Российские химики обучили ИИ искать перспективные металлы для разработки онкопрепаратов
Российские химики создали крупнейшую в мире базу данных цитотоксичности металлов MetalCytoToxDB, призванную решить ключевую проблему разработки металлосодержащих противоопухолевых препаратов — отсутствие систематизированных данных. В отличие от существующих аналогов, новая платформа содержит подробную информацию об условиях экспериментов и источниках, что облегчит применение методов хемоинформатики и искусственного интеллекта. Результаты работы опубликованы в Journal of Medicinal Chemistry.
Специалисты Института общей и неорганической химии им. Н.С. Курнакова РАН и МГУ им. М.В. Ломоносова при финансовой поддержке Минобрнауки РФ разработали базу, которая включает более 26,5 тыс. значений показателя IC₅₀ (количественный показатель цитотоксичности) для 7050 комплексов пяти переходных металлов — рутения, иридия, родия, рения и осмия, протестированных на 754 клеточных линиях. Данные были собраны вручную из более чем 1,9 тыс. научных публикаций.
Некоторые металлы в составе комплексов способны проникать в раковые клетки и разрушать их — блокировать деление, повреждать ДНК или запускать гибель клетки. Классический пример — цисплатин, широко применяемый в клинической практике. Однако поиск новых металлосодержащих лекарств долгое время был затруднен из-за отсутствия систематизированных данных. Существующие международные базы не содержали достаточной информации о действии таких соединений, что делало невозможным применение искусственного интеллекта.
На основе MetalCytoToxDB ученые обучили модели машинного обучения. Для рутениевых комплексов точность прогнозирования (ROC-AUC) достигла 0,81, для иридиевых — 0,73. Алгоритм, обученный на статьях до 2024 года, успешно протестировали на публикациях 2025 года: в 9 из 10 случаев модель корректно определяла активные соединения, что в два раза превышает случайный отбор. Также разработана мультиметальная модель для соединений с ограниченным объемом данных.
Ученые отметили, что текущая версия моделей имеет ограничения: не учитываются геометрия комплексов (расположение лигандов вокруг атома металла), влияние противоионов и селективность по отношению к здоровым клеткам. Эти направления станут предметом дальнейших исследований. Тем не менее внедрение предиктивной модели уже позволяет сузить круг веществ-кандидатов и снизить потребность фармацевтической отрасли в длительных лабораторных испытаниях неэффективных молекул.
Ранее сообщалось, что ученые Санкт-Петербургского государственного университета создали наночастицы для обеспечения медленного и дозированного поступления лекарства в организм. Предполагается, что разработка снизит вероятность побочных реакций и сократит количество приемов препаратов при хронических заболеваниях.
