Устойчивость бактерий к антибиотикам незаметно приводит к катастрофическим последствиям: только в 2021 году с резистентными инфекциями было связано около пяти миллионов смертей, и к 2050 году эта цифра может удвоиться. Ситуацию усугубляет то, что фармацевтический пайплайн фактически пустует уже полвека — за последние 50 лет на рынок не вышло ни одного принципиально нового класса антибиотиков, отмечает биоинженер Сезар де ла Фуэнте. Традиционный процесс поиска лекарств в лаборатории остается изнурительным многолетним перебором: физические соединения долго выделяют из природных источников и тестируют вручную.
Чтобы устранить это экономическое и операционное бутылочное горлышко, лаборатория де ла Фуэнте в Пенсильванском университете перенесла ранние этапы разработки в программную среду. Ученые анализируют геномы живых и вымерших организмов в поисках антимикробных свойств. Обучая модели глубокого обучения распознавать структурные и последовательностные паттерны в гигантских библиотеках геномов и протеомов, лаборатория заменила рутинную работу с пробирками на вычислительный скрининг. Такой подход сократил начальный поиск перспективных кандидатов в лекарства с нескольких лет до считаных часов.
Интеграция языковых моделей в процесс разработки
Помимо специализированных классификаторов биологических последовательностей, исследовательская группа напрямую встраивает готовые генеративные инструменты в свою научную инфраструктуру. Работа на стыке вычислительной биологии, химии и программной инженерии требует быстрого междисциплинарного синтеза и сопряжена с высокими затратами на разработку инструментария.
Команда использует решения OpenAI (Codex и ChatGPT) для проектирования вычислительных конвейеров, генерации скриптов анализа, обработки геномных датасетов и проверки исследовательских гипотез. Перенос раннего этапа R&D из физических экспериментов методом проб и ошибок в цифровой скрининг *in silico* в корне меняет юнит-экономику биотеха. Кандидаты, предварительно подтвержденные вычислениями, отправляются на синтез в лабораторию с высокой статистической вероятностью успеха, что снижает барьер для клинических испытаний и сокращает сроки начального поиска с нескольких лет до недель.