Ученые из СГУ им. Питирима Сорокина запустили первый искусственный интеллект для поиска новых препаратов-хронобиотиков

Синтез любого нового химического соединения, которого еще не существовало в природе – это всегда прыжок в неизвестность стоимостью в миллионы рублей. Прежде чем вещество доберется до лабораторной мыши или чашки Петри, химикам нужно его спроектировать, собрать и очистить. Чтобы не тратить реактивы и время впустую, исследователи поручают первичный отбор алгоритмам. Работа, принятая в печать 28 июля 2026 года, описывает как раз такой случай: ученые создали первый в мире вычислительный контур для поиска хронобиотиков – лекарств, способных управлять нашими биологическими часами.

Дефицит информации как научный вызов

Циркадные ритмы человека управляются сложным молекулярным механизмом, ядро которого составляют гены Bmal1, Clock, Per и Cry, а главным дирижером выступает белковый комплекс CLOCK-BMAL1. Сбои в этих часах – десинхронозы – возникают из-за сменной работы, перелетов и старения, запуская каскад метаболических и нейродегенеративных нарушений. Проблема в том, что известных науке модуляторов циркадных ритмов катастрофически мало. База данных [https://www.syktsu.ruhttps://www.syktsu.ru/news/133002/?ysclid=msfwkn9p7r475220553|ChronobioticsDB], созданная в Сыктывкаре, содержит порядка 1350 записей, но структур со строгой машиночитаемой SMILES-нотацией в ней всего около 350. Для современных нейросетей, привыкших к «большим данным» (Big Data), это статистическая погрешность.

Здесь на помощь приходит концепция малых данных – Low Data. Идея элегантна в своей простоте: алгоритму не нужно учить химию с нуля. Исследователи взяли нейросетевую архитектуру SMILES-Transformer, которая уже была предварительно обучена на 13,8 миллионах молекул из базы ChEMBL. Нейросеть уже понимала «синтаксис» химических связей. Дообучение на 350 хронобиотиках стало для нее просто курсом узкой специализации. Это похоже на то, как блестящий лингвист за пару дней осваивает специфический профессиональный сленг.

Проверка на прочность

Авторы намеренно избегают громких заявлений о «стопроцентной точности» ИИ – в строгой науке такие цифры чаще говорят о переобучении модели, чем о прорыве. Вместо этого они устроили алгоритму жесткий стресс-тест. Использовалась повторяющаяся кросс-валидация и так называемый scaffold-split (проверка на химических каркасах, которые модель раньше не видела). Результаты честные: при тщательном подборе функции потерь (Asymmetric Loss) показатель качества ROC-AUC составил 0,656. Для сравнения, базовые классические модели на дескрипторах Morgan выдавали конкурентные результаты, а трансформер без тонкой настройки вообще проваливался ниже случайного угадывания (0,470). Модель оказалась особенно хороша при работе с детальной классификацией эффектов (ROC-AUC до 0,832), хотя редкие классы веществ предсказывать все еще трудно.

Чертежи из нейросети

Финальным этапом стала практическая работа. Обученную модель натравили на SAVI – колоссальную библиотеку синтетически доступных, но еще не созданных в реальности молекул. Из 10 тысяч проанализированных структур алгоритм выделил 34 «суперкандидата» с консенсусным баллом выше 0,9. Большинство из них (60,5%) должны бить точно в комплекс CLOCK-BMAL1, а еще 28% нацелены на систему CRY1-PER2. Главный предсказанный терапевтический эффект этих веществ – сдвиг фазы ритма и восстановление нормального сна.

Именно в этих 34 формулах кроется главный экономический смысл исследования. Модель отсеяла заведомо нерабочие варианты, превратив слепой и безумно дорогой перебор в короткий, математически обоснованный шорт-лист для будущих лабораторных синтезов.

От молекулы к платформе

Корреспондирующий автор исследования, кандидат биологических наук, старший научный сотрудник научно-исследовательской лаборатории «Трансляционная биоинформатика и системная биология» СГУ им. Питирима Сорокина Илья Соловьёв отмечает:

– Модель, обученная поиску хронобиотиков, как и база данных ChronobioticsDB v2 AI, является первым в мире инструментом, способным с высокой точностью обнаруживать модуляторы циркадных ритмов. Вместе с ИИ-ассистентом фармаколога и самой базой на портале chronobiotic.ru – это инфраструктурный базис для будущей экосистемы. Мы создаем ИИ-платформу для скрининга и дизайна новейших модуляторов циркадных ритмов с заданными свойствами, в том числе геропротекторными. Возрастной десинхроноз — один из ключевых спутников «серебряного возраста», с которым сегодня едва справляются даже самые современные препараты и физиотерапия.

При наличии данных система ускоряет поиск полезных молекул для ученых-фармакологов и разработку любых препаратов. Программный код доступен для скачивания на портале [https://www.preprints.org/manuscript/202604.2062/v1|preprints.org].

Подход, отработанный на хронобиотиках, полностью универсален. Механика, при которой большая языковая модель доучивается на скудных, но качественных экспертных данных, открывает двери для поиска лекарств от редких заболеваний, в том числе антибиотиков и противовирусных средств, где выборки пациентов и протестированных успешно препаратов минимальны. Более того, тот же принцип позволит синтезировать новые селективные пестициды или регуляторы роста в агрохимии. Работа российских ученых поддержана грантом РНФ №24-75-00108 «Создание первой в мире базы данных фармакологических модуляторов циркадных ритмов (ChronobioticsDB) и организация доступа к ней».

Пресс-служба

Фото: пресс-служба и Ильи Соловьёва