AI-антибиотики: как MIT и McMaster University ищут новые лекарства против супербактерий

Устойчивость бактерий к антибиотикам уже непосредственно влияет на возможности современной медицины. По актуальным данным Всемирной организации здравоохранения, бактериальная антимикробная резистентность была связана более чем с 4,7 млн смертей в мире в 2021 году. В 2023 году примерно каждая шестая лабораторно подтверждённая бактериальная инфекция оказалась резистентной к антибиотикам. С 2018 по 2023 год устойчивость выросла более чем в 40% комбинаций «патоген — антибиотик», которые отслеживает ВОЗ.

Традиционный поиск нового препарата требует проверки огромного количества химических веществ. Машинное обучение меняет этот процесс. Алгоритм может за короткое время оценить миллионы структур и определить молекулы, которые с большей вероятностью будут подавлять конкретную бактерию.

Прежде всего ИИ используют для таких задач:

• поиска антибактериальных свойств в уже известных молекулах;
• прогнозирования активности веществ против резистентных бактерий;
• отсеивания потенциально токсичных соединений;
• поиска новых механизмов действия антибиотиков;
• генерации молекул, которых ранее не было в химических библиотеках;

Это не означает, что искусственный интеллект сам создаёт готовые лекарства. После компьютерного отбора каждую молекулу ещё нужно синтезировать, проверить в лаборатории и провести доклинические и клинические исследования.

Halicin — как MIT нашёл перспективный антибиотик среди миллионов молекул

Одним из самых известных примеров стал halicin. В 2020 году исследователи MIT применили модель глубокого обучения для поиска веществ с антибактериальной активностью. Как сообщает MIT News в материале об открытии halicin, эта молекула ранее рассматривалась как потенциальный препарат для лечения диабета, но модель обнаружила совсем другое свойство.

После обучения системы исследователи использовали её для анализа более 100 млн химических соединений из базы ZINC15. Компьютерный скрининг занял три дня.

Результат оказался показателен:

1. Алгоритм проанализировал более 100 млн потенциальных соединений.
2. Исследователи отобрали 23 перспективные молекулы для лабораторной проверки.
3. Восемь веществ продемонстрировали антибактериальную активность.
4. Halicin стал одним из самых интересных кандидатов из-за необычного механизма действия.

В лабораторных тестах halicin действовал против ряда бактерий, включая Acinetobacter baumannii. В модели инфекции на мышах мазь с этим веществом устранила A. baumannii в течение 24 часов. При этом это был доклинический результат, а не доказательство эффективности препарата у людей.

Abaucin — открытие McMaster University и MIT против Acinetobacter baumannii

В 2023 году команда McMaster University вместе с исследователями MIT представила ещё один результат — abaucin. Детальную научную работу опубликовал журнал Nature Chemical Biology. Учёные сначала протестировали около 7 500 молекул на способность подавлять Acinetobacter baumannii, а затем использовали полученные данные для обучения нейронной сети.

Acinetobacter baumannii представляет особый интерес из-за способности приобретать множественную резистентность к препаратам и вызывать сложные внутрибольничные инфекции.

ИИ помог найти abaucin — вещество с относительно узким спектром активности именно против A. baumannii.

Почему узкий спектр действия имеет значение

Обычный антибиотик широкого спектра может воздействовать не только на возбудителя болезни, но и на другие бактерии. Узкоспектровой препарат потенциально позволяет действовать точнее.

Исследователи выяснили несколько важных свойств abaucin:

• молекула демонстрировала активность против A. baumannii;
• её действие связано с нарушением транспорта бактериальных липопротеинов;
• в механизме участвует белок LolE;
• вещество контролировало A. baumannii в модели инфицированной раны у мышей;

Авторы исследования прямо называют abaucin перспективной исходной молекулой для дальнейшей разработки, а не готовым лекарственным препаратом.

Генеративный ИИ уже создаёт новые молекулы с нуля

Следующий шаг значительно сложнее. ИИ может не только искать нужную структуру среди известных веществ, но и генерировать новые молекулы.

В 2025 году исследователи MIT использовали генеративный ИИ для проектирования антибиотиков против резистентной Neisseria gonorrhoeae и мультирезистентного Staphylococcus aureus. По информации MIT о исследованиях генеративных антибиотиков, система создала более 36 млн потенциальных соединений.

Научные результаты опубликовали в журнале Cell. В базе PubMed доступна оригинальная работа «A generative deep learning approach to de novo antibiotic design». Из 24 синтезированных соединений семь продемонстрировали селективную антибактериальную активность.

Для борьбы с N. gonorrhoeae исследователи сначала работали примерно с 45 млн химических фрагментов. После многоэтапного отбора перспективный фрагмент F1 стал основой для генерации около 7 млн новых кандидатов. Один из них получил название NG1.

Для Staphylococcus aureus модель работала ещё свободнее и сгенерировала более 29 млн потенциальных молекул. Исследователям удалось синтезировать 22 отобранных вещества, шесть из которых показали сильную активность. Кандидат DN1 снижал бактериальную нагрузку в модели MRSA-инфекции кожи у мышей.

Enterololin — ИИ помог определить механизм действия антибиотика

В 2025 году MIT и McMaster University продемонстрировали ещё одну возможность ИИ. Алгоритмы могут помогать не только находить молекулы, но и объяснять, на какую структуру бактерии они воздействуют.

По данным MIT CSAIL о исследовании enterololin, учёные работали с более чем 10 000 молекул и использовали модель DiffDock для анализа механизма действия узкоспектрового вещества enterololin.

За несколько минут DiffDock спрогнозировал взаимодействие enterololin с белковым комплексом LolCDE, который участвует в транспортировке липопротеинов в бактериальной клетке. Учёные не приняли прогноз ИИ как доказательство. Они проверили его экспериментально с помощью резистентных мутантов, секвенирования RNA и CRISPR.

Работа, которая при традиционном подходе может длиться примерно 18 месяцев — два года или дольше, в этом случае заняла около шести месяцев.

Когда AI-антибиотики могут стать реальными лекарствами

Поисковые запросы «новые антибиотики 2026», «AI-антибиотики против супербактерий» или «лекарства, созданные искусственным интеллектом» могут создать ложное впечатление, что такие препараты уже готовы к применению. На самом деле halicin, abaucin, NG1, DN1 и enterololin остаются исследовательскими кандидатами.

После открытия молекула должна пройти несколько этапов:

1. Оптимизацию структуры и способа синтеза.
2. Проверку токсичности.
3. Исследование фармакокинетики и дозирования.
4. Доклинические испытания.
5. Клинические исследования с участием людей.
6. Регуляторную оценку перед выходом препарата на рынок.

ИИ ускоряет прежде всего первые этапы — поиск, отбор, проектирование и анализ механизма действия. Без биологической проверки прогноз алгоритма нельзя считать доказательством безопасности или эффективности.

Технология одновременно показывает, насколько шире становится применение искусственного интеллекта. На Poshuk.info окремо рассматривается практическое использование ИИ в 2026 году, где сравниваются возможности современных AI-систем для различных задач. А если будущие технологии переходят из исследований в практическое предоставление медицинских услуг в Украине, отдельное значение приобретают требования к лицензированию медицинской практики.

Исследования MIT и McMaster University демонстрируют главное изменение: вместо перебора тысяч веществ вручную учёные получают инструмент для работы с десятками миллионов структур. Но ИИ здесь работает не вместо лаборатории. Он определяет, где именно стоит искать.