Ускорение исследований в области наук о жизни22.08.2025 08:30

В OpenAI мы верим, что искусственный интеллект способен существенно ускорить инновации в области наук о жизни. Чтобы проверить это убеждение, мы начали сотрудничество с командой прикладного ИИ в Retro Bio⁠ — биотехнологическом стартапе, занимающемся вопросами долголетия, — с целью создания и исследования влияния GPT‑4b micro, миниатюрной версии GPT‑4o, специализированной для белковой инженерии.

Мы рады сообщить, что нам удалось успешно задействовать GPT‑4b micro для разработки новых и значительно улучшенных вариантов факторов Яманаки — набора белков, удостоенных Нобелевской премии за их роль в получении индуцированных плюрипотентных стволовых клеток (иПСК) и омоложении клеток. Они также использовались для разработки терапевтических средств для борьбы со слепотой⁠, обращения вспять диабета⁠, лечения бесплодия⁠ и решения проблемы дефицита органов⁠. 

In vitro эти редизайненные белки продемонстрировали более чем 50-кратное увеличение экспрессии маркеров репрограммирования стволовых клеток по сравнению с контрольными образцами дикого типа. Они также показали расширенные возможности восстановления повреждений ДНК, что указывает на более высокий потенциал омоложения по сравнению с исходным уровнем. Это открытие, сделанное в начале 2025 года, теперь подтверждено путем репликации на различных донорах, типах клеток и методах доставки, с подтверждением полной плюрипотентности и геномной стабильности в полученных линиях иПСК. Чтобы результаты были доступны и воспроизводимы на благо индустрии наук о жизни, мы делимся информацией об исследованиях и разработке GPT‑4b micro.

Чтобы проверить наше предположение о том, что ИИ может быть использован для ускорения исследований в области наук о жизни, мы разработали и обучили кастомную модель — GPT‑4b micro, обладающую широкой базой знаний и навыков в биологии, с особым акцентом на управляемость и гибкость для реализации продвинутых сценариев использования, таких как белковая инженерия. Мы инициализировали ее на базе уменьшенной версии GPT‑4o, чтобы задействовать уже имеющиеся у моделей GPT знания, а затем дообучили на датасете, состоящем преимущественно из белковых последовательностей, а также биологических текстов и токенизированных данных 3D-структур — элементов, которые большинство языковых моделей белков опускают.

Значительная часть данных была обогащена дополнительной контекстной информацией о белках в виде текстовых описаний, коэволюционирующих гомологичных последовательностей и групп белков, способных к взаимодействию. Этот контекст позволяет отправлять модели GPT‑4b micro промпты на генерацию последовательностей с конкретными желаемыми свойствами, и поскольку большая часть данных не имеет структуры, модель одинаково хорошо работает как с упорядоченными (структурированными) белками, так и с белками, содержащими внутренне неупорядоченные участки. Это особенно полезно для таких мишеней, как факторы Яманаки, активность которых зависит от формирования многочисленных кратковременных взаимодействий с самыми разными партнерами по связыванию, а не от принятия единой стабильной структуры (Рисунок 2).

Обучая модель на белках, обогащенных дополнительным эволюционным и функциональным контекстом, мы существенно увеличили эффективную длину контекста в наших обучающих примерах по сравнению с изолированными последовательностями. В результате мы выяснили, что можем использовать запросы размером до 64 000 токенов на этапе инференса и продолжать наблюдать прирост управляемости и качества генерации. Хотя для текстовых LLM это обычное дело, такой объем контекста беспрецедентен для моделей белковых последовательностей.

В процессе разработки мы наблюдали проявление законов масштабирования, аналогичных тем, что наблюдаются в языковых моделях: более крупные модели, обученные на больших датасетах, демонстрировали предсказуемое улучшение показателей перплексии и на бенчмарках белков, что позволяло нам проводить итерации в небольших масштабах перед обучением финальной модели GPT‑4b micro. Тем не менее, ин силико оценки для ИИ-моделей в сфере белков часто имеют ограниченную ценность, поскольку неясно, трансформируются ли такие улучшения в реальную пользу. Чтобы продемонстрировать, что модель способна ускорить разработку терапевтических средств, мы работали со специалистами Retro, которые использовали ее для реинжиниринга белков, имеющих отношение к их исследовательской программе по репрограммированию клеток.

Факторы Яманаки — OCT4, SOX2, KLF4 и MYC (OSKM) — являются одними из важнейших белков в современной регенеративной биологии. Они названы в честь Синъи Яманаки, который открыл их способность репрограммировать зрелые клетки в плюрипотентные стволовые клетки — прорыв, принесший ему Нобелевскую премию по физиологии и медицине в 2012 году. К сожалению, они страдают низкой эффективностью: обычно преобразуется менее 0,1% клеток в ходе обработки, а сам процесс может занимать три недели или дольше. Эффективность падает еще сильнее на клетках от пожилых или больных доноров⁠, поэтому поиск более эффективных вариантов остается активной и важной научной задачей.

Прямая оптимизация белковых последовательностей представляет собой сложную задачу. SOX2 содержит 317 аминокислот, а KLF4 — 513; количество возможных вариантов исчисляется порядком 10^1000, поэтому традиционные скрининги методом «направленной эволюции», мутирующие несколько остатков за раз, способны исследовать лишь ничтожно малую часть пространства дизайнов. В ходе ведущего академического исследования⁠⁠ были протестированы несколько тысяч мутантов SOX2 и обнаружена горстка тройных мутантов с умеренным улучшением, в то время как 15 лет работы над химерными белками SOX⁠⁠ позволили получить варианты, отличающиеся от природных компонентов SOX всего на пять остатков.

Команда Retro создала платформу скрининга в мокрой лаборатории (wet lab) с использованием клеток фибробластов человека (кожи и соединительной ткани), первоначально проверив ее на базовых вариантах OSKM и SOX2, вручную разработанных учеными Retro в рамках пилотного скрининга (Рисунок 3). Затем они попросили GPT‑4b micro предложить разнообразный набор последовательностей «RetroSOX». Более 30% предложений модели в ходе скрининга превзошли SOX2 дикого типа по экспрессии ключевых маркеров плюрипотентности, несмотря на то, что в среднем они отличались более чем на 100 аминокислот. Для сравнения, при традиционных скринингах⁠ типичный процент успешных находок (хит-рейт) составляет менее 10%.

Затем команда приступила к реинжинирингу KLF4 — самого крупного из факторов Яманаки. Известно, что KLF4 можно заменить другими факторами семейства KLF⁠, однако это не приводит к увеличению эффективности репрограммирования. Прошлые попытки улучшить KLF4 посредством направленных экспертами замен одиночных аминокислот⁠ дали лишь один успешный результат из 19. Как и в случае с RetroSOX, мы попросили модель сгенерировать набор улучшенных вариантов RetroKLF. В целом, 14 сгенерированных моделью вариантов превзошли лучшие коктейли из скрининга RetroSOX — хит-рейт составил почти 50% (Рисунок 4).

Комбинация лучших вариантов RetroSOX и RetroKLF привела к наибольшему приросту. В ходе трех независимых экспериментов фибробласты продемонстрировали резкий рост как ранних (SSEA-4), так и поздних (TRA-1–60, NANOG) маркеров, причем поздние маркеры появлялись на несколько дней раньше, чем при использовании коктейля OSKM дикого типа (Рисунок 5).

Кроме того, варианты RetroSOX и RetroKLF были подтверждены окрашиванием на щелочную фосфатазу (ЩФ) на 10-й день, что подтвердило: колонии не только экспрессируют маркеры плюрипотентности поздних стадий, но и демонстрируют высокую активность ЩФ, характерную для плюрипотентности (Рисунок 6).

Чтобы дополнительно подтвердить улучшенную эффективность перепрограммирования и изучить клинический потенциал, мы протестировали другой метод доставки (мРНК вместо вирусных векторов) и другой тип клеток — мезенхимальные стромальные клетки (МСК), полученные от трех доноров среднего возраста (старше 50 лет). Всего через 7 дней более 30% клеток начали экспрессировать ключевые маркеры плюрипотентности (SSEA4 и TRA-1–60), а к 12-му дню появились многочисленные колонии с морфологией, схожей с типичными иПСК (рисунок 7, слева и в центре). Более 85% этих клеток активировали эндогенную экспрессию важнейших маркеров стволовых клеток, включая OCT4, NANOG, SOX2 и TRA-1–60.

Затем мы убедились, что эти иПСК, полученные с помощью RetroFactor, способны успешно дифференцироваться во все три основных зародышевых листка (эндодерму, эктодерму и мезодерму). Кроме того, мы размножили несколько моноклональных линий иПСК в ходе нескольких пассажей, подтвердив нормальный кариотип (рисунок 7, справа) и геномную стабильность, пригодную для клеточной терапии. Эти результаты стабильно превосходили показатели стандартных линий иПСК, полученных контрактными исследовательскими организациями с использованием стандартных факторов, что дополнительно подтверждает надежность наших разработанных вариантов. Более того, они служат доказательством повышенной эффективности генерации иПСК при использовании различных методов доставки и типов клеток.

В совокупности высокая доля успешных попаданий, глубокие изменения в последовательностях, ускоренное появление маркеров и формирование колоний, положительных по щелочной фосфатазе (ЩФ+), служат ранним свидетельством того, что дизайн белка на основе искусственного интеллекта может существенно ускорить прогресс в исследованиях по перепрограммированию стволовых клеток.

Вдохновленные этими результатами, мы затем исследовали потенциал омоложения наших модифицированных вариантов, в частности изучив их способность возвращать юношеские характеристики стареющим клеткам. Мы сосредоточились на повреждениях ДНК, которые вызывают нарушение клеточных функций и являются каноническим признаком старения⁠. Более ранние работы⁠ показали, что факторы Яманаки могут стирать маркеры старения, связанные с повреждением ДНК, в клетках, полученных от мышей, не возвращая их полностью к исходному клеточному фенотипу. Мы стремились выяснить, обладают ли наши варианты повышенной способностью к омоложению по сравнению с исходным набором OSKM.

В нашем анализе повреждений ДНК клетки, обработанные коктейлем RetroSOX/KLF, демонстрировали заметно меньшую интенсивность сигнала γ‑H2AX (маркера двунитевых разрывов), чем клетки, перепрограммированные стандартным набором OSKM или флуоресцентным контролем (рисунок 8).

Эти результаты позволяют предположить, что коктейль RetroSOX/KLF устраняет повреждения ДНК эффективнее, чем оригинальные факторы Яманаки. Устраняя один из ключевых признаков клеточного старения, созданные варианты открывают потенциальный путь к улучшению омоложения клеток и их применению в будущих методах терапии.

Для OpenAI эта работа является иллюстрацией того, как быстро специализированная модель способна принести прорывные результаты в конкретной научной проблеме. «Когда исследователи привносят глубокие предметные знания в наши инструменты на базе языковых моделей, проблемы, на решение которых раньше уходили годы, могут решаться за считанные дни», — говорит Борис Пауэр, руководящий направлением исследовательских партнерств в OpenAI. — «Мы с нетерпением ждем возможности увидеть, какие еще достижения появятся по мере того, как все больше команд будут объединять свою экспертизу с создаваемыми нами моделями».