Это находится внутри более широкой области, называемой цифровой биологией, где модели ИИ ищут геномные и протеомные данные так же, как поисковая система индексирует веб-страницы.
Традиционное открытие противомикробных средств включало тестирование соединений по одному за раз в мокрых лабораториях — процесс, который мог занять у аспиранта годы, чтобы просеять всего несколько тысяч кандидатов. Это отражает волну проектов в области биологии, управляемых ИИ, которые развернулись по отрасли к 2026 году, поскольку лаборатории все чаще позиционировали помощников по программированию как универсальные инструменты исследований, а не только как средства для написания кода.
Что, по словам OpenAI, будет дальше
Публикация OpenAI не называет конкретные молекулы, обнаруженные в ходе работы, и не раскрывает клинические сроки, оставляя открытым вопрос, насколько близок любой кандидат к испытаниям.
Компания представила это кейс-исследование как доказательство того, что агентные инструменты кодинга могут ускорять научный поиск в широком смысле — такое утверждение она уже делала, указывая среди прочего на области материаловедения.
Читайте дальше: прорывное заявление OpenAI о задаче Навье—Стокса вызывает отказ математика