ИИ снижает стоимость скрининга сотен миллиардов молекул лекарств до одной тысячной

Исследователи из Детской исследовательской больницы Святого Иуды (США), Павийского университета (Италия) и других учреждений разработали платформу AdaptiveFlow на основе искусственного интеллекта для виртуального скрининга библиотек химических соединений, содержащих 69 миллиардов молекул. По сравнению с существующими методами платформа позволяет снизить соответствующие вычислительные затраты до 1/1000 от исходных и обеспечивает линейное масштабирование до 5,6 миллионов виртуальных центральных процессоров (CPU). Результаты опубликованы в последнем выпуске журнала Nature Biotechnology.

Виртуальный скрининг — это метод компьютерного моделирования взаимодействия молекул-кандидатов с целевыми белками для отбора соединений, способных связываться с мишенью. Чем больше молекул-кандидатов, тем больше вычислений требуется, и при масштабе в десятки или сотни миллиардов молекул затраты вычислительных ресурсов резко возрастают. AdaptiveFlow решает эту проблему за счёт ИИ и эффективной облачной архитектуры: молекулы распределяются по 18-мерной сетке на основе свойств (например, молекулярной массы), затем приоритетно отбираются молекулы с разными химическими характеристиками для предварительного скрининга, после чего модели машинного обучения анализируют результаты и выявляют перспективных кандидатов, а методы молекулярного докинга оценивают их способность связываться с целевым белком. Платформа поддерживает более 1500 схем молекулярного докинга.

Тестирование показало, что AdaptiveFlow сохраняет почти линейную вычислительную эффективность при увеличении ресурсов — даже при одновременном использовании миллионов центральных процессоров (CPU) не наблюдается заметного снижения эффективности коммуникации. Платформа была применена для скрининга библиотеки из 69 миллиардов молекул против связанных с раком мишеней PARP1 и FSP1, и в обоих случаях были найдены ингибиторы с сильной связывающей способностью, сопоставимой со стандартами, значимыми для разработки лекарств. Особенно сложной мишенью оказался FSP1 из-за наличия дополнительных кофакторов в связывающем сайте. AdaptiveFlow имеет открытый исходный код, предоставляет обучающие материалы и руководства и доступен учёным бесплатно, что должно ускорить поиск потенциальных лекарств против трудно разрабатываемых мишеней.