Всевидящее око ИИ: ИИ-алгоритм МГУ находит «невидимые» формы молекул
Россия делает уверенный шаг в будущее фармацевтики и молекулярного моделирования. Учёные из Института органической химии РАН и МГУ имени М. В. Ломоносова разработали метод на основе искусственного интеллекта, который помогает находить «потерянные» конформации молекул.
Искусственный интеллект, который видит больше
Учёные химического факультета МГУ имени М. В. Ломоносова совместно с Институтом органической химии им. Зелинского РАН разработали инновационный искусственный интеллект, способный выявлять «потерянные» конформации молекул — пространственные структуры, которые ранее ускользали от внимания даже самых современных алгоритмов. Это достижение уже называют открытием, способным ускорить разработку лекарств, повысить их эффективность и дать России новые экспортные преимущества в высокотехнологичной фармхимии.
В химии и фармацевтике критически важна способность точно предсказывать, как будет вести себя молекула в трёхмерном пространстве. Даже незначительное изменение пространственной формы может радикально изменить её свойства — как терапевтические, так и токсикологические. Современные алгоритмы, вроде CREST, уже умеют находить стабильные формы молекул, однако всегда существует вероятность, что часть конфигураций остаётся незамеченной.
Новый метод, разработанный российскими исследователями, использует возможности ИИ, чтобы закрыть эту слепую зону. При тестировании на 60 биологически активных молекулах алгоритм нашёл до 28 дополнительных конформаций, ранее не обнаруженных классическими методами — почти для половины всей выборки. Это означает, что десятки потенциально активных лекарственных формул до сих пор оставались вне поля зрения мировой науки. Результаты исследования, поддержанного грантом РНФ, опубликованы в Journal of Chemical Information and Modeling.
Несколько уровней значимости
Для российской науки это открытие - реальный технологический скачок: повышается надёжность и скорость молекулярного дизайна, что ускорит разработку отечественных лекарств и катализаторов. Россия становится одним из лидеров в области ИИ-моделирования сложных органических и металлоорганических соединений.
Во-вторых, это вклад в глобальную науку. Подобные методы — ключ к следующему поколению автоматизированного моделирования в фармацевтике и химии. Сокращается время выхода новых препаратов на рынок, повышается безопасность терапии, уменьшается зависимость от дорогостоящих физических экспериментов.
Наконец, это важно для граждан: лекарства становятся доступнее, качественнее, «чище» и быстрее проходят этапы разработки — от идеи до клинического применения.
Перспективы: от САПР-продукта до экспорта
Новая разработка имеет очевидный экспортный потенциал: на её основе может быть создан программный продукт – цифровая платформа для автоматизации квантово-химического и структурного моделирования, аналог систем автоматизированного проектирования (САПР), востребованный ведущими международными фармкомпаниями, исследовательскими центрами и химическими лабораториями.
Внутри России решение позволит ускорить цикл разработки лекарств и промышленных катализаторов, снизить затраты на дорогостоящие симуляции и лабораторные тесты, заменить сотни расчётов всего 20–30 ИИ-итерациями, повышая эффективность в разы.
Кроме того, алгоритм может быть интегрирован с квантово-химическими моделями и другими цифровыми физическими инструментами. Начинается эра гибридного моделирования: ИИ + физика = ускоренное открытие новых веществ и материалов.
Что делает эту разработку уникальной
Разработка базируется на фундаментальных достижениях последних лет, включая алгоритм CREST как стандарт классического поиска конформаций, и Gaussian-процессы, которые ранее применялись в химии лишь для оптимизации свойств молекул, но не в контексте поиска форм.
Тренды гибридного физико-химического и ИИ-моделирования активно развиваются в США, Китае и Германии. Однако российский метод впервые объединяет эти подходы для поиска именно конформаций в условиях ограниченных данных и высокой молекулярной сложности.
Так что новый российский ИИ-метод — универсальный инструмент, применимый как для органических соединений, так и для более сложных металлоорганических структур. Это открывает путь к сокращению затрат на разработку новых препаратов, повышению точности моделирования на ранних этапах. В долгосрочной перспективе – к развитию предиктивной медицины, где на основе цифрового моделирования можно будет создавать индивидуальные схемы лечения и персонализированные лекарства.
Россия показывает, что не только может идти в ногу с глобальными трендами, но и формирует собственную повестку в области ИИ, фармтеха и молекулярной химии. Это вклад в здоровье миллионов людей, в укрепление технологического суверенитета и в статус России как цифровой державы.
