Нові антибіотики з лабораторії MIT: як генеративний ШІ прискорює шлях від ідеї до доклініки?

MIT робить ставку на штучний інтелект у боротьбі з інфекціями, що не піддаються лікуванню. Одна з провідних груп інституту під керівництвом Коллінза поєднала генеративний ШІ, глибоке навчання і системну біологію, щоб створювати та перевіряти нові антибіотики швидше, ніж будь-коли. Дослідники говорять про перехід від випадкових знахідок до керованого проєктування молекул. І вже є результати, які можуть вплинути на терапію складних бактеріальних інфекцій.

Що вже зроблено: від halicin до перших «ШІ‑антибіотиків»

Раніше спільна робота MIT і партнерів привела до відкриття halicin – потужного антибіотика, описаного у журналі Cell у 2020 році. Нова хвиля досліджень показала, що генеративні моделі здатні проєктувати молекули з нуля. У 2025 році команда згенерувала мільйони кандидатів, а після комп’ютерної фільтрації, ретросинтетичного моделювання й перегляду медичними хіміками синтезувала 24 сполуки. Сім із них продемонстрували вибіркову антибактеріальну активність.

Як це працює: алгоритми плюс експерименти

• Генетичні алгоритми і варіаційні автоенкодери створюють хімічні структури – як на основі фрагментів, так і в «вільному» хімпросторі.
• Далі – комп’ютерний відбір, оцінка синтетичної доступності та експертний перегляд медичних хіміків.
• Ключовий етап – лабораторні тести, зокрема на органах‑на‑чипі, що моделюють тканиноподібні умови людини.

Серед лідерів – NG1 (вузького спектра), що знищує багаторазово стійкі штами Neisseria gonorrhoeae, не чіпаючи корисні мікроорганізми. Інша молекула, DN1, націлена на MRSA (Staphylococcus aureus) і очищує інфекції у мишей завдяки широкому порушенню мембран. Обидва кандидати виявилися нетоксичними і демонструють низькі темпи формування резистентності.

Факт: halicin уперше підтвердив, що глибоке навчання може відшуковувати нестандартні антибіотики. Сьогодні ця ідея масштабована: у 2025 році після перевірок із 24 синтезованих сполук сім проявили цільову активність, а окремі лідери – NG1 і DN1 – показали терапевтичний потенціал.

Партнерства, що прискорюють шлях до пацієнта

У співпраці з інженерними лабораторіями MIT команда поєднує мережеву біологію, системну мікробіологію та штучний інтелект. Для перевірки ефективності ШІ‑відкритих і ШІ‑згенерованих антибіотиків застосовуються платформи «орган‑на‑чипі», які доповнюють тести на тваринах і дають «людиноподібну» картину відповіді тканин.

Щоб закрити розрив між відкриттям і доклінікою, засновано Phare Bio – неприбуткову організацію, що підхоплює найперспективніші кандидати з ініціативи Antibiotics‑AI Project у MIT та рухає їх до розробників і регуляторних етапів.

Новий імпульс від ARPA‑H

Команда отримала фінансування від ARPA‑H на проєкт зі створення за допомогою генеративного ШІ 15 нових антибіотиків і підготовки їх як доклінічних кандидатів. Це безпосередньо спирається на вже відпрацьовану в лабораторії зв’язку «алгоритми – експерименти – трансльовані партнерства».

Факт: грант ARPA‑H спрямований на проєктування 15 антибіотиків із нуля та їх доклінічну підготовку – це має пришвидшити відповідь на загрозу антибіотикорезистентності.

Чому це важливо саме зараз

Багаторезистентні збудники ускладнюють лікування інфекцій у лікарнях і громадах. Коли нові молекули створюються не випадково, а цілеспрямовано, з урахуванням лікарських властивостей і профілю безпеки, шанси швидше дістатися до клінічних випробувань зростають. Підхід MIT переводить пошук антибіотиків із реактивного режиму до проактивного проєктування – із чіткою стратегією, як уникати стійкості й зберігати мікробіом.

Короткий маршрут відкриття: як формується конвеєр

• Генерація мільйонів структур ШІ‑моделями.
• Комп’ютерний відбір і ретросинтетичне планування.
• Експертний перегляд і синтез пріоритетних сполук.
• Тестування: від культур клітин до «органів‑на‑чипі» та моделей на тваринах.
• Передача лідерів у Phare Bio для подальшої доклінічної розробки.