ИИ в химии: предсказывает соединения, обрабатывает снимки и помогает создавать лекарства

Искусственный интеллект активно проникает во многие области жизни и деятельности человека. Исключением не стала и химия. Известные слова Михаила Васильевича Ломоносова, сказанные в 1751 году на собрании Петербургской академии наук, можно сегодня переформулировать так: «Широко распростирает руки свои искусственный интеллект в дела химические». Сегодня среди химиков встречается мнение, что ИИ может оставить ученых без работы. Разбираемся, что сейчас делает специализированный ИИ для химии и сможет ли он заменить человека в лаборатории.

Одна из главных сфер применения ИИ в химии — это предсказание свойств и активности соединения по его формуле. В этой области проще всего набирать базу данных для обучения ИИ. Определенные результаты уже достигнуты. Пример — исследование 2021 года, опубликованное в научном журнале Nature Communications. Во всем мире активно ищут альтернативу классическим кремниевым солнечным батареям. Формально, альтернатива есть давно — так называемые перовскитные панели. У них есть ряд преимуществ: они дешевле, экологичнее, лучше гнутся и по КПД почти сравнялись с кремниевыми. Но они недолговечны и под воздействием солнечного света или ионизирующего излучения (если речь идет о солнечных батареях для космических аппаратов) быстро деградируют.

Задача ученых — подобрать такие перовскиты, которые могли бы долго сохранять свои свойства. При этом важно не просто предсказывать свойства конкретного материала, так как их очень много, а научиться находить тонкие зависимости между структурой вещества, его параметрами и стабильностью. Например, зависимость стабильности работы материала при разных температурах от его структуры. Авторы исследования сообщили, что при помощи сочетания «высокопроизводительных экспериментов с технологией машинного обучения» им удалось и обнаружить некие корреляции и представить материал, почти не теряющий своих свойств после более чем 1800 часов работы.

Это исследование — пример того, как ученые совмещают машинное обучение и более традиционные эксперименты в одной работе.

Последние пару десятилетий компьютерные методы, в том числе искусственный интеллект, используются для предсказания биологической активности соединений. Применение ИИ позволяет отобрать вещества для доклинических и клинических испытаний препаратов. Это важно, так как вывод на рынок нового лекарства может стоить более миллиарда долларов. При этом значительная часть суммы уходит на неудачные попытки подобрать химические компоненты, которые будут реагировать нужным образом. Если бы химики могли заранее предсказывать исходы реакций и за счет этого сократить этап подбора соединений, то разработка новых лекарств стала бы значительно дешевле и быстрее.

В России специалисты активно работают в этом направлении. Например, российские ученые из Института искусственного интеллекта AIRI совместно с коллегами разработали ИИ-метод, с помощью которого можно будет предсказывать поведение молекул. Преимущество предложенной отечественными разработчиками нейросети в том, что она требует в 50 раз меньше данных, чем существующие аналоги. Точность при этом не снижается. При создании нейросети ученые использовали метод активного обучения.

Также исследователи из Университета ИТМО с помощью машинного обучения обучили нейросеть «скрещивать» параметры различных наночастиц и отбирать те комбинации, которые можно было бы использовать при разработке лекарств. Так ученые уже смогли подобрать частицы, которые перспективны для борьбы с золотистым стафилококком и палочкой Фрилендера, которая вызывает пневмонию.

Еще один пример — работа коллектива российских, китайских и бразильских ученых, которые создали на основе искусственного интеллекта систему по поиску нейротропных (нацеленных на нервную систему) лекарственных препаратов. Платформа основана на анализе поведенческих реакций рыб данио-рерио. Они генетически похожи на человека, поэтому ученые часто используют их в работе. ИИ научился распознавать фармакологический профиль рыб с точностью до 80%. По словам исследователей, их нейросеть может сделать доклинические исследования на данио-рерио в 100–500 раз выгоднее, чем на грызунах.

Реакции в организмах всех живых существ протекают при участии ферментов — белков. Сигнальная система любого организма — это рецепторы, которые тоже относятся к белкам. Свою работу белки выполняют, «свернувшись» из цепочек аминокислот сначала во вторичную, а затем — в третичную и четвертичную структуры. Химикам очень важно понимать, как именно белок будет сворачиваться в эти структуры и будут ли исследуемые последовательности аминокислот функциональны. Но заранее предсказать это очень сложно. Знать, как работают ферменты, какие лекарства нужно подбирать в случае конкретной болезни и как повлияет на жизнь организма та или иная мутация (мутация — это ошибка в аминокислотной последовательности белка) — необходимо для защиты здоровья людей.

С 1994 года раз в два года проходит CASP, Critical Assessment of protein Structure Prediction, масштабный эксперимент по предсказанию структур белков. При этом конкурс-эксперимент проводится двойным слепым методом — ни организаторы, ни участники, ни эксперты не знают структуры белка, им известна только аминокислотная последовательность. В 2018 году CASP-13 выиграла программа AlphaFold, разработанная Google DeepMind. Эта нейросеть, разработанная с помощью методов глубокого обучения, оказалась революционной для отрасли и получила признание лауреатов Нобелевской премии. Сейчас уже существует третья версия модели, которая уже может предсказывать не только структуры белков, но и структуры комплексов белков с ДНК, РНК, ионами и другими лигандами (соединениями, которые образуют комплексы с другими биомолекулами).

С помощью AlphaFold российские ученые разработали прототип лекарства от целиакии, то есть непереносимости глютена. Нейросеть помогла исследователям получить 3D-модель тканевой трансглутаминазы (tTG) — фермента, который играет ведущую роль в возникновении целиакии. Затем ученые экспериментально подтвердили выводы ИИ и отобрали перспективные лекарственные препараты соединения.

Искусственный интеллект в химии и науках о материалах также используется при работе со спектрами и с микроскопическими изображениями (в первую очередь — с различных электронных микроскопов). Нейросети помогают ученым гораздо быстрее анализировать результаты исследований в данной области. Например, ИИ может ускорить расшифровку масс-спектров высокого разрешения как отдельных веществ, так и их смесей. А масс-спектр — это один из самых главных инструментов химика-синтетика. ИИ открывает широкие возможности для исследований в области изучения свойств материалов (например, деградации компонентов литий-ионных батарей при перезарядке или влияния особенностей поверхности химических веществ на протекание реакции), а также работ в области анализа органических (и не только) веществ.

Химики используют ИИ, чтобы анализировать изображения с электронных микроскопов. Для этих целей ученые из Новосибирского государственного университета разработали сервисы на базе искусственного интеллекта iOk для автоматического анализа и описания изображений. Платформа работает со снимками с электронных микроскопов и может распознавать, например, наночастицы. Схожую разработку недавно представили и ученые из Института органической химии им. Н. Д. Зелинского. Их нейросеть также определяет молекулярную структуру вещества по изображению с микроскопа. Подобные разработки, считают специалисты, помогут значительно ускорить и удешевить процесс разработки новых лекарственных и не только соединений.

Ретросинтез в органике — это то же самое, что реверс-инжиниринг в технике. При реверс-инжиниринге ученым дают готовый импортный прибор, и они должны понять, как он устроен, как он работает и как наладить его производство у себя в стране. Ретросинтез работает сходим образом: дана некая сложная молекула, чаще всего — природное соединение, а химики должны понять, как его синтезировать из простых составляющих.

«Ретросинтетический анализ необходим для синтеза лекарственных веществ, поскольку сейчас ученые ищут новые молекулы среди природных соединений, особенно из морских организмов. Поэтому использование искусственного интеллекта в этой области — очень популярная тема среди химиков», — считает Алексей Паевский, член правления Российского химического общества имени Д. И. Менделеева.

Однако пока что о революционной смене химического бытия, тем более о замене химиков ИИ, речь пока не идет, считают эксперты. Редакционная статья прошлого года в Nature, одном из самых цитируемых научных журналов мира, говорит об этом уже в заголовке: «Для химиков ИИ-революция еще не произошла».

В чем же дело?

Одно из главных различий между опытным химиком и тренированным ИИ, если не считать фундаментальных отличий человеческого разума и программы, — в наборе данных, на которых они тренировались. Химик учится на своих и чужих успехах и ошибках, он знает и про успешные опыты, и про неудачи. ИИ же тренируется на опубликованных научных работах, а в приличных журналах крайне редко публикуются неудачи.

Более того, с 2023 года крупнейшее международное научное издательство Elsevier даже выпускает научный специализированный журнал — Artifical Intelligence Chemistry, что говорит о том, что ИИ в химии превращается из диковинки в нормальный рабочий инструмент, со своими сильными сторонами и ограничениями.

«Революция ИИ в химии уже началась, и она существенно изменит исследовательские практики. Однако даже по самым оптимистичным прогнозам массовая замена химика-экспериментатора в обозримом будущем маловероятна. Вместо этого главная задача на ближайшее время — правильная интеграция ИИ-инструментов в процессы синтетической химии, что в ходе жарких дискуссий нередко упускается из виду. ИИ, как и компьютеры, не сможет заменить химиков, но специалисты, которые быстрее освоят его возможности, неизбежно опередят тех, кто будет медлить. Ближайшее будущее — за цифровым обучением, все более развитым машинным интеллектом и выверенным и точным использованием ИИ в химических лабораториях, что подразумевает решение вопросов доступности данных и кода, воспроизводимости моделей ИИ, этических вопросов и рекомендаций по публикации исследований с применением ИИ», — комментировал заведующий лабораторией металлокомплексных и наноразмерных катализаторов Института органической химии им. Н. Д. Зелинского РАН , академик Валентин Ананников.

Следите за событиями в сфере ИИ на национальном портале в сфере ИИ – ai.gov.ru.