Amazon presentó el servicio Amazon Bio Discovery para acelerar el descubrimiento temprano de fármacos

AWS запустила Amazon Bio Discovery — новую AI-платформу для раннего этапа разработки лекарств. Сервис должен сократить путь от научной гипотезы до списка молекул, готовых к лабораторной проверке, и убрать часть ручной работы между вычислительной биологией и «мокрой» лабораторией.

Как устроен сервис Amazon Web Services объявила о запуске Amazon Bio Discovery 14 апреля 2026 года.

Платформа рассчитана на фарму и биотех, которые ищут кандидатов для новых препаратов, и особенно делает ставку на задачи, связанные с антителами. Вместо того чтобы разворачивать отдельные модели, пайплайны и инфраструктуру вручную, исследователи получают готовую среду, где можно запускать вычислительные эксперименты, сравнивать результаты и готовить кандидатов к следующему этапу проверки. Ключевая идея сервиса — lab-in-the-loop-подход, где вычислительный дизайн не отделён от реальных лабораторных тестов. Сначала ученые формулируют исследовательскую цель и загружают структуру мишени, затем AI-агенты помогают подобрать нужные модели, параметры и критерии отбора. После этого система генерирует и ранжирует молекулы по вероятности связывания, структурной уверенности и другим характеристикам. Лучшие кандидаты можно отправить лабораторным партнёрам на синтез и тесты, а полученные результаты возвращаются обратно в платформу для анализа и следующей итерации.

Что внутри платформы

По описанию AWS, Amazon Bio Discovery собирает в одном интерфейсе те этапы, которые в реальных R&D-командах обычно разнесены между несколькими сервисами, скриптами и специалистами. Идея в том, чтобы биологу или исследовательской группе не приходилось каждый раз отдельно искать нужную модель, настраивать окружение, собирать пайплайн и вручную переносить результаты между вычислительной частью и лабораторией. каталог из более чем 40 специализированных AI-моделей для задач раннего поиска лекарств AI-агенты для выбора моделей, настройки эксперимента и оценки кандидатов конструктор многошаговых пайплайнов, куда можно подключать и собственные модели компании интеграцию с лабораторными партнёрами для синтеза и биологических тестов * автоматический возврат экспериментальных данных в систему для дообучения и уточнения прогнозов AWS делает ставку не только на скорость, но и на то, чтобы такими инструментами могли пользоваться не только вычислительные биологи.

Компания прямо указывает на типичную проблему рынка: новые биологические AI-модели появляются слишком быстро, а специалисты, которые умеют их внедрять и поддерживать, становятся узким местом. Для лабораторных ученых это оборачивается медленным доступом к экспериментам, которые можно было бы запускать намного раньше.

Первые результаты и клиенты Самый заметный кейс на запуске — Memorial Sloan Kettering Cancer Center.

Центр использовал Amazon Bio Discovery для ускорения разработки антител против детских онкологических заболеваний. По данным AWS, с помощью AI-агентов исследователи спроектировали почти 300 тысяч новых молекул антител и отправили на тестирование 100 тысяч лучших кандидатов. Процесс, который при традиционном подходе может занимать до года, в этом сценарии сократился до нескольких недель.

«Amazon Bio Discovery даёт удобное решение для применения новых AI-моделей при проектировании и оценке новых молекул».

Среди ранних пользователей AWS также называет Bayer, Broad Institute и Voyager Therapeutics. Отдельный акцент сделан на корпоративной безопасности: проприетарные данные и дообученные модели клиентов изолируются внутри их среды, а сами данные, по заявлению AWS, не используются для обучения хостируемых моделей. Для фармы это одно из ключевых условий, потому что без защиты данных и интеллектуальной собственности перенос чувствительных R&D-процессов в облачную платформу обычно тормозится не хуже, чем из-за нехватки вычислительных ресурсов.

Что это значит

Amazon пытается занять более заметное место не только как облачный провайдер для фармы, но и как прикладной игрок в AI-разработке лекарств. Если платформа действительно сократит время между вычислительным дизайном и лабораторной валидацией, у биотех-команд появится шанс быстрее проверять гипотезы, а у AWS — закрепиться в одном из самых дорогих и конкурентных сегментов AI-рынка.