Loading...
Сателлитный симпозиум по предсказательной химии стал едва ли не самым коротким мероприятием поддержанного благотворительным фондом «Искусство, наука и спорт» XXI Менделеевского съезда по общей и прикладной химии: все доклады были заслушаны за два дня. Его название — «От эмпирической к предсказательной химии» — уже стало брендом: под таким же названием встреча хемоинформатиков проходила на предыдущем Менделеевском съезде три года назад, а в Казанском федеральном университете уже трижды проводилась школа-семинар с таким названием. Такое постоянство — признак небольшого и тесно связанного сообщества.
Всего за два дня химики представили чуть больше 20 работ, не считая постерной сессии. Кроме российских коллективов с нескольких факультетов МГУ, из СПбГУ, Санкт-Петербургского государственного технологического института, КФУ, Волгоградского медуниверситета, химических и биотехнологических исследовательских центров, выступили исследователи из Франции, Швеции, Чехии и Украины. Большинство тем так или иначе были связаны с вычислительными методами для задач медицинской химии. Независимо от того, шла ли речь о нейронных сетях для обработки содержащейся в базах данных химической информации, механизмах докинга («стыковки» молекул) или об особенностях дизайна новых веществ, конечная цель исследователей почти всегда — в создании биологически активных соединений и лекарств на их основе. И это не случайно.
Тема конструирования лекарств, отмечает один из сопредседателей симпозиума Владимир Поройков, заведующий отделом биоинформатики и лабораторией структурно-функционального конструирования лекарств НИИ биомедицинской химии им. В. Н. Ореховича, исключительно важна и неисчерпаема. «Процесс создания лекарства занимает 10–12 лет и оценивается в 1,5–2 млрд долларов. При этом доля веществ, которые становятся лекарственными препаратами после клинических испытаний, не превышает 5%. Узнав на последних стадиях клинических испытаний, что разработанное вещество вызывает, например, цирроз печени, компания понесет огромные финансовые потери, не говоря уже об упущенной выгоде. А хемоинформатика существенно снижает риск, потому что с ее помощью о вероятных побочных эффектах можно узнать гораздо раньше», — отмечает ученый. Поиск и изучение каждой новой молекулы всегда сопровождают или предвосхищают анализ мишеней, на которые она должна воздействовать, их роли в регуляторных сигнальных сетях в норме и при патологиях и другие подобные исследования.
Конечно, будет неправильно называть симпозиум по предсказательной химии филиалом секции по медицинской химии, которая еще продолжает работу на съезде. На симпозиуме были представлены доклады и по вопросам конструирования новых материалов (например, два доклада Александра Квашнина и Евгения Подрябкина — молодых ученых Сколтеха из группы Артема Оганова), и по применению хемоинформатики для анализа свойств наночастиц, и по прогнозированию состава нефти, и по моделированию новых катализаторов. Но главное отличие двух параллельных площадок — в задачах исследований, несмотря на их общую направленность. Медицинских химиков больше волнуют свойства полученных веществ, а хемоинформатика занята методами, которые позволяют находить нужные соединения быстрее, дешевле и эффективнее. Она разрабатывает способы представления состава и структуры химических веществ в виде графов, дескрипторов (численных величин, характеризующих свойства молекулы), текстовых строк и методы анализа этой информации.
Несмотря на то, что одно и то же соединение можно представить разными способами, а базы данных химической информации полны ошибок, хемоинформатика активно используется и в науке, и в практике. Разрабатываются и совершенствуются математические модели, которые помогают по данным о структуре вещества, сохраненным в базах, предсказать его свойства, найти похожие соединения или создать новые структуры по заданным параметрам. В том, что касается моделирования отдельных молекул и поиска (или предсказания) соединений с нужными свойствами, по словам сопредседателя симпозиума, руководителя лаборатории хемоинформатики Страсбургского университета Александра Варнека, достигнут большой прогресс. Более сложная задача — моделирование химических реакций. Над этой проблемой Варнек работает вместе с химиками Казанского федерального университета, где в 2012 году при его участии была открыта первая в России магистратура по хемоинформатике. На симпозиуме казанские химики представили три доклада. «Мы учим компьютер предсказывать пути синтеза сложных молекул: какие взять исходные материалы, сколько этапов необходимо, какими должны быть оптимальные экспериментальные условия», — поясняет Варнек.
Трудности связаны с тем, что для моделирования реакции требуется представить как химические соединения (реагенты и продукты), так и условия, а существующие программы рассчитаны на работу с отдельными молекулами. Группа Варнека разработала методологию, по которой химическая реакция рассматривается как одна псевдомолекула, и для ее описания можно использовать аналогичные традиционным дескрипторы. Это позволяет использовать в работе с реакциями весь тот же спектр методов хемоинформатики, что и для химических соединений, в том числе предсказывать, возможна ли реакция и при каких параметрах она будет протекать. Еще один оригинальный подход, разработанный хемоинформатиками Страсбургского университета, — химическая картография. «Она позволяет представить большие массивы химических данных в виде карт, на которых можно найти зоны, "заселенные" молекулами с определенными свойствами, скажем, активными против той или иной патологии, — рассказывает Варнек. — Мы стараемся сконструировать новые химические структуры, которые попадают в интересующие нас зоны. Это позволяет значительно ускорить процесс поиска новых структур или материалов в совместных проектах с нашими партнерами — химиками, биологами, материаловедами».
Конечно, работа хемоинформатика мало похожа на фантастические фильмы и не заканчивается, когда компьютерная модель предлагает варианты химических структур с желаемыми свойствами. Синтезировать предсказанные вещества, исследовать их, многократно оптимизировать — задачи, в которых методы хемоинформатики лишь отчасти помогают ученым. Варнек, правда, предполагает, что в ближайшем будущем все может измениться. Уже существуют образцы полностью автоматизированных систем синтеза новых веществ и материалов, реализованные на микрочипах. «Схематично такие системы состоят из компьютерного, химического и биологического модулей. В химическом синтезируется предсказанное компьютером вещество, в биологическом тестируется, а результат поступает в компьютер. Он адаптирует модель с учетом только что полученных данных, и круг повторяется. Это, конечно, впечатляющее достижение, и крупные фармацевтические фирмы уже пытаются реализовать этот процесс в больших масштабах», — говорит исследователь.
Такими системами управляют алгоритмы, основанные на машинном обучении. Постепенно его подходы внедряются и в другие направления хемоинформатики, например, позволяют генерировать огромные виртуальные библиотеки потенциально синтезируемых молекул. Помимо структуры продукта, такие библиотеки содержат описание реагентов и реакций синтеза. Владимир Поройков рассказывает, что в проекте, поддержанном в рамках совместных программ РФФИ и Национальных институтов здоровья США, его коллектив создал на основе кластерных вычислений методы, позволяющие достаточно быстро — за недели — выделять из больших данных потенциально активные молекулы. В библиотеке, которую для проекта сгенерировали в Национальном институте рака США (NCI/NIH), уже больше миллиарда потенциальных активных молекул, а на следующем этапе ее пополнят еще три миллиарда соединений. «Задача состоит в том, чтобы найти в этих библиотеках антиретровирусные соединения для терапии ВИЧ/СПИД и сопутствующих инфекций. Из 800 млн выделили порядка 60 тысяч, и на следующем этапе для этих десятков тысяч предсказанных соединений уже можно применять методы молекулярного моделирования, чтобы оценить, могут ли они связываться с целевыми рецепторами».
Насколько перспективна эта сложная область? Сегодня хемоинформатики создают модели для поиска новых соединений и предсказания условий реакции, но, может, недалек тот день, когда модели будут программировать себя сами вообще без участия человека? Отношение сопредседателей симпозиума к перспективам искусственного интеллекта разнится. В своем докладе Александр Варнек назвал ИИ «героем нашего времени». Он считает, что со временем машина вполне сможет конкурировать с человеком в химии. Правда, для этого нужно выполнить одно важное условие: предсказательные модели в хемоинформатике должны строиться «не только на основе известных экспериментальных данных, но и с учетом фундаментальных представлений о природе молекулярных взаимодействий и механизмах химических процессов». Иначе говоря, алгоритмы должны обрести понимание химии и физики, похожее на человеческое, а не основанное только на статистике. Варнек считает это вполне возможным.
Поройков относится к перспективам ИИ более скептически, по крайней мере в области ключевых для сегодняшней хемоинформатики задач поиска и создания биологически активных соединений. По его мнению, как созданный человеком инструмент, искусственный интеллект базируется на уже накопленных данных. А для того чтобы воссоздать в компьютерных моделях организм человека, данных просто нет: не определено до конца число закодированных в геноме белков, не известна большая часть связей между ними, от которых зависит выполнение биологических функций. «ИИ может решить счетные задачи, может превзойти человека в игре в шахматы или в го. Но в этих играх ограниченное количество фигур, и мы знаем, какие ходы им доступны. А когда мы имеем дело с человеческим организмом, мы до конца не знаем и самих "фигур", а еще меньше — "правила", по которым они друг с другом взаимодействуют». Изучать человека предстоит человеку, а не роботу, уверен Поройков. И потому для образованных и творческих людей, в том числе ученых-химиков, место в будущем найдется.
Подписывайтесь на InScience.News в социальных сетях: ВКонтакте, Telegram, Одноклассники.