Прорыв в поиске безопасных подсластителей

Команда исследователей под руководством профессора Амирама Гольблума и доктора Шаймы Эль-Атавне разработала вычислительную платформу, сочетающую машинное обучение с молекулярным моделированием. Алгоритм ISE (Iterative Screening Engine) обучен на свойствах известных сладких и горьких соединений, что позволяет предсказывать вкусовой профиль новых молекул еще до их синтеза. Ключевым этапом стало использование недавно расшифрованной структуры человеческого сладкого рецептора (код 9NOV в банке данных PDB), состоящего из двух субъединиц, одна из которых связана с сукралозой.

От миллионов к десяткам

Исходная библиотека насчитывала более 50 миллионов химических структур. После этапа виртуального скрининга и молекулярного докинга список сократился до 92 кандидатов, которые демонстрируют высокую сродство к сладкому рецептору и низкую вероятность горького привкуса — главной проблемы существующих заменителей сахара. По словам авторов, подход сокращает время от открытия до предклинических испытаний с лет до месяцев.

Контекст гонки за здоровое питание

nРабота иерусалимской группы вписывается в глобальный тренд: по данным отраслевых аналитиков, рынок низкокалорийных подсластителей растет на 5–7% в год. Параллельно Стэнфордский медуниверситет с помощью ИИ выявил натуральную молекулу BRP, подавляющую аппетит без побочных эффектов семаглутида, а компания Anthropic фиксирует удвоение использования своих моделей учеными для анализа данных и генерации гипотез. Общее направление ясно: вычислительная химия становится основным драйвером инноваций в пищевой промышленности и фармацевтике.