В 2026 году компании Anthropic и Moderna привлекли внимание СМИ в контексте использования ИИ в разработке лекарств. Автор Чжоу Лэй поднимает вопрос о том, что именно стоит поощрять в этой сфере — алгоритмы, инфраструктуру или комплексные решения.
Anthropic с помощью модели Claude разработала 14 белковых связывающих агентов для клинических целей почти без участия человека. Данные экспериментов были опубликованы. Точность работы модели составила 22,6–35,1 % в целом, а для RBX1 достигла 40 % — для сравнения, у людей этот показатель равен 3,7 %. Все 1320 дизайнов белков были независимо проверены компаниями Twist Bioscience и Adaptyv Bio.
Успех Anthropic стал возможен благодаря значительным инженерным ресурсам, мощным базовым моделям и привлечению внешних лабораторий для масштабных экспериментов. Компания открыла исходные данные — prompt, модель и экспериментальные данные. Это позволяет снизить затраты на пробные ошибки в отрасли.
Лю Шэнчао, помощник профессора из Китайского университета Гонконга, называет такой подход «алгоритм 1.0»: он предполагает использование базовой модели и открытых инструментов для генерации последовательностей от целевой точки. По мнению Лю Шэнчао, такой алгоритм имеет низкий порог входа, быстро даёт результаты и подходит для стартапов, но может провоцировать следование трендам. Он также предполагает, что Anthropic может перейти к «алгоритму 2.0», а публикация результатов «алгоритма 1.0» может отвлекать конкурентов на уже менее защищённые подходы.
Новости от Anthropic оказали влияние на рынок: акции Twist Bioscience выросли на 22 %.
Не менее впечатляющие результаты продемонстрировала Moderna в партнёрстве с Merck. Они объявили, что персонализированная мРНК‑вакцина против рака intesmeran autogene достигла основной конечной точки в III фазе глобальных клинических испытаний при лечении высокорискового меланомы. У 1137 пациентов достигнуты целевые показатели безрецидивной выживаемости и выживаемости без отдалённых метастазов. Это первый успешный случай индивидуализированной новой противоопухолевой терапии в III фазе. В проекте важную роль сыграл ИИ, но ключевыми стали не новые алгоритмы, а интеграция трёх модулей: прогнозирования сворачивания белка, силы связывания и моделирования иммунного ответа, с последующим отбором наиболее эффективных антигенов. Акции Moderna за день выросли вдвое.
Чжан Цзи, главный архитектор Biopharma, отмечает, что интеграция ИИ в любую сферу даёт ускорение, но оно зависит от существующих процессов и накопленных данных, которые имеют смещённый характер. Успех Moderna подтверждает значимость её платформы mRNA, способности доставки LNP, системы массового производства, сети разработки клинических испытаний и регуляторного пути — ИИ здесь выступает как элемент кастомизации.
При этом AI в фармацевтике и AI for Science пока демонстрирует ограниченную обобщающую способность, справляясь лишь с узкими задачами. Например, ИИ хорошо показывает себя при проектировании последовательностей и прогнозировании статической структуры, но есть значительный потенциал для улучшения в сферах экспрессии, сворачивания, стабильности, иммуногенности, токсикологии и клинических испытаний.
Эксперимент Anthropic подтверждает эту тенденцию: Claude разработал 1320 белков, а Twist и Adaptyv проверили возможность связывания. Однако связывание — это только первый шаг: между binder и лекарственным средством много этапов, которые ИИ пока не может эффективно охватить.
Существуют и технические ограничения. ИИ пока слабо справляется с предсказанием динамических структур белков (например, коллагена) из‑за их гибкости и изменчивости во времени. Также отсутствует единая система оценки эффективности ИИ в биологических задачах — нет объективных бенчмарков, из‑за чего сложно понять сильные и слабые стороны технологий.
Инвесторы в биотехе призывают к осторожности в отношении «алгоритмической лихорадки». Они предпочитают компании с готовыми моделями и целостной цепочкой от разработки до выпуска препарата, а не только с алгоритмами. В эпоху открытых исходных кодов модель «только алгоритмы» рискованна — критически важны этапы верификации и реализации всей цепочки разработки.
Рынок проявляет высокий интерес к AI+биология: наблюдается FOMO‑эффект, инвесторы переключаются с традиционных бионаправлений на AI+биология, но часто не успевают войти в проекты из‑за быстрого темпа финансирования (примерно раз в два месяца).
Среди примеров финансирования таких проектов можно назвать EvolutionaryScale (привлечены средства при оценке около 13,5 млрд долларов, позже была куплена CZI), Isomorphic Labs (оценена в 2,5–3 млрд долларов, зависит от эксклюзивной лицензии Alphabet) и Xaira (получила 1 млрд долларов на посевной стадии). При этом Xaira представляет собой полномасштабную платформу с цепочкой разработки, а не просто модельную компанию.
Также стоит отметить, что подход Anthropic не является революцией «с нуля». Ранее были аналогичные работы — в 2022 году команда David Baker из Вашингтонского университета опубликовала работу в Nature; в 2023 году появились RFdiffusion и ProteinMPNN — основа большинства инструментов ИИ для дизайна белков. Проект ProteinDT и ChatDrug (команда Лю Шэнчао) в 2022 году доказал возможность использования базовых моделей для дизайна связывающих белков.
<<<CODE_BLOCK_N>>>
<<<IMG_N>>>
Подписаться в Макс
