Интерпретируемое машинное обучение объясняет ингибирование карбоангидразы через конфаральные и контрфактические предсказания

Почему важны более умные противораковые препараты

Противораковые препараты часто действуют как грубые инструменты: атакуя опухолевые клетки, они одновременно могут поражать здоровые ткани и вызывать серьёзные побочные эффекты. Один перспективный путь повысить прицельность — блокировать специфические варианты фермента карбоангидразы, который помогает опухолям выживать в условиях низкого содержания кислорода. Однако несколько изоформ этого фермента выглядят почти одинаково, что усложняет разработку препаратов, нацеленных на «вредные» варианты в опухоли, не затрагивая «полезную» изоформу, распространённую по всему организму. В этом исследовании показано, как интерпретируемое машинное обучение может помочь учёным преодолеть эту проблему и проектировать более селективные, безопасные кандидаты в лекарства.

Проблема попадания по неверной мишени

Человеческая карбоангидраза (hCA) существует в нескольких вариантах, или изоформах. Две из них, IX и XII, связаны с выживанием раковых клеток в опухолях с недостатком кислорода, поэтому их блокирование может замедлить развитие болезни и повысить эффективность лечения. Но изоформа II широко распространена в здоровых тканях и имеет активный центр, очень похожий на IX и XII. Препараты, которые связываются со всеми тремя изоформами, могут вызвать нежелательные последствия, такие как метаболический ацидоз и нарушения зрения. Традиционные лабораторные и вычислительные методы испытывают трудности, поскольку ферменты — большие и сложные молекулы, а количество возможных соединений, похожих на лекарства, астрономически велико. Полное тестирование всех вариантов, в лаборатории или на компьютере, просто неосуществимо.

Создание чистой и надёжной базы данных

Авторы приступили к делу с аккуратной очистки базы данных: они собрали тысячи молекул, протестированных против hCA II, IX и XII, из репозитория ChEMBL. Они стандартизировали химические структуры, удалили сомнительные измерения и сосредоточились на соединениях, содержащих общий для этого класса ингибиторов цинксвязывающий фрагмент. С помощью строжайших порогов молекулы пометили как явно активные или явно неактивные и отбросили пограничные случаи, которые могли бы запутать модели. Поскольку неактивных молекул было гораздо больше, данные сбалансировали, чтобы алгоритмы обучения не отдавали предпочтение классу большинства. Также применили разбиение по «каркасу» (scaffold), чтобы обучающая и тестовая выборки содержали разные основные молекулярные каркасы, что даёт более реалистичную оценку того, как модели справятся с по-настоящему новыми соединениями.

Простые модели превосходят глубокое обучение при ограниченных данных

Имея эту кураторскую выборку, команда сравнила широкий спектр подходов: от классических методов машинного обучения, таких как логистическая регрессия, случайные леса и опорные векторные машины (SVM), до современных глубоких нейросетей, включая графовые модели, работающие напрямую с молекулярными структурами. Их сопоставили с несколькими способами кодирования молекул — традиционными вручную составленными дескрипторами, ключевыми отпечатками и обучаемыми встраиваниями из модели «химического языка». По всем трем изоформам и при строгой оценке с разделением по каркасу устойчиво выделялось одно сочетание: SVM, принимающая на вход расширенные коннектомные отпечатки (extended-connectivity fingerprints) — структурированное описание локальной химической среды в молекуле. Удивительно, но эта относительно простая схема превзошла более модные графовые и глубокие модели, подчёркивая, что качество данных, тщательная валидация и хорошие молекулярные дескрипторы могут иметь большее значение, чем алгоритмическая сложность, когда объёмы данных умеренные.

Добавление надёжной уверенности и удобных для человека объяснений

Затем исследователи окружили лучшую SVM двумя дополнительными слоями, призванными сделать её предсказания более применимыми в реальной разработке лекарств. Сначала они применили подход под названием конформальная предсказательная модель (conformal prediction), который не просто выдаёт одиночный ответ «да» или «нет», а предоставляет диапазон вероятных исходов с гарантированной скоростью ошибок. Это позволяет учёным регулировать степень осторожности модели и выявлять случаи, когда модель действительно не уверена. Во-вторых, использовали контрфактические объяснения, чтобы сделать рассуждения модели более интуитивными. Для данной молекулы они генерировали близкие аналоги, которые меняют предсказание с активного на неактивное или наоборот. Анализ таких пар для клинического кандидата SLC-0111, который селективно блокирует IX и XII, но не II, независимо подтвердил важный вывод в медицинской химии: небольшие изменения в «хвостовой» части молекулы сильно меняют её предпочтительную изоформную селективность.

От алгоритмов к практическим инструментам для проектирования лекарств

Чтобы сделать подход доступным, авторы упаковали три модели SVM, слой неопределённости и механизм контрфактических объяснений в графический инструмент под названием CAInsight. Пользователь может ввести текстовое представление молекулы и одним кликом получить предсказанную активность против hCA II, IX и XII, оценку надёжности каждого предсказания и предложенные структурные правки, которые могут повысить или снизить активность. Хотя модели ориентированы на классификацию молекул как активных или неактивных, а не на одномоментное предсказание точной мощности или селективности, они уже воспроизводят известное поведение реальных кандидатных препаратов и различают тонкие структурные изменения. Авторы отмечают, что большие и более однородные наборы данных, а также более глубокий анализ выбора порогов активности могли бы ещё больше повысить качество работы.

Что это значит для будущих противораковых лекарств

Проще говоря, эта работа показывает, что тщательно построенные и хорошо объясняемые модели машинного обучения могут помочь химикам проектировать противораковые препараты, лучше различающие похожие мишени-ферменты. Комбинируя надёжную статистику, оценки неопределённости и интуитивные «а что если» примеры, фреймворк не только предсказывает, какие молекулы, вероятно, сработают, но и подсказывает, почему. Такой прозрачный искусственный интеллект может ускорить виртуальный скрининг, поддержать генеративное проектирование новых соединений и снизить долю проб и ошибок в лаборатории, в конечном счёте способствуя созданию более селективных и безопасных методов лечения для пациентов.

Цитирование: Ghamsary, M.S., Rayka, M. & Naghavi, S.S. Interpretable machine learning rationalizes carbonic anhydrase inhibition via conformal and counterfactual prediction. Sci Rep 16, 8419 (2026). https://doi.org/10.1038/s41598-026-39771-2

Ключевые слова: ингибиторы карбоангидразы, интерпретируемое машинное обучение, селективность лекарств, конформальная предсказательная модель, контрфактические объяснения