Разговоры о том, что искусственный интеллект скоро перевернёт фармацевтику, идут уже несколько лет. После успеха AlphaFold казалось, что осталось совсем немного: научить машину находить нужные молекулы — и лекарства начнут появляться почти автоматически. Реальность, как это часто бывает в биологии, оказалась сложнее.
На этой неделе внимание отрасли вновь привлекла компания Isomorphic Labs, созданная на базе Google DeepMind. Она представила новые результаты работы своей системы IsoDDE (Isomorphic Drug Design Engine), предназначенной для поиска перспективных лекарственных мишеней и прогнозирования взаимодействия молекул с белками. Для рынка это не просто очередная публикация. В мае 2026 года компания привлекла $2,1 млрд инвестиций, а ранее заключила многомиллиардные соглашения с фармацевтическими гигантами Novartis и Eli Lilly.
В основе подхода лежит развитие идей AlphaFold — технологии, которая научилась предсказывать пространственную структуру белков по их аминокислотной последовательности. За эту работу Демис Хассабис и Джон Джампер получили Нобелевскую премию по химии в 2024 году. Однако форма белка — лишь начало истории.
Создать лекарство значительно сложнее, чем определить геометрию молекулы. Белки постоянно взаимодействуют друг с другом, с ДНК, РНК и множеством других веществ. Потенциальный препарат должен не просто найти нужную мишень, но и надёжно закрепиться на ней, изменить её работу в нужную сторону и при этом не вызвать опасных побочных эффектов.
Именно здесь Isomorphic Labs пытается сделать следующий шаг. IsoDDE умеет не только предсказывать структуру комплексов белков и молекул, но и искать так называемые участки связывания — своеобразные «карманы» на поверхности белков, куда может попасть лекарственная молекула.
Особый интерес представляют скрытые участки связывания. Это своеобразные двери, которые в обычном состоянии кажутся запертыми. Белок выглядит неприступным, но при контакте с определённой молекулой меняет форму и открывает ранее незаметную область. Для фармацевтики такие находки имеют огромную ценность: многие белки десятилетиями считались важными для развития заболеваний, но оставались практически недоступными для лекарственного воздействия.
Одним из ключевых примеров стал белок цереблон. В начале 2026 года исследователи описали новый скрытый участок на его поверхности. По данным Isomorphic Labs, система IsoDDE смогла обнаружить этот участок, имея лишь последовательность аминокислот белка, а затем корректно смоделировала взаимодействие с двумя различными молекулами.
На первый взгляд новость выглядит сугубо научной. Но за ней скрывается более важная тенденция. В последние годы ИИ постепенно меняет роль человека в исследовательском процессе. Если раньше компьютер был инструментом расчётов, то теперь он всё чаще выступает генератором гипотез. Учёные начинают не с лабораторного эксперимента, а с предложения, которое сделала модель.
Это любопытный психологический сдвиг. Ещё недавно биологи относились к подобным прогнозам с осторожностью. Сегодня многие лаборатории воспринимают рекомендации ИИ как полноценную рабочую подсказку. В некоторых случаях машина уже определяет направление поиска быстрее, чем исследователь способен сформулировать собственную гипотезу.
Но именно здесь рождается и главный риск завышенных ожиданий. Медиа любят рассказывать о том, как ИИ «создаёт лекарства», однако между красивой компьютерной моделью и реальным препаратом лежит пропасть длиной в годы работы и миллиарды долларов затрат. Найденная молекула должна пройти синтез, испытания на клетках и животных, многочисленные проверки безопасности, а затем несколько стадий клинических исследований.
История фармацевтики знает множество случаев, когда многообещающие кандидаты терпели неудачу уже на поздних этапах разработки. Биология остаётся одной из самых сложных систем, с которыми сталкивается человечество. И никакая нейросеть пока не способна полностью заменить этот путь.
Поэтому главный вопрос сегодня звучит не «сможет ли ИИ придумать лекарство», а «сможет ли он повысить вероятность успеха». Если Isomorphic Labs удастся довести свои прогнозы до реальных клинических результатов, отрасль получит гораздо более важное доказательство, чем очередную демонстрацию возможностей модели.
Первые испытания препаратов компании на людях ожидаются уже к концу 2026 года. Именно тогда станет понятно, где заканчивается впечатляющая компьютерная биология и начинается настоящая медицинская практика.
#ИИ #ИскусственныйИнтеллект #AlphaFold #IsomorphicLabs #GoogleDeepMind #Фармацевтика #Лекарства #Биотехнологии #Медицина #Наука #РазработкаЛекарств #Биология #Химия #МолекулярнаяБиология #Инновации
