Прорыв в антибиотикоустойчивости

Работа Барзилай, специализирующейся на машинном обучении, и Коллинза, эксперта по синтетической биологии, началась еще до пандемии. Их модель проанализировала библиотеку из более чем 100 млн химических соединений и предсказала активность против устойчивых штаммов бактерий, включая Acinetobacter baumannii — один из самых опасных больничных патогенов. Экспериментальная проверка подтвердила прогноз: новое вещество, получившее рабочее название галабицин, проявило высокую эффективность in vitro и в моделях на мышах.

Новая парадигма открытия лекарств

Традиционный скрининг требует лет и миллиардов долларов. Подход МИТ сократил этап отбора кандидатов до нескольких дней. «Мы не просто ускоряем поиск — мы меняем саму логику: ИИ предлагает молекулы, которые человек бы никогда не синтезировал интуитивно», — отмечает Барзилай. Коллинз добавляет, что метод масштабируем на другие классы лекарств, включая онкопрепараты.

Контекст: глобальная гонка за ИИ-науку

Вручение премии совпало с конференцией UChicago–Caltech по ИИ в науке, где был анонсирован грант Schmidt Sciences на создание вычислительной платформы AI for Science. Параллельно Джонса Хопкинса передали технологию картографирования опухолей Anthropic для проекта AI for Science, а NIH запускает единую экосистему данных для 18 программ. Общий тренд: государство и филантропия вкладывают в инфраструктуру, чтобы убрать «узкое горлышко» вычислительных ресурсов в академической науке.

Ключевые выводы:

  • Первым в истории антибиотиком, найденным ИИ, управляет команда МИТ.
  • Прицкеровская премия закрепляет статус ИИ как полноценного научного инструмента.
  • Новые гранты и платформы (Schmidt Sciences, NIH Data Ecosystem) создают экосистему для массового внедрения ИИ в базовую науку.