Isomorphic Labs создает ИИ-движок нового поколения для дизайна лекарств

Isomorphic Labs, дочерняя компания Google DeepMind, объявила о создании специализированного ИИ-движка для разработки лекарственных препаратов — системы, которую эксперты уже сравнивают с тем, чем стал AlphaFold для структурной биологии. Новый инструмент позиционируется как проприетарная разработка уровня AlphaFold 4, однако заточенная не под предсказание структур белков, а под поиск и оптимизацию терапевтических молекул. Если обещания компании подтвердятся на практике, фармацевтическая индустрия стоит перед одним из самых значимых технологических сдвигов за последние десятилетия.

Чтобы понять масштаб события, нужно вспомнить, где именно в процессе создания лекарства сосредоточен главный риск. Путь от обнаружения биологической мишени до регистрации препарата занимает в среднем 10–15 лет и обходится в миллиарды долларов. Самый непредсказуемый этап — ранняя разработка: момент, когда учёные пытаются найти молекулу, которая точно свяжется с нужным белком, не нанесёт вреда остальному организму и при этом сохранит активность в реальных биологических условиях. Именно здесь разбиваются большинство надежд и уходят колоссальные ресурсы. Новый движок Isomorphic Labs нацелен прямо в это узкое место.

В основе технологии лежит моделирование взаимодействий между белками и лигандами — небольшими молекулами, способными присоединяться к белку и изменять его поведение. Именно лиганды становятся основой большинства современных препаратов. Проблема в том, что предсказать, как конкретная молекула будет вести себя в связке с конкретным белком, невероятно сложно: речь идёт о динамических трёхмерных структурах с тысячами возможных конфигураций. Традиционные методы — физические симуляции и лабораторный скрининг — требуют месяцев работы даже для относительно небольших библиотек соединений. Новая система Isomorphic Labs, по имеющимся данным, способна выполнять эту работу с беспрецедентной точностью и на несколько порядков быстрее.

Связь с наследием AlphaFold здесь не случайна и не метафорична. AlphaFold 2, представленный в 2020 году, решил задачу, над которой биология билась полвека: предсказание трёхмерной структуры белка по его аминокислотной последовательности. Это открыло путь к пониманию миллионов белков, структура которых прежде оставалась неизвестной. Новый движок Isomorphic Labs делает следующий логичный шаг: зная структуру белка-мишени, система учится не просто её описывать, а активно искать молекулы, способные с ней взаимодействовать нужным образом. По сути, это переход от картографирования молекулярного мира к его целенаправленному конструированию.

Для фармацевтической индустрии последствия могут оказаться весьма ощутимыми. Крупные игроки — Eli Lilly, Novartis, Roche — уже вложили значительные средства в партнёрства с компаниями, использующими ИИ для ускорения разработки. Isomorphic Labs, в свою очередь, в 2023 году заключила контракты с несколькими фармацевтическими гигантами на общую сумму, превышающую миллиард долларов. Новый движок должен стать технологическим фундаментом для этих партнёрств, превращая абстрактные обещания ИИ-фармацевтики в конкретные молекулы-кандидаты. Показательно и то, что компания намеренно сохраняет технологию в статусе проприетарной — в отличие от AlphaFold, который был открыт научному сообществу. Это сигнал о том, что DeepMind видит в данном инструменте реальное коммерческое оружие, а не академический вклад.

Вместе с тем у экспертного сообщества остаются вопросы. Разрыв между лабораторными показателями ИИ-систем и их реальной эффективностью в клинических испытаниях по-прежнему велик. История фармацевтики знает немало случаев, когда многообещающие молекулы-кандидаты проваливались на поздних стадиях из-за непредвиденных побочных эффектов или недостаточной биодоступности. Насколько новый движок умеет учитывать всю эту биологическую сложность — вопрос, ответ на который даст только практика.

Тем не менее само направление движения не вызывает сомнений. Isomorphic Labs делает ставку на то, что фармацевтика будущего — это прежде всего вычислительная задача, и что правильно обученная нейронная сеть способна обнаруживать паттерны в молекулярных взаимодействиях там, где человеческая интуиция давно зашла в тупик. Если новый движок действительно сокращает цикл разработки хотя бы вдвое, экономический и гуманитарный эффект окажется колоссальным: десятки болезней, для которых сегодня нет эффективных препаратов, могут получить лечение значительно раньше, чем предполагают нынешние прогнозы.