Фаготерапія давно розглядається як один із перспективних напрямів боротьби з бактеріальними інфекціями, особливо в умовах глобального поширення антибіотикорезистентності. Проте у бактеріофагів є важлива особливість: вони зазвичай надзвичайно специфічні до своїх бактеріальних господарів. Фаг, ефективний проти одного штаму бактерії, може бути абсолютно безсилим проти іншого. Тому пошук відповідного фага для конкретної інфекції може бути складним і тривалим.

Нове дослідження американських учених демонструє принципово інший підхід: не тільки знаходити потрібний бактеріофаг у природі, а створювати його геном за допомогою штучного інтелекту.

Як штучний інтелект навчився «писати» фаги

Дослідники зі Stanford University та Arc Institute використали геномні мовні моделі Evo 1 та Evo 2. За принципом, дещо схожим на роботу мовної моделі з текстом, такі системи аналізують послідовності ДНК і вчаться розпізнавати закономірності, які лежать в основі функціонування геномів.

Для експерименту вчені обрали добре вивчений літичний бактеріофаг ΦX174, який заражає Escherichia coli. Його геном містить менше ніж 6000 пар основ, що робить його відносно простим об'єктом для першої демонстрації можливостей технології.

Evo 2 отримала невелику вихідну інформацію про геном ΦX174 і почала генерувати нові геномні послідовності. Важливо, що йшлося не про редагування одного чи кількох генів природного фага. Модель створювала цілі геноми, пропонуючи нові комбінації генетичної інформації.

Майже 300 кандидатів перевірили в лабораторії

Комп'ютерна генерація геномів — це лише перший етап. Щоб перевірити, чи здатні створені послідовності працювати в реальному біологічному середовищі, дослідники синтезували та протестували майже 300 кандидатів.

У результаті 16 штучно спроєктованих бактеріофагів виявилися життєздатними. Вони могли інфікувати та лізувати E. coli.

Це принципово важливий момент: штучний інтелект не просто запропонував красиві на вигляд генетичні послідовності. Частина створених ним геномів виявилася функціональною після синтезу та лабораторного тестування. Дослідники також виявили значну еволюційну новизну створених фагів.

Деякі з нових фагів показали навіть вищу фітнес-ефективність, ніж природний ΦX174, у тестах на конкуренцію та швидкість лізису бактерій.

Окремо вчені дослідили структуру одного зі створених фагів за допомогою кріоелектронної мікроскопії. Виявилося, що він використовує еволюційно віддалений варіант білка, пов'язаного з пакуванням ДНК у капсид. Це демонструє, що модель здатна генерувати не просто випадкові мутації, а біологічно функціональні й водночас незвичні рішення.

Чому це важливо для фаготерапії?

Однією з найбільших проблем фаготерапії є фагорезистентність. Бактерії, як і у випадку з антибіотиками, можуть еволюціонувати та ставати нечутливими до конкретного фага.

Тому перспективним підходом є використання фагових коктейлів — комбінацій кількох фагів, які атакують бактерію різними способами.

У новому дослідженні коктейль зі створених фагів зміг швидко подолати резистентність до природного ΦX174 у трьох штамах E. coli. Це особливо цікаво: замість того щоб чекати, поки в природі буде знайдений новий фаг, потенційно можна буде спроєктувати набір генетично різних фагів під конкретну бактеріальну проблему.

У перспективі подібний підхід може бути корисним для створення фагів проти складніших патогенів, зокрема бактерій, для яких проблема антибіотикорезистентності є особливо гострою. Серед потенційних мішеней дослідники називають MRSA та Pseudomonas aeruginosa. Проте це поки що перспектива, а не доведена клінічна ефективність.

Від лабораторного фага до ліків — ще дуже далеко

Попри гучні заголовки про «штучний інтелект, який створив віруси», важливо правильно розуміти масштаб результату.

Створені фаги тестували проти E. coli у лабораторних умовах. Це ще не готовий препарат для лікування людей і не клінічне дослідження.

До потенційного застосування у фаготерапії необхідно буде довести безпеку, стабільність, специфічність, ефективність та передбачуваність таких фагів в організмі людини. Потрібно також з'ясувати, як імунна система реагуватиме на них та наскільки швидко бактерії зможуть виробляти резистентність.

Проте саме принцип, продемонстрований цією роботою, може стати дуже важливим.

Раніше основна логіка була такою: знайти фаг → перевірити його проти бактерії → за потреби модифікувати або сформувати коктейль.

Тепер з'являється інша можливість:

визначити бажані властивості → попросити модель спроєктувати геном → синтезувати кандидатів → протестувати найперспективніші варіанти.

Це може суттєво змінити швидкість пошуку нових бактеріофагів.

Нова ера персоналізованої фаготерапії?

Найцікавіше питання полягає в тому, чи зможе ця технологія одного дня зробити фаготерапію більш персоналізованою.

Уявімо пацієнта з інфекцією, спричиненою мультирезистентною бактерією. Замість багатомісячного пошуку природного фага потенційно можна буде використовувати геномні моделі для створення кандидатів, адаптованих до конкретного бактеріального штаму, а потім перевіряти їх у лабораторії.

До цього сценарію ще далеко. Але нова робота показує, що проєктування функціональних бактеріофагів на рівні цілого геному за допомогою ШІ вже перестало бути лише теоретичною ідеєю.

Водночас технологія відкриває і складне питання біобезпеки. Якщо штучний інтелект може створювати функціональні вірусні геноми, необхідно паралельно розвивати системи контролю та безпеки, щоб такі інструменти використовувалися для лікування та захисту від інфекцій, а не створення небезпечних біологічних агентів.

Це дослідження не означає, що вже завтра лікарі отримають «фаг, створений ШІ, під конкретного пацієнта». Але воно демонструє надзвичайно важливий технологічний рубіж: штучний інтелект уперше допоміг спроєктувати цілі геноми бактеріофагів, частина з яких виявилася функціональною в лабораторії.

Для фаготерапії це може означати перехід від ери пошуку природних фагів до ери раціонального дизайну бактеріофагів.

І, можливо, саме тут штучний інтелект стане не конкурентом фаготерапії, а одним із найпотужніших інструментів її розвитку.