Boty już projektują leki. Brzmi cudownie, ale trochę strasznie
Modele AI tworzą od zera przeciwciała zdolne wiązać trudne cele chorób. Badacze mówią o przełomie w projektowaniu leków, ale czy to bezpieczne?
Po zaledwie roku od pierwszych demonstracji, że sztuczna inteligencja potrafi zaprojektować przeciwciała od zera, kolejne zespoły pokazują cząsteczki o parametrach zbliżonych do prawdziwych leków. A część z nich zaczyna już szykować się do badań klinicznych.
Sztuczna inteligencja wchodzi do gry
Przeciwciała to białka układu odpornościowego, które rozpoznają i przyklejają się do konkretnych cząsteczek, np. fragmentów wirusów czy białek nowotworowych. Od lat wykorzystuje się je jako leki m.in. w onkologii, reumatologii czy terapii chorób autoimmunologicznych. Każde takie terapeutyczne przeciwciało trzeba jednak najpierw znaleźć w ogromnej puli naturalnych wariantów albo mozolnie dohodować metodami inżynierii białek.
Klasyczna droga wygląda więc jak gigantyczna selekcja. Najpierw powstają biblioteki milionów lub miliardów różnych przeciwciał. Potem naukowcy w laboratorium sprawdzają, które z nich cokolwiek wiążą, próbują poprawiać ich właściwości, testują stabilność i bezpieczeństwo. To lata pracy i ogromne pieniądze, a mimo to wiele kandydatów odpada po drodze.
Nowa fala badań opisanych w Nature i w preprintach pokazuje, że do tej układanki dołączają właśnie algorytmy. Zamiast przeszukiwać przypadkowe miliardy, można spróbować po prostu wrzucić prompta: zaprojektuj przeciwciało, które idealnie usiądzie na tym fragmencie białka chorobotwórczego.
Od białkowych łamigłówek do projektów leków
Przez długi czas nawet najlepsze algorytmy miały problem właśnie z przeciwciałami. Ich fragmenty odpowiedzialne za rozpoznawanie celu (tzw. pętle CDR) są bardzo ruchliwe i elastyczne. Dla programów przewidujących strukturę białek, takich jak słynna AlphaFold, były to najbardziej kapryśne fragmenty całej układanki.
Ostatni rok przyniósł jednak znaczący postęp. Zaktualizowane wersje modeli i nowe narzędzia potrafią dużo lepiej opisać kształt tych czułków. To otworzyło drogę do projektowania przeciwciał de novo – czyli od zera, bez punktu wyjścia w postaci istniejącej cząsteczki.
Na tej fali powstały m.in. modele specjalizujące się w tzw. nanoprzeciwciałach. To uproszczone, jednopasmowe wersje przeciwciał, inspirowane cząsteczkami występującymi u wielbłądów czy rekinów. Są mniejsze, łatwiejsze do produkcji i bardzo atrakcyjne dla przemysłu farmaceutycznego.
Zespoły z MIT, Stanfordu czy Uniwersytetu Waszyngtońskiego pokazują, że wystarczy wygenerować kilkanaście najbardziej obiecujących projektów z modelu AI, aby w laboratorium znaleźć takie nanoprzeciwciała, które naprawdę mocno wiążą białka związane z rakiem czy infekcjami. A to już bardzo blisko parametrów pełnoprawnych leków.
Nanoprzeciwciała, pełne przeciwciała i trudne cele chorób
Najdalej idące deklaracje płyną z firm biotechnologicznych. Startupy takie jak Nabla Bio czy Chai Discovery, chwalą się, że ich algorytmy projektują nie tylko nanoprzeciwciała, ale też pełnowymiarowe przeciwciała.
Co ważne, część z tych projektów celuje w tzw. receptory sprzężone z białkiem G (GPCR). To ogromna rodzina białek zlokalizowanych w błonie komórkowej, która pośredniczy w przekazywaniu sygnałów wewnątrz komórek. Dla farmakologii to wymarzony cel, ale niezwykle trudny do osiągnięcia. GPCR są bowiem bardzo ruchliwe, mają skomplikowany kształt i trudno uzyskać przeciwciała, które będą je rozpoznawać dokładnie tak, jak trzeba.
W testach laboratoryjnych nowe przeciwciała potrafiły wiązać takie cele z siłą porównywalną do leków już obecnych na rynku. Do tego spełniały inne warunki: dawały się wytwarzać w dużej ilości, nie zlepiały się, trzymały stabilną strukturę. Krótko mówiąc – zaczynały przypominać kandydatów na prawdziwe leki, a nie tylko na akademickie ciekawostki.
Od ekranu komputera do pacjenta. Gdzie są granice AI?
Fakt, że AI potrafi zaprojektować przeciwciało o parametrach zbliżonych do leku, nie oznacza, że można już całkowicie zrezygnować z eksperymentów. Modele wciąż słabo przewidują niektóre kluczowe cechy, takie jak dokładna siła wiązania czy zachowanie cząsteczki w złożonych warunkach biologicznych. Laboratorium nadal musi sprawdzić, jak przeciwciało działa na żywych komórkach, zwierzętach, a w końcu u ludzi.
Pojawia się też pytanie o bezpieczeństwo. Przeciwciała zaprojektowane od zera są teoretycznie podobne do tych naturalnych, ale organizm może uznać je za obce i wygenerować silną odpowiedź immunologiczną. Takie reakcje potrafią przekreślić nawet najbardziej obiecujący projekt. Naukowcy muszą więc nauczyć się oceniać to ryzyko na równi z innymi parametrami.
Przeczytaj także:
Do tego dochodzi dobór celów. Skoro można w miarę szybko wygenerować setki różnych przeciwciał, prawdziwym wyzwaniem staje się wybranie tych chorób i białek, gdzie taki lek wniesie coś zupełnie nowego. Jedną z nadziei jest właśnie sięganie po trudne cele, czyli białka, które do tej pory uchodziły za nieuchwytne dla klasycznych metod projektowania leków.
*Grafika wprowadzająca wygenerowana przez AI
