Искусственный интеллект разбирается в лекарствах

Российские ученые из СПбГУ, НТУ «Сириус» и НМИЦ им. В. А. Алмазова Министерства здравоохранения РФ под руководством доктора биологических наук, главного научного сотрудника Санкт-Петербургского государственного университета и профессора Российской академии наук Алана Калуева совместно с коллегами из Китая и Бразилии разработали новую уникальную систему для скрининга нейротропных препаратов с использованием искусственного интеллекта. Разработка была проверена на модельных животных — рыбах зебраданио (zebrafish, Danio rerio) — и показала свою эффективность.

Выйти из полноэкранного режима

Развернуть на весь экран

Популярные пресноводные аквариумные рыбы зебраданио, или данио рерио,— перспективные модельные организмы для проведения тестирований медицинских препаратов. Сегодня их регулярно используют в биомедицине, поскольку их физиология и генетика сходны с человеческими. Кроме того, зебраданио можно быстро и недорого разводить для проведения научных исследований и содержать в больших количествах даже в маленьких лабораториях. При этом исследования препаратов на зебраданио может в 100–500 раз быть выгоднее аналогичных исследований на лабораторных грызунах, поэтому их часто используют в биомедицине.

Кроме того, для этих рыбок могут быть созданы специфичные линии, имитирующие различные заболевания человека, что позволяет изучать реакции на те или иные препараты в зависимости от имеющихся болезней и особенностей организма. Международная научная группа под руководством заведующего лабораторией биологической психиатрии Института трансляционной биомедицины СПбГУ Алана Калуева, одного из самых цитируемых ученых мира, а также самого цитируемого нейробиолога России, уже много лет проводит в СПбГУ исследования на этих модельных организмах с использованием искусственного интеллекта (ИИ). Так, ранее нейробиологи Санкт-Петербургского госуниверситета вместе с IT-специалистами первыми в мире научили ИИ анализировать поведенческие реакции зебраданио на психотропные препараты.

«В рамках этой научной работы исследователи Санкт-Петербургского университета совместно с коллегами из научных и медицинских центров России и при активном сотрудничестве с коллегами из Китая и Бразилии создали новую уникальную платформу, которая теперь гораздо лучше анализирует поведенческие реакции зебраданио, вызванные различными нейротропными препаратами. Мы обучили ИИ распознавать и предсказывать их фармакологический профиль с высокой точностью — более 80%, а по некоторым препаратам до 100%»,— рассказал руководитель Алан Калуев.

Ученые протестировали систему на кофеине, алкоголе, никотине и флуоксетине (прозаке) — самом популярном в мире антидепрессанте. Как показали результаты исследования, разные вещества приводят к разным реакциям у модельных животных. Например, никотин вызывает характерное «поверхностное» плавание вдоль краев аквариума — это говорит о том, что вещество снижает тревожность (при которой рыбы плавают на дне) и является психостимулятором. При этом кофеин у рыб и многих других лабораторных животных, напротив, вызывает тревогу, поэтому под его воздействием зебраданио плавали на дне и часто «замирали».

«Мы намеренно обучали систему ИИ на таких совершенно разных профилях, чтобы показать, что она может эффективно угадывать препараты. Чем больше таких протестированных субъектов будет накоплено в “библиотеке”, тем с большей аккуратностью и точностью она будет предсказывать не только сами медикаменты, но и их фармакологию, то есть конкретно механизм их фармакологического действия на организм»,— пояснил Алан Калуев.

При этом созданная нейробиологами СПбГУ и коллегами платформа может угадывать искомое вещество даже в небольших дозах, но чем сильнее будет доза, тем более достоверным будет результат. Также ученые Санкт-Петербургского университета продемонстрировали, что система может угадывать некоторые новые аналоги тех препаратов, которые уже «знает». Кроме того, если ИИ столкнется с чем-то принципиально новым, он не будет ошибочно распознавать это, избегая ошибки «ложных позитивов», а равномерно распределит вероятности по всем известным классам препаратов, оправданно выдав «слабый» прогноз, что не позволит авторам сделать необоснованные заведомо ложные выводы.

Все коды и архитектура нейросети данной системы по решению авторов находятся в открытом доступе: уникальная разработка ученых СПбГУ уже стала доступна многим лабораториям в мире и может существенно ускорить разработку ими новых препаратов для лечения заболеваний нервной системы.

Использованы материалы статьи.

Андрей Березкин