СПбПУ создал ИИ-протокол для отбора противоопухолевых молекул

ИИ ускоряет поиск противоопухолевых молекул: что стоит за заявлением об ускорении в 50 раз

Исследователи Санкт-Петербургского политехнического университета Петра Великого разработали нейросетевой протокол для поиска и оптимизации потенциальных противоопухолевых соединений. Система объединила определение белковых мишеней, создание виртуальных молекул и прогнозирование их взаимодействия с белками. По оценке разработчиков, такой подход ускоряет отбор перспективных соединений более чем в 50 раз. Однако речь пока идет о компьютерном этапе исследования, а не о создании готового лекарства. Международные исследования подтверждают потенциал подобных технологий, одновременно показывая, насколько сложно превратить удачный алгоритмический прогноз в эффективный и безопасный препарат.

Газетная иллюстрация: быстрый часовой механизм отбирает молекулы, а впереди остаётся длинная лестница лабораторных и клинических проверок.
Заявленное ускорение компьютерного поиска молекул в 50 раз не означает аналогичного сокращения сроков разработки лекарств.

От 48 исходных молекул к библиотеке из 254 880 соединений

17 ноября 2026 года стало известно о разработке исследователей Санкт-Петербургского политехнического университета Петра Великого (СПбПУ), объединивших несколько этапов поиска лекарственных кандидатов в единый вычислительный процесс.

В основу работы легли производные 2-аминотиофена — органического соединения, химическую структуру которого можно изменять, присоединяя различные молекулярные фрагменты. Такие модификации позволяют исследовать, как изменения строения вещества влияют на его предполагаемые биологические свойства.

Исследователи сформировали виртуальную библиотеку из 254 880 соединений. Согласно дополнительным сведениям, опубликованным «Петербургским дневником», для этого использовали 48 исходных производных аминотиофена, 590 метилкетоновых фрагментов и четыре позиции возможной химической модификации.

Важная особенность подхода заключается в том, что все эти соединения не потребовалось предварительно синтезировать в лаборатории. Их химические структуры были созданы и проанализированы вычислительными методами.

В традиционной медицинской химии исследователи последовательно получают новые вещества, измеряют их активность, изменяют структуру и повторяют испытания. Компьютерное моделирование позволяет предварительно изучить гораздо больше комбинаций и выбрать ограниченное число кандидатов для последующих экспериментов.

Старший преподаватель Высшей школы биомедицинских систем и технологий СПбПУ Андрей Макашов объяснил, что разработанный протокол объединяет поиск мишеней, генерацию молекулярных библиотек и нейросетевую оценку связывания. По замыслу авторов, это позволяет избежать разрозненного выполнения нескольких вычислительных задач.

PARP1, CDK7 и TBCD: три разные стратегии воздействия на опухоль

Одним из результатов работы стало определение трех потенциальных белковых мишеней: PARP1, CDK7 и TBCD.

Белковая мишень — это молекула, изменение активности которой может повлиять на развитие заболевания. В онкологии особенно интересны белки, участвующие в восстановлении ДНК, размножении клеток и поддержании структур, необходимых для клеточного деления.

PARP1 — фермент, участвующий в обнаружении повреждений ДНК и организации ее восстановления. Некоторые опухоли особенно сильно зависят от определенных механизмов репарации ДНК, поскольку альтернативные пути восстановления у них нарушены.

Этот принцип уже используется в онкологии. Препараты из группы ингибиторов PARP, включая олапариб, применяются при отдельных формах рака молочной железы, яичников, предстательной и поджелудочной железы с определенными молекулярными особенностями.

Поэтому PARP1 представляет собой биологически обоснованную мишень. Однако компьютерное предположение о взаимодействии нового вещества с PARP1 еще не означает, что оно действительно будет подавлять этот фермент или обладать терапевтическим действием.

CDK7 — фермент из семейства циклинзависимых киназ. Он участвует в регуляции клеточного цикла и транскрипции — процессе, при котором информация из ДНК используется для синтеза РНК.

Опуховые клетки нередко зависят от интенсивной работы механизмов, поддерживающих их рост и выживание. Воздействие на CDK7 рассматривается как один из экспериментальных подходов к нарушению этих процессов.

При этом регуляция транскрипции необходима и здоровым клеткам. Поэтому при разработке ингибиторов CDK7 особенно важно определить, можно ли добиться противоопухолевой активности без неприемлемой токсичности.

Третья мишень, TBCD, связана с формированием и поддержанием тубулиновых структур. Тубулин необходим для образования микротрубочек — компонентов клеточного каркаса, участвующих в том числе в распределении хромосом при делении клетки.

Микротрубочки давно используются как мишени противоопухолевой химиотерапии. Однако воздействие непосредственно на TBCD представляет собой существенно менее изученное направление. Его потенциальная терапевтическая ценность требует отдельного экспериментального подтверждения.

Таким образом, три выявленных белка не являются равнозначными с точки зрения клинической доказанности. PARP1 уже имеет подтвержденное значение в лекарственной терапии, CDK7 активно изучается как терапевтическая мишень, а роль TBCD в создании новых противоопухолевых препаратов остается преимущественно исследовательским вопросом.

Нейросеть предсказывает связывание, но не доказывает лечебный эффект

После формирования молекулярной библиотеки исследователи использовали нейросетевые модели для оценки потенциального взаимодействия соединений с выбранными белками.

Для дополнительной проверки применили молекулярный докинг — вычислительный метод, который моделирует, каким образом небольшая молекула может расположиться в области связывания белка.

Докинг помогает оценить геометрическую совместимость структур и предполагаемую энергетическую выгодность их взаимодействия. Это важный инструмент предварительного отбора веществ.

Но между расчетным связыванием и реальной противоопухолевой активностью существует несколько принципиальных различий.

Молекула может успешно размещаться в виртуальной модели белка, но не связываться с ним достаточно прочно в эксперименте. Даже реальное связывание не обязательно изменяет функцию белка нужным образом.

Кроме того, вещество должно проникать в клетки, сохранять активность в биологической среде и воздействовать на опухоль при концентрациях, не вызывающих чрезмерного повреждения нормальных тканей.

Международные исследования подтверждают значимость этих ограничений.

В опубликованной в 2026 году работе Nature Communications исследователи представили систему сравнительной оценки MolGenBench и проанализировали 17 методов генерации и оптимизации лекарственных молекул.

Оказалось, что многие алгоритмы, демонстрирующие хорошие результаты при компьютерной оценке, значительно хуже справляются с задачами, приближенными к реальной разработке препаратов. Среди проблем обнаружились недостаточная способность находить действительно активные соединения, появление химически нежелательных структур и ограниченная применимость моделей к ранее не изученным белкам.

Следовательно, дополнительная проверка прогнозов СПбПУ с помощью докинга усиливает вычислительное обоснование выбора кандидатов, но не является экспериментальным доказательством их биологической эффективности.

Что на самом деле означает ускорение в 50 раз

Главная цифра сообщения СПбПУ требует аккуратной интерпретации.

По заявлению разработчиков, нейросетевой протокол позволяет более чем в 50 раз ускорить поиск и оптимизацию перспективных соединений.

Однако в доступных публичных материалах не приведено подробное сравнение затрат времени при использовании нового протокола и альтернативного процесса. Не раскрыты и достаточные для независимой оценки сведения о методике расчета этого ускорения.

Поэтому пока нельзя установить, относится ли заявленный выигрыш ко всему циклу компьютерного отбора, отдельным вычислительным операциям или более широкому процессу оптимизации соединений.

Особенно важно не переносить этот показатель на продолжительность разработки лекарственного препарата в целом.

Даже если определенная вычислительная операция выполняется в 50 раз быстрее, это не означает аналогичного сокращения сроков химического синтеза, доклинических исследований, клинических испытаний и регистрации.

Экономический эффект также зависит не только от скорости вычислений, но и от качества отбора. Если алгоритм предлагает большое число соединений, которые впоследствии оказываются неактивными или токсичными, часть первоначального выигрыша теряется.

Настоящая эффективность подобного протокола определяется тем, сколько экспериментально подтвержденных перспективных молекул удается получить на единицу времени и затрат по сравнению с альтернативными методами.

Мировая фармацевтика переходит от отдельных ИИ-инструментов к комплексным системам

Разработка СПбПУ отражает более широкую тенденцию: искусственный интеллект постепенно используется не только для решения отдельных задач молекулярного моделирования, но и для объединения последовательных этапов поиска лекарств.

В перспективной модели исследовательского процесса алгоритмы анализируют возможные белковые мишени, предлагают молекулярные структуры, прогнозируют их свойства и помогают определить приоритеты лабораторных экспериментов.

После получения экспериментальных результатов данные возвращаются в систему, позволяя корректировать последующие предложения.

Подобная организация исследований потенциально уменьшает число неудачных химических синтезов и позволяет сосредоточить ресурсы на наиболее интересных соединениях.

Но международная оценка состояния отрасли остается сдержанной.

В опубликованном в 2026 году аналитическом материале Nature Reviews Drug Discovery авторы отмечают, что, несмотря на большое количество разработанных ИИ-методов, убедительных доказательств их существенного влияния на создание более безопасных и эффективных лекарств пока недостаточно.

Исследователи обращают внимание на разрыв между качеством компьютерных прогнозов и их применимостью к реальным биологическим задачам.

Вместе с тем отдельные программы уже дошли до клинических исследований.

Например, в 2025 году Nature Medicine опубликовал результаты рандомизированного исследования IIa фазы рентосертиба — экспериментального препарата, при поиске мишени и разработке которого использовали генеративный ИИ.

В исследование включили 71 пациента с идиопатическим легочным фиброзом. Были получены предварительные данные о потенциальном улучшении отдельных показателей функции легких, однако небольшая выборка и короткое наблюдение не позволяли сделать окончательные выводы о клинической эффективности.

Хотя этот пример относится не к онкологии, он показывает принципиальное различие между созданием перспективной молекулы и подтверждением ее медицинской ценности.

Следующий этап для СПбПУ — доказать активность молекул в лаборатории

Заведующий лабораторией металл-органических каркасов и медицинской химии СПбПУ Сергей Шипиловских сообщил, что коллектив располагает перспективными соединениями, связанными с исследованиями рака кожи, но точные механизмы их действия пока недостаточно понятны.

Предложенный протокол должен помочь сформулировать гипотезы об этих механизмах и определить новые варианты молекулярных структур.

Следующим этапом исследователи планируют синтезировать отобранные соединения и испытать их in vitro — в лабораторных условиях, в том числе на клеточных моделях.

Именно здесь потребуется ответить на несколько ключевых вопросов.

Прежде всего, необходимо установить, взаимодействуют ли новые вещества с предполагаемыми белковыми мишенями в реальных биологических системах. Затем предстоит выяснить, изменяет ли это взаимодействие функцию белков и приводит ли оно к подавлению роста или гибели опухолевых клеток.

Не менее важно определить, насколько избирательно соединения действуют на опухолевые и здоровые клетки.

Даже положительные результаты на клеточных культурах не гарантируют успешного прохождения последующих исследований. Потребуется оценить растворимость, устойчивость, метаболизм, распределение веществ в организме и возможную токсичность.

После лабораторной проверки наиболее перспективные кандидаты смогут перейти к доклиническим исследованиям.

Работа СПбПУ поддерживается федеральной программой «Приоритет-2030». Партнером научного направления выступает НМИЦ онкологии имени Н. Н. Петрова.

Для пациентов главный результат пока не ускорение лечения, а повышение эффективности научного поиска

На нынешнем этапе разработка не изменяет действующие схемы противоопухолевой терапии и не создает новых вариантов лечения, доступных пациентам.

Ее возможная ценность находится на более раннем уровне — в организации исследовательского процесса.

Для научных коллективов это потенциальный способ быстрее проверять молекулярные гипотезы и уменьшать число соединений, требующих дорогостоящего лабораторного синтеза.

Для фармацевтических компаний интерес представляет возможность эффективнее распределять ресурсы между исследовательскими направлениями. Однако экономические преимущества предстоит подтвердить сравнительными испытаниями протокола.

Для онкологии наиболее существенным результатом станет не количество сгенерированных структур, а появление веществ с экспериментально доказанной активностью, приемлемой безопасностью и преимуществами перед существующими подходами.

В дальнейшем особенно информативными будут публикация подробной методики, результаты лабораторных экспериментов и сравнение эффективности нового протокола с альтернативными инструментами поиска лекарственных кандидатов.

Синтез от АПТЕКИУМ: История разработки СПбПУ показывает, как искусственный интеллект меняет начальную логику поиска лекарств: вместо последовательного перебора ограниченного числа веществ исследователи получают возможность анализировать большие пространства химических структур и выбирать наиболее перспективные направления для экспериментов. Но ускорение вычислений и ускорение создания лекарств — разные достижения. На данном этапе заявленные 50 раз характеризуют оценку разработчиков вычислительного протокола, а не установленное сокращение всего цикла фармацевтической разработки. Настоящим критерием успеха станет способность системы не просто быстро предсказывать взаимодействия молекул с белками, а повышать вероятность получения экспериментально подтвержденных лекарственных кандидатов. Именно переход от убедительных компьютерных прогнозов к воспроизводимым биологическим результатам определит, насколько подобные технологии смогут изменить разработку противоопухолевых препаратов.
18+
Для профессионального сообщества:

Данная публикация предназначена для специалистов здравоохранения и участников фармрынка. Аналитические выводы редакции носят информационный характер и не являются призывом к самолечению или заменой очной консультации врача. При работе с лекарственными препаратами необходимо руководствоваться официальной инструкцией и мнением профильного специалиста. Полный текст дисклеймера.

Источники и материалы