Исследователи разработали инновационный метод проектирования антител, способных нейтрализовать более 1,3 тыс. штаммов SARS-CoV-2, включая самые новые мутации. Ученые применили машинное обучение, моделирование структуры белков и обработку естественного языка для создания антител, нацеленных на 64 ключевые мутации в домене RBD спайкового белка коронавируса.

Результаты показали значительную эффективность: 10 антител продемонстрировали активность против штамма дельта, а одно — против омикрона. Особенно впечатляет, что 14% антител из первой партии и 40% из второй обладали «тройным перекрестным связыванием», — они взаимодействовали с RBD-доменом исходного вируса, а также штаммами дельта и омикрон. Действие антител проверяли при помощи иммуноферментного анализа (ИФА).

Традиционные методы разработки антител трудоемки, дороги и неэффективны против быстро эволюционирующих патогенов. Предложенный ИИ-подход значительно превосходит классические технологии по стоимости, эффективности и точности.

Ученые использовали несколько моделей, основанных на графовых нейронных сетях и языковых архитектурах. Для обучения были задействованы данные из четырех баз: SKEMPI, Observed Antibody Space, Antibody-Bind и UniProt. После компьютерного моделирования последовали лабораторные эксперименты, подтвердившие прогнозы ИИ относительно связывания антител с разными штаммами.

Несмотря на многообещающие результаты, исследователи отмечают ограничения: сильное связывание антител с вирусами в тестах ИФА не всегда соответствовало высокой нейтрализующей способности в экспериментах на клетках. Кроме того, исследование не включало эксперименты на животных или людях. Однако подход демонстрирует огромный потенциал для быстрой разработки лекарств против будущих пандемий и может найти применение во многих областях медицины.