Представьте себе огромную библиотеку. Не обычную, а такую, где хранится более семи тысяч книг, каждая из которых написана на языке молекул. Где-то среди этих томов спрятан ответ на один из самых мучительных вопросов современной медицины: как остановить болезнь Альцгеймера? Именно эту библиотеку решила «прочитать» группа учёных – но не вручную, а с помощью алгоритмов машинного обучения. Это история о том, как компьютер стал молекулярным детективом.
Враг, которого мы плохо понимаем
Болезнь Альцгеймера – это не просто «плохая память у пожилых». Это медленное, неумолимое разрушение личности. Человек сначала забывает, куда положил ключи. Потом – имена близких. Затем теряет способность самостоятельно есть, одеваться, говорить. Заболевание прогрессирует годами, и на каждом этапе оно отнимает что-то новое – пока от человека не остаётся почти ничего из того, кем он был.
С точки зрения биологии происходит следующее. В мозге начинают накапливаться аномальные белки. Первый из них – амилоид-бета – слипается в так называемые бляшки, которые засоряют пространство между нейронами, словно мусор, брошенный прямо на оживлённом перекрёстке. Второй – тау-белок – в норме помогает нейронам сохранять структуру, но при болезни Альцгеймера он претерпевает химические изменения, сворачивается в клубки и разрушает клетку изнутри, будто кто-то намеренно запутал все внутренние провода.
Эти два процесса – образование бляшек и клубков – нарушают связь между нейронами, а затем убивают их. Мозг буквально сжимается. Те зоны, которые отвечают за память, ориентацию в пространстве, речь и личность, постепенно перестают работать.
Что именно запускает этот процесс, учёные до сих пор выясняют. Роль играют возраст, генетика, образ жизни, здоровье сосудов. Но точного «выключателя», который можно было бы найти и обезвредить, пока не обнаружено. А это значит, что и лечения, которое действительно останавливало бы болезнь, пока не существует. Те препараты, что применяются в клинической практике – ингибиторы холинэстеразы и антагонисты NMDA-рецепторов – лишь немного замедляют симптомы, но не устраняют причину.
Почему природа может подсказать ответ
Природа – самый гениальный хакер. Нам остаётся лишь подглядывать за её решениями.
Растения, грибы, морские организмы за миллиарды лет эволюции научились синтезировать вещества невероятной сложности. Многие из них – природные «молекулярные инструменты», способные точечно вмешиваться в биохимические процессы. Именно из природных соединений человечество получило аспирин, пенициллин, морфин, таксол и сотни других лекарств.
В контексте болезни Альцгеймера некоторые природные вещества уже показали себя с интересной стороны. Куркумин – пигмент из куркумы – в лабораторных условиях способен препятствовать слипанию амилоидных белков. Ресвератрол, содержащийся в винограде и ягодах, обладает противовоспалительными свойствами и защищает нейроны от окислительного стресса. Галантамин, выделенный из подснежников, уже стал полноценным лекарством – он ингибирует фермент, разрушающий важный нейромедиатор ацетилхолин, и применяется для симптоматического лечения Альцгеймера с начала 2000-х годов.
Но это лишь капля в море. Только хорошо изученных природных соединений насчитываются десятки тысяч. А ведь есть ещё огромные массивы малоизученных молекул из тропических растений, морских губок, редких грибов... Как перебрать всё это богатство в поисках нужного?
Традиционный путь: дорого, долго, вручную
Классическая фармакология работает примерно так. Учёные берут молекулу, синтезируют или выделяют её, проверяют на клетках, потом на животных, затем – если повезёт – на людях. Каждый этап занимает годы и стоит огромных денег. По различным оценкам, от первичной идеи до появления препарата на аптечной полке проходит в среднем от десяти до пятнадцати лет и тратится от одного до нескольких миллиардов долларов.
И это при том, что большинство кандидатов отсеивается на промежуточных этапах. Девять из десяти молекул, дошедших до клинических испытаний, так и не становятся лекарствами. Применительно к болезни Альцгеймера ситуация ещё мрачнее: с 1998 по 2017 год потерпели неудачу более 100 клинических программ по разработке препаратов против этого заболевания.
Именно здесь на сцену выходит хемоинформатика.
Хемоинформатика: химия встречается с алгоритмом
Хемоинформатика – это область науки, которая изучает молекулы с помощью математики и компьютеров. Её главная идея проста: любую молекулу можно описать набором числовых характеристик – дескрипторов. Это как паспорт для каждого химического соединения, только вместо имени и фотографии там – данные о размере молекулы, форме, электрических свойствах, числе атомов определённых типов, характере химических связей и десятках других параметров.
Имея такой «паспорт», можно обучить алгоритм машинного обучения: показать ему молекулы, про которые известно, что они работают против болезни Альцгеймера, и молекулы, про которые известно, что они не работают. Алгоритм находит закономерности – какие сочетания параметров характерны для «активных» молекул – и запоминает эти паттерны. После этого его можно направить на тысячи неизвестных соединений и попросить: «Кто из этих похож на активное лекарство?»
Это примерно как обучить опытного сомелье распознавать хорошее вино по запаху, цвету и вкусу – а потом попросить его пройтись по огромному погребу и отобрать бутылки, достойные дальнейшего внимания. Он не будет пить каждую – он использует накопленный опыт и интуицию, выраженную в конкретных признаках.
Как было устроено исследование
Авторы исследования собрали базу данных из трёх источников: ChEBI (Chemical Entities of Biological Interest – крупная база данных биологически значимых химических соединений), SynSysNet и INDOFINE. В сумме набралось более 7000 уникальных природных молекул.
Первым делом все эти молекулы нужно было «причесать» – привести к единому стандартному формату. Для этого использовалась программа Open Babel. Она исправляла мелкие ошибки в описании структур, учитывала, как молекула ведёт себя при физиологическом уровне кислотности, устраняла дублирование. Это похоже на то, как редактор приводит в порядок рукописи разных авторов перед публикацией: убирает разные стили написания, исправляет опечатки, делает текст единообразным.
Затем для каждой молекулы с помощью программного пакета Dragon было рассчитано более 5000 молекулярных дескрипторов. Пять тысяч числовых характеристик на каждую молекулу – это колоссальный объём информации. Но не все из них одинаково полезны: часть дескрипторов дублирует друг друга, часть не несёт значимой информации. Поэтому учёные провели отбор признаков – используя статистические методы и анализ главных компонент, они отсеяли избыточное и оставили самое информативное.
В качестве алгоритма машинного обучения был выбран метод случайного леса (Random Forest). Это не один алгоритм, а целый ансамбль – сотни или тысячи небольших деревьев решений, каждое из которых смотрит на данные немного по-своему. Представьте совет экспертов: каждый говорит своё мнение, а итоговое решение принимается большинством голосов. Случайный лес хорошо работает с большим количеством переменных, устойчив к «шуму» в данных и позволяет оценить, какие признаки были наиболее важны при принятии решений.
Обучающую выборку составили соединения, одобренные для лечения болезни Альцгеймера или показавшие убедительные результаты в доклинических исследованиях, – их пометили как «активные». Остальные молекулы, не проявляющие известного действия против этого заболевания, составили класс «неактивных». Данные разделили в соотношении 70% для обучения и 30% для проверки.
Что показали результаты
После обучения и настройки модели её запустили на тестовой выборке. Результаты оказались умеренными, но обнадёживающими:
- Точность (precision) составила 0,597 – это означает, что примерно 60% молекул, которые модель назвала «активными», действительно оказались таковыми.
- Полнота (recall) составила 0,659 – модель смогла «поймать» около 66% всех по-настоящему активных соединений из тестовой выборки.
- Интегральный показатель качества AUC-ROC составил 0,686, что заметно выше случайного угадывания (0,5).
Чтобы лучше понять, что значат эти цифры, используем простую аналогию. Представьте, что модель – это металлодетектор на пляже. Он срабатывает примерно в 60% случаев обоснованно (находит настоящие монеты), а в 40% – ложно тревожится из-за консервных банок. При этом он пропускает примерно треть монет, зарытых глубже. Не идеально – но несравнимо лучше, чем копать наугад весь пляж лопатой.
Применив обученную модель ко всей библиотеке из более чем 7000 природных соединений, исследователи отобрали 73 молекулы-кандидата с наиболее высокой вероятностью анти-альцгеймеровской активности. Эти 73 соединения – приоритетный список для дальнейших лабораторных испытаний.
Что рассказал алгоритм о «портрете» хорошего кандидата
Один из самых ценных побочных продуктов такого анализа – понимание того, почему модель принимает те или иные решения. Случайный лес позволяет оценить «важность» каждого дескриптора: насколько сильно тот или иной параметр влиял на итоговый вывод.
Три дескриптора вышли на первый план.
Атомная поляризуемость. Это характеристика того, насколько легко электронная оболочка атома «деформируется» под влиянием соседних зарядов. Молекулы с высокой поляризуемостью лучше «прилипают» к белкам через слабые силы притяжения – так называемые ван-дер-ваальсовы взаимодействия. Для связывания с амилоидными фибриллами или тау-белком это свойство оказывается критически важным.
Кратность связи. Химические связи бывают одинарными, двойными и тройными. Двойные и тройные связи делают молекулу жёстче, планарнее и меняют распределение электронов по ней. Такие молекулы иначе взаимодействуют с биологическими мишенями – и, как выяснилось, активные кандидаты имеют характерные паттерны кратности связей.
Потенциальные центры водородных связей. Водородная связь – одно из ключевых «рукопожатий» в молекулярном мире. Когда лекарство входит в активный центр белка, именно водородные связи во многом удерживают его там. Молекулы с нужным количеством и расположением таких центров – атомов кислорода, азота – лучше «садятся» в карман белка, словно ключ, точно подобранный под замок.
Эти три характеристики вместе формируют своего рода молекулярный «фоторобот» вещества, потенциально способного взаимодействовать с белками, виновными в развитии болезни Альцгеймера. Это не просто академическое наблюдение – это руководство к действию для химиков, которые занимаются дизайном новых молекул.
Ограничения и честный взгляд на результат
Наука ценна не только тем, что она находит, но и тем, что она признаёт. Авторы исследования честно указывают на ограничения своей работы.
Во-первых, обучающая выборка активных соединений была относительно небольшой. Болезнь Альцгеймера – сложная мишень, и одобренных препаратов для неё крайне мало. Это ограничивает способность модели обобщать закономерности. Чем меньше примеров «правильного ответа» видел алгоритм на обучении, тем менее уверенно он обобщает.
Во-вторых, молекулярные дескрипторы описывают молекулу «в статике» – как набор параметров. Но реальные биологические взаимодействия динамичны: молекула и белок двигаются, меняют форму, подстраиваются друг под друга. Эту динамику дескрипторы улавливают лишь косвенно. Более точные методы – молекулярный докинг (виртуальное «встраивание» молекулы в структуру белка) и молекулярная динамика – могут дать более полную картину, но требуют значительно больших вычислительных ресурсов.
В-третьих, и это самое главное: 73 отобранных кандидата пока существуют только на экране компьютера. Они не прошли ни одного лабораторного теста. Их нужно проверить на клетках, потом на животных моделях болезни Альцгеймера. Сколько из них подтвердят свою активность – покажут только эксперименты.
Почему это важно, даже если результат «умеренный»
Возникает закономерный вопрос: если точность модели составляет около 60%, а не 95% – зачем всё это нужно?
Ответ кроется в масштабе задачи. Традиционный лабораторный скрининг 7000 соединений занял бы годы работы и потребовал значительных ресурсов – реактивов, оборудования, рабочих рук. Хемоинформатический подход позволяет сделать первичный отбор за дни, выделив из тысяч кандидатов несколько десятков наиболее перспективных. Пусть не все 73 соединения окажутся активными – но даже если 5–10 из них подтвердят свой потенциал в лаборатории, это уже огромный шаг вперёд.
Кроме того, такой подход масштабируется. Улучшение модели, расширение обучающей выборки, добавление трёхмерных структурных данных – всё это постепенно повышает точность предсказаний. Каждое новое исследование кладёт кирпичик в основание более точного инструмента будущего.
Особенно ценна способность таких моделей находить неочевидные связи – молекулы, которые никто никогда не связывал с болезнью Альцгеймера, но которые по своей структуре напоминают активные соединения. Именно здесь могут скрываться самые неожиданные открытия.
Следующие шаги: от алгоритма к лаборатории
Авторы намечают несколько направлений для продолжения работы.
- Расширение базы данных. Чем больше экспериментально подтверждённых данных об активных и неактивных соединениях, тем лучше и точнее будет модель.
- Множественные мишени. Болезнь Альцгеймера – многофакторное заболевание. Новые модели планируется обучать не просто на «активен/неактивен», а с учётом конкретного механизма: блокирует ли молекула образование амилоидных бляшек, препятствует ли фосфорилированию тау-белка, подавляет ли воспалительный ответ.
- Интеграция с молекулярным докингом. Соединение виртуального скрининга с трёхмерным моделированием взаимодействия молекулы с конкретным белком-мишенью даст возможность отсеивать кандидатов ещё до лаборатории с большей уверенностью.
- Экспериментальная проверка. Самый важный шаг – протестировать 73 отобранных кандидата в реальных биологических системах: сначала на культурах клеток, затем на животных моделях болезни Альцгеймера.
Путь от молекулы на экране до таблетки в аптеке долог. Но каждый шаг, который позволяет сделать этот путь более осознанным и эффективным, приближает нас к цели. Болезнь Альцгеймера – один из главных вызовов биомедицины. И если природа действительно держит ответ среди своих тысяч молекул, то наша задача – научиться читать её подсказки как можно быстрее и точнее.
