Лаборатория Сезара де ла Фуэнте применяет ChatGPT и Codex для поиска новых антимикробных молекул в ДНК, сокращая начальный этап исследований с нескольких лет до часов.
2 мин
Устойчивость к противомикробным препаратам становится одной из главных угроз глобальному здравоохранению. По данным за 2021 год, около пяти миллионов смертей были связаны с бактериальной резистентностью, и к 2050 году это число может удвоиться. При этом за последние 50 лет наука не открыла ни одного принципиально нового класса антибиотиков.
Традиционный подход к разработке лекарств, основанный на модификации существующих препаратов, приносит все меньше результатов. Чтобы выйти из этого тупика, исследователи обращаются к неизученным областям биологии, используя искусственный интеллект в качестве нового инструмента познания.
How Codex helps run quantum computing experiments — Art card
Лаборатория биоинженера Сезара де ла Фуэнте рассматривает биологию как информационную систему. Нуклеотиды, из которых состоит ДНК, и аминокислоты, образующие белки, воспринимаются как своеобразный алфавит. Такой подход позволяет применять глубокое обучение (deep learning) для распознавания паттернов в биологических последовательностях.
Для обработки огромных массивов данных лаборатория использует инструменты OpenAI — ChatGPT и Codex. Они помогают междисциплинарной команде, состоящей из биологов, химиков и программистов, преодолевать коммуникационные барьеры. Биологи получают возможность писать код для анализа данных, а программисты быстрее погружаются в специфику биологических процессов.
Алгоритмы берут на себя рутинную работу: предварительную обработку геномных датасетов, написание скриптов и структурирование результатов. Это позволяет сократить время первоначального поиска молекул-кандидатов с нескольких лет до считанных часов. Нейросети способны сканировать базы данных вымерших и ныне живущих организмов, выделяя из миллионов вариантов те, которые потенциально обладают антимикробной активностью.
The builder’s guide to GPT-5.6 — Card image — Neutral Option 075
Однако обнаружение перспективной молекулы в цифровой среде — это лишь первый шаг. Искусственный интеллект не заменяет лабораторные исследования, а лишь направляет их. Каждое предсказание алгоритма требует физической проверки: ученые должны синтезировать молекулу, подтвердить ее эффективность против бактерий, оценить токсичность для клеток человека и определить стабильность соединения.
Внедрение языковых моделей в научный процесс меняет саму культуру исследований. ChatGPT используется как партнер для мозговых штурмов, помогая формулировать гипотезы и связывать идеи из разных научных дисциплин. Именно на стыке наук, по мнению де ла Фуэнте, скрываются самые значимые открытия.
В исторической перспективе искусственный интеллект становится таким же фундаментальным инструментом для науки, каким в свое время стали микроскоп и телескоп. Если оптические приборы позволили человечеству увидеть невидимые миры, то алгоритмы помогают расшифровать, предсказать и в конечном итоге начать конструировать саму биологию.
Derya Unutmaz card image
Применение языковых моделей и алгоритмов глубокого обучения позволяет рассматривать ДНК как программный код, радикально ускоряя поиск новых антибиотиков в базах геномных данных.
Главная ценность ChatGPT в научной лаборатории заключается не только в анализе данных, но и в стирании границ между дисциплинами, позволяя биологам писать код, а программистам — понимать химию.
