Коннор Коули из MIT применяет ИИ для проектирования малых молекул и предсказания путей их синтеза

Коннор Коули, доцент с перекрёстными назначениями в MIT, использует методы искусственного интеллекта для проектирования малых молекул и предсказания маршрутов их синтеза — подход, который помогает ускорить отбор кандидатов для лекарств и делает разработку более прагматичной. Это важно, потому что классический экспериментальный перебор не покрывает астрономические объёмы возможных соединений; модели Коули направляют внимание учёных на реально достижимые и синтезируемые структуры. В своей лаборатории исследовательская группа создаёт вычислительные модели, которые систематически перебирают и оценивают огромные множества потенциальных химических соединений — пространство кандидатов, которое исследователи оценивают в диапазоне от 10^20 до 10^60 возможных молекул. Модели помогают не только предлагать новые структуры, но и планировать последовательности реакций, по которым эти структуры могли бы быть получены в лаборатории.

Коули занимает должность Class of 1957 Career Development Associate Professor, PhD ’19, с перекрёстными назначениями в кафедрах химической инженерии и электротехники и информатики, а также в Schwarzman College of Computing. Его научная работа сочетает методы машинного обучения и хемоинформатику: алгоритмы прогнозируют реакционные пути, а команда параллельно разрабатывала специализированное оборудование для автоматизированного выполнения реакций. Проблема, которую решают эти подходы, — физическая невозможность экспериментально исследовать вручную астрономическое число потенциальных соединений. В ответ команда применяет ИИ для приоритизации кандидатов и проектирования синтетических маршрутов, что позволяет исследователям быстрее отбирать реалистичные цели для лабораторной проверки. Ранние усилия команды реализовывались в рамках финансируемой DARPA программы Make‑It, направленной на улучшение синтеза лекарственных соединений из простых строительных блоков.

Практическая ценность методов состоит в том, что модели подсказывают не только перспективные структуры, но и конкретные реакции и последовательности шагов, которые способны их сгенерировать на практике; интеграция с автоматизированным оборудованием даёт возможность оперативно переводить вычислительные прогнозы в экспериментальные тесты и итеративно улучшать модели на основе данных реальных опытов. Личная биография Коули подчёркивает междисциплинарность его подхода: он вырос в семье учёных, закончил школу в 16 лет и получил образование в Caltech по химической инженерии, где также работал с программированием в области структурной биологии. Эти параллельные навыки химии и вычислений стали основой для последующей работы с данными и алгоритмами.

Коули начал PhD в MIT в 2014 году под руководством Klavs Jensen и William Green и получил степень в 2019 году (PhD ’19). Хотя он принял предложение о профессорской позиции в MIT в 25 лет, он отложил начало работы на год ради постдока в Broad Institute, где его группа работала с DNA‑encoded libraries для выделения малых молекул, способных связываться с мутированными белками.