# ИИ-дизайн лекарств и приложения AlphaFold ИИ-дизайн лекарств — предсказание структур AlphaFold, генеративная химия и физико-ориентированный виртуальный скрининг — сжимающий этап «мишень → кандидат» с лет до месяцев. Source: https://bioecon.ru/technology/ai-drug-design-alphafold-applications/ Updated: 2026-08-18 ## Обзор и цепочка создания стоимости Маркеры: [EC: FDA AI/ML in Drug Development + EMA AI reflection paper | OECD: Bio-pharmaceuticals | Regulator: FDA (USA), EMA (EU), NMPA (China)] ИИ-дизайн лекарств переводит поиск хитов и лидеров из формата мокрых лабораторных проб и ошибок в точное in silico моделирование. Исторически один препарат создавался примерно за десятилетие и стоил несколько миллиардов долларов, при этом около 90% кандидатов проваливались в клинике по эффективности или токсичности; генеративный ИИ и глубокое обучение теперь сжимают фазу открытия с лет до месяцев и снижают стоимость ранней разработки ориентировочно на 70-80%. Поле определяют три столпа: структурное предсказание класса AlphaFold, дающее 3D-модели белков с атомной точностью, а с AlphaFold 3 — и комплексов белков с РНК, ДНК и лигандами; генеративная химия, где GAN, VAE и диффузионные модели конструируют de novo малые молекулы и антитела, оптимизированные по аффинности, растворимости, низкой токсичности и синтезируемости; и виртуальный скрининг миллиардных пространств (библиотеки класса Enamine REAL) с ранжированием физико-ориентированным возмущением свободной энергии (FEP). Лаборатория-в-цикле (lab-in-the-loop) роботизированных обратных связей дообучает модели. Пайплайн целиком регулируется FDA, EMA и NMPA в рамках таких документов, как руководство FDA AI/ML in Drug Development и рефлексивный документ EMA по ИИ. Шесть организаций в этой проекции охватывают структурное предсказание (Isomorphic Labs, EMBL-EBI), генеративные платформы (Insilico Medicine, Exscientia, Recursion) и физико-ориентированное моделирование (Schrodinger). Ключевые направления ИИ-дизайна лекарств: 1. **Структурное предсказание (AlphaFold 3):** 3D-структуры белков и их комплексов с лигандами/РНК/ДНК с атомной точностью для de novo моделирования мишеней. 2. **Генеративная химия:** GAN и диффузионные модели генерируют de novo молекулы с заданной аффинностью, ADMET-профилем и синтезируемостью. 3. **Миллиардный виртуальный скрининг + FEP:** ИИ отсеивает сверхкрупные библиотеки «synthesize-on-demand», а физико-ориентированный FEP ранжирует лидеров по аффинности. 4. **Lab-in-the-loop / активное обучение:** роботизированный феномический скрининг возвращает измерённую биологию для дообучения моделей. ### Отраслевая цепочка создания стоимости ``` [открытие мишени] ──> [генеративный дизайн] ──> [виртуальный скрининг] ──> [синтез CRO] │ (обратная связь «измерённая биология») │ ▼ [IND и испытания] <─── [in vitro валидация] <─────┘ ``` ### Уровни цепочки создания стоимости | Уровень | Описание | Ключевые входы/выходы | |:---|:---|:---| | **Открытие мишени** | поиск белка-мишени и предсказание его 3D-структуры | **Вход:** геномика, транскриптомика, последовательности. **Выход:** валидированная 3D-модель мишени. | | **Генеративный дизайн** | de novo генерация молекул под карман мишени | **Вход:** 3D-мишень, софт генеративной химии. **Выход:** библиотека SMILES. | | **Виртуальный скрининг** | ADMET- и FEP-фильтрация сгенерированных молекул | **Вход:** библиотека SMILES, ADMET-модели. **Выход:** 10-50 хитов. | | **Синтез (CRO)** | контрактный химический синтез хитов | **Вход:** структуры хитов, спецификации чистоты. **Выход:** молекулы-кандидаты. | | **In vitro валидация** | измерение аффинности связывания (SPR, IC50) | **Вход:** кандидаты, рекомбинантный белок. **Выход:** константы связывания. | | **IND и испытания** | доклиническая безопасность и подача IND | **Вход:** лид, данные токсикологии, досье. **Выход:** разрешение IND, I фаза. | Сквозные технологии сектора: - **alphafold:** предсказание 3D-структуры глубоким обучением (диффузионный модуль AlphaFold 3). - **generative-chemistry:** de novo генерация молекул через GAN/VAE/диффузию (Chemistry42). - **free-energy-perturbation:** физико-ориентированное ранжирование аффинности связывания (FEP+). --- ## США США лидируют по венчурному финансированию ИИ-фармы, разработке фундаментальных моделей и клинической трансляции ИИ-спроектированных молекул. ### альянсы AlphaFold, феномический скрининг, физическое моделирование, FDA - **Isomorphic Labs:** выделенная из Google DeepMind компания, коммерциализирующая AlphaFold 3; в мае 2026 года расширила альянсы по открытию лекарств с Eli Lilly и Novartis на сумму около 3 млрд долларов США. - **Recursion Pharmaceuticals:** управляет одним из крупнейших роботизированных феномических скрининговых центров для lab-in-the-loop (Recursion OS); в ноябре 2024 года объединилась с Exscientia, создав сквозную ИИ-компанию открытия. - **Schrodinger:** золотой стандарт физико-ориентированного софта FEP+, применяемого в Big Pharma для предсказания аффинности и оптимизации лидеров. - **FDA CDER AI/ML in Drug Development:** регуляторная рамка, по которой клирятся первые испытания на людях полностью ИИ-сгенерированных молекул. --- ## КНР Китай стремительно строит инфраструктуру ИИ-фармы вокруг исследовательских хабов Шанхая и Пекина, с входом ИТ-гигантов в биовычисления и знаковым ИИ-происхождением клинического актива. ### генеративная ИИ-фарма, ИТ-игроки, руководство NMPA - **Insilico Medicine (Шанхайский R&D):** платформа Pharma.AI / Chemistry42; её открытый с помощью генеративного ИИ ингибитор TNIK — ISM001-055 (рентосертиб) для идиопатического лёгочного фиброза — показал положительные результаты IIa фазы (опубликованы в Nature Medicine) и продвигается к pivotal-испытаниям, флагманский ИИ-актив. - **Tencent и Baidu:** FineRx от Tencent AI Lab (предсказание структуры белков и виртуальный скрининг) и биовычислительная платформа PaddleHelix от Baidu. - **Руководство NMPA и хабы Цинхуа:** национальное руководство по ИИ/ML в разработке лекарств и университетские ускорители de novo дизайна антител. --- ## ЕС Европейский союз лидирует в фундаментальной структурной биоинформатике, открытом AlphaFold-банке структур и оксфордской генеративной разработке. ### AlphaFold DB, оксфордский первопроходец, финансирование ЕС - **EMBL-EBI (Хинкстон, Великобритания):** совместно с Google DeepMind хостит AlphaFold Protein Structure Database, предоставляя покрытие структурами более 214 млн белковых последовательностей (открытый доступ); партнёрство с DeepMind продлено, а в 2026 году добавлены высоконадёжные предсказания гетеродимеров. - **Exscientia (Оксфорд, Великобритания):** платформа Centaur Chemist; в 2020 году первой вывела ИИ-спроектированное лекарство (DSP-1181) в клинические испытания на людях, а с ноября 2024 года работает в составе Recursion. - **BenevolentAI и Horizon Europe:** предиктивные платформы поиска мишеней для редких заболеваний при поддержке программ ЕС «ИИ в здравоохранении». --- ## Ведущие компании и исследовательские институты | Компания / Институт | Страна | Ключевые продукты / платформы | Технологические особенности | Status 2026 | |:---|:---|:---|:---|:---| | **Isomorphic Labs** | 🇬🇧 Великобритания | *Платформа AlphaFold 3* | предсказание комплексов белок/РНК/ДНК/лиганд | operating | | **Insilico Medicine** | 🇨🇳 КНР | *Pharma.AI (Chemistry42)* | ИИ-молекула ISM001-055 дошла до II фазы | operating | | **Exscientia** | 🇬🇧 Великобритания | *Centaur Chemist* | ИИ-дизайн малых молекул (теперь часть Recursion) | operating | | **Recursion Pharmaceuticals** | 🇺🇸 США | *Recursion OS* | роботизированный феномический скрининг + слияние с Exscientia | operating | | **EMBL-EBI** | 🇬🇧 Великобритания | *AlphaFold DB* | 214 млн+ предсказанных структур, открытый доступ | operating | | **Schrodinger** | 🇺🇸 США | *FEP+* | физико-ориентированное предсказание аффинности | commercial | --- ## Стек технологий и инновации Стек объединяет структурное предсказание, генеративную химию и физико- ориентированную термодинамику, замыкаемые lab-in-the-loop. 1. **Диффузионная архитектура AlphaFold 3:** - модуль Pairformer кодирует входные последовательности и строит попарное представление атомных связей, после чего диффузионный модуль за серию шагов денойзинга превращает случайное атомное облако в финальные 3D-координаты. - предсказывает комплексы белков с РНК, ДНК и лигандами с точностью, близкой к экспериментальной, обеспечивая de novo моделирование мишеней (Isomorphic Labs). 2. **Генеративная химия с обучением с подкреплением:** - генератор (GAN или диффузия) предлагает молекулу строкой SMILES, а ИИ-критики оценивают её по синтезируемости, растворимости, ADMET и мутагенности (тест Эймса). - цикл наград повторяется миллионы раз, пока молекула не удовлетворит ТЗ (Chemistry42 от Insilico). 3. **Физико-ориентированное возмущение свободной энергии (FEP):** - термодинамические циклы молекулярной динамики рассчитывают изменение свободной энергии связывания от химической правки (замены одной функциональной группы), предсказывая улучшение связывания с точностью около 1 ккал/моль. - FEP+ от Schrodinger заменяет дорогой препаративный синтез при оптимизации лидеров в Big Pharma. --- ## Цепочки создания стоимости и производственные конвейеры ### Промышленный конвейер ИИ-спроектированного ингибитора киназы (FDA/IND-enabling) ``` ┌───────────────────────────┐ ┌───────────────────────────┐ │ 1. Структура мишени │ ───> │ 2. Генеративный дизайн │ └───────────────────────────┘ └───────────────────────────┘ │ ▼ ┌───────────────────────────┐ ┌───────────────────────────┐ │ 4. Синтез CRO │ <─── │ 3. ADMET + FEP отбор хитов│ └───────────────────────────┘ └───────────────────────────┘ │ ▼ ┌───────────────────────────┐ ┌───────────────────────────┐ │ 5. Валидация IC50 (SPR) │ ───> │ 6. Подача IND и I фаза │ └───────────────────────────┘ └───────────────────────────┘ ``` #### Этап 1: Предсказание структуры мишени Последовательность мишени заболевания подаётся в AlphaFold 3 для построения атомной 3D-модели связывающего кармана, которая импортируется в LIMS открытия. #### Этап 2: Генеративный дизайн Генеративный химический движок (например, Chemistry42) конструирует библиотеку молекул-кандидатов, комплементарных форме кармана и блокирующих связывание субстрата. #### Этап 3: Отбор хитов по ADMET и FEP Предиктивные модели фильтруют библиотеку по растворимости, стабильности в гепатоцитах и селективности, а FEP ранжирует топ-молекулы по вычисленной аффинности в короткий список хитов. #### Этап 4: Синтез CRO Структуры выбранных хитов (SMILES) передаются контрактной химической организации для de novo синтеза с проверкой чистоты методом ЖХ-МС. #### Этап 5: Валидация IC50 (SPR) Кандидаты скринятся методом поверхностного плазмонного резонанса (SPR) против иммобилизованной мишени для измерения кинетики связывания и ранжирования подтверждённого лидера по IC50. #### Этап 6: Подача IND и I фаза Лидер масштабируется по регламенту cGMP, подтверждается доклиническая безопасность, и IND-досье подаётся в FDA для начала испытаний I фазы на людях.