Top.Mail.Ru
Понедельник, 16 февраля, 2026

Гарвардский ИИ учит клетки «возвращаться к здоровью»

Новый инструмент PDGrapher обещает ускорить поиск терапий, которые обращают заболевания на клеточном уровне. В тестах на онкологических данных модель оказалась до 25 раз быстрее и точнее существующих подходов.

Время на прочтение: 2 мин

Также по теме

Учёные Гарвардской медицинской школы представили PDGrapher — инструмент на основе искусственного интеллекта, который ищет способы не просто заблокировать отдельный белок, а «перепрограммировать» всю клетку из больного состояния в здоровое. В отличие от привычного пути «одна мишень — одно лекарство», модель анализирует целые сети генов и сигнальные пути, чтобы понять, какие комбинации вмешательств реально меняют ситуацию. Результаты исследования опубликованы в журнале Nature Biomedical Engineering.

Команда обучила PDGrapher на парах «болезнь—вмешательство» и проверила на 19 наборах данных по 11 видам рака, включая типы клеток и опухолей, которых модель ранее не видела. Инструмент восстановил известные лекарственные мишени, намеренно исключённые из обучения, и предложил дополнительные кандидаты, совпадающие с независимыми доклиническими и клиническими свидетельствами. Модель не только «угадала» известные мишени, которые специально исключили из обучения, но и выделила новые перспективные кандидаты. Среди примеров — TOP2A (мишень одобренных химиотерапий, перспективная при немелкоклеточном раке лёгкого) и KDR/VEGFR2 (подтверждённая клиническими данными мишень при НМРЛ).

По итогам испытаний PDGrapher выявлял до 13% больше реальных терапевтических целей, чем конкуренты, и ранжировал их выше в списке. При этом инструмент оказался существенно быстрее — результаты выдавались до 25 раз оперативнее.

Разработчики под руководством Маринки Житник надеются, что PDGrapher поможет находить новые мишени для терапии там, где задействованы сложные механизмы — например, при болезни Паркинсона или Альцгеймера. В перспективе такая технология может стать основой персонализированной медицины: анализировать клеточный профиль конкретного пациента и подсказывать, какие комбинации препаратов могут вернуть клетки в здоровое состояние.

«Обычный поиск лекарств — это как пробовать сотни блюд в надежде найти одно удачное. Наш подход скорее напоминает работу с рецептом: мы спрашиваем, какие ингредиенты нужно изменить, чтобы блюдо стало идеальным», — объясняет Житник.

spot_img

Популярные

ЧИТАЙТЕ ТАКЖЕ