Искусственный интеллект сдаёт экзамен по биологии: как нейросети учат не путать мишени для новых лекарств
А вы когда-нибудь задумывались, что найти нужный белок в организме человека — это как отыскать трезвого грузчика утром первого января? Задача требует не только зоркого глаза, но и недюжинной интуиции. Именно с такой ювелирной проблемой сталкиваются создатели современных лекарств. Российские ученые из Центра практического искусственного интеллекта совместно с виртуозами из Института AIRI решили проверить, способен ли хваленый ИИ стать надежным снайпером в этом микроскопическом тире.
Электронный Купидон для антител
Встречайте SAASBench — новый открытый бенчмарк, который звучит как заклинание из Хогвартса, а на деле является строгим, но справедливым экзаменатором для нейросетей. Его главная миссия — оценивать модели, помогающие разрабатывать препараты на основе антител для борьбы с самыми коварными недугами. Антитела, эти бравые солдаты нашего иммунитета, должны точно распознавать вражеские молекулы (антигены) и вежливо игнорировать мирных жителей (похожие белки). Как говорил незабвенный Глеб Жеглов: «Правопорядок в стране определяется не наличием воров, а умением властей их обезвреживать». В микробиологии — то же самое!
Раньше ИИ-модели часто вели себя как восторженные щенки: радостно бросались на первый попавшийся похожий белок. Ученые решили проверить их на специфичность. В SAASBench загрузили 20 клинически одобренных антител и предложили алгоритмам эдакую интеллектуальную игру: для каждого варианта выдали один правильный антиген и пять его белков-двойников. Всего получилось 120 смоделированных пар.
Сила есть — мишень не нужна?
Результаты оказались весьма философскими. Выяснилось, что если ИИ мертвой хваткой цепляется за мишень (демонстрирует высокую аффинность), это еще не значит, что он схватил того, кого нужно. «Умение связываться с белком и умение связываться с нужным белком — далеко не одно и то же», — иронично и очень метко заметил Сергей Рябов, директор по ИИ-трансформации. И правда, громко кричать — не значит быть правым. Если нейросеть ошибается на старте, бюджет лаборатории тает быстрее, чем зарплата в пятницу вечером.
В конечном итоге, этот строгий цифровой экзамен не отменяет старых добрых пробирок и людей в белых халатах, но работает как отличный дуршлаг, отсеивающий электронных фантазеров. Мы живем в удивительное время, когда машины учатся лечить нас, иногда забавно ошибаются, получают по виртуальным рукам и становятся чуточку мудрее. И это вселяет огромный, светлый оптимизм: ведь если даже холодный алгоритм можно научить отличать истинное от ложного и находить свой единственный, неповторимый белок, то у человечества определенно есть шанс на долгое и очень здоровое будущее. ✨
