Исследователи из Университета Торонто создали LUMI-lab — автономную лабораторию, которая объединяет ИИ-модель, активное обучение и робототехнику. За десять итеративных циклов система самостоятельно синтезировала и протестировала более 1700 липидных наночастиц для доставки мРНК в клетки человека. Главная находка оказалась неожиданной для самих ученых: ИИ выявил, что бромированные липидные хвосты — соединения, которые раньше вообще не связывали с доставкой мРНК, — резко повышают эффективность трансфекции. Результаты опубликованы в журнале Cell.

Название LUMI расшифровывается как Large-scale Unsupervised Modeling followed by Iterative experiments — "масштабное обучение без учителя с последующими итеративными экспериментами". Платформа решает ключевую проблему ИИ в новых областях: нехватку данных. На сегодня одобрение FDA получили всего три типа липидных наночастиц, и накопленной информации недостаточно для классического машинного обучения. Поэтому команда сначала обучила модель на 28 миллионах молекулярных структур без привязки к конкретной задаче — так система усвоила общие химические закономерности. А затем с помощью активного обучения и роботизированных установок LUMI сама выбирала, какие молекулы синтезировать и тестировать на каждом следующем цикле.

"Ключевое достижение системы в том, что она самостоятельно выявила бромирование как значимый конструктивный признак — без предварительной гипотезы и без указаний исследователей", — сказал Боуэн Ли, руководитель исследования из фармацевтического факультета Университета Торонто. Бромированные липиды составляли лишь 8% библиотеки соединений, но дали больше половины лучших кандидатов. При тестировании на мышах пять из шести новых липидов доставляли мРНК в легкие не хуже или лучше, чем SM-102 — стандартный липид из вакцины Moderna от COVID-19. Шестой кандидат показал результат на уровне MC3 — другого одобренного FDA липида. Профиль безопасности бромированных липидов при этом оказался сопоставим с клиническими стандартами.

Сейчас мРНК-терапия — одно из самых быстрорастущих направлений в фармацевтике, но ее потенциал ограничен именно доставкой: нужны новые липидные наночастицы для разных тканей и задач. Код и данные LUMI-lab выложены на GitHub под лицензией GPL v3. Команда планирует расширить платформу для одновременной оптимизации нескольких параметров — не только эффективности доставки, но и безопасности, переносимости и тканевой селективности.

P.S. Поддержать меня можно подпиской на канал "сбежавшая нейросеть", где я рассказываю про ИИ с творческой стороны.