ИИ-платформы дизайна и инжиниринга штаммов

01Обзор и цепочка создания стоимости#

Markers EC: AI-native protein/strain design & autonomous lab platforms | OECD: Bioeconomy policy & governance | Regulator: none dedicated

ИИ-платформы дизайна и инжиниринга штаммов — это категория B2B-услуг, предоставляющая ИИ-нативное программное обеспечение, вычислительно проектирующее микробные штаммы, белки и антитела, отличное от традиционной модели контрактной научно-исследовательской организации мокрой лаборатории для инжиниринга штаммов. Ginkgo Bioworks запустила в 2026 году Ginkgo Cloud Lab — браузерный интерфейс, позволяющий исследователям напрямую запускать биологические протоколы на её автономной лабораторной инфраструктуре, переводя рабочий процесс в доступную из облака автоматизацию. Absci управляет платформой Origin-1, генеративной ИИ-платформой для дизайна антител de novo против новых эпитопов, и сотрудничала с Twist Bioscience, чтобы объединить свою генеративную ИИ-платформу создания лекарств с синтезом ДНК для ускорения дизайна новых терапевтических антител. Cradle управляет ИИ-платформой дизайна белков, а её модель CRADLE-1 выполняет автоматизированную оптимизацию лидов белков как следующий шаг после генерации de novo. LabGenius управляет замкнутой платформой открытий, построенной вокруг её платформы EVA, раскрывающей высокоэффективные молекулы с неинтуитивными дизайнами среди строительных блоков связывающих доменов, линкеров и доменов продления периода полураспада. EvolutionaryScale разрабатывает семейство языковых моделей белков ESM (Evolutionary Scale Modeling), открытых с открытым исходным кодом и широко принятых, с тысячами звёзд на GitHub, отражающими широкое распространение среди разработчиков и исследователей.

Ключевые направления ИИ-платформ дизайна и инжиниринга штаммов:

1. Генеративные модели дизайна белков: ИИ-модели, генерирующие новые структуры белков и антител de novo против заданных мишеней или эпитопов, вместо скрининга природных вариантов.
2. Автономная лабораторная инфраструктура: доступная из облака роботизированная лабораторная инфраструктура, позволяющая исследователям удалённо запускать биологические протоколы через программный интерфейс.
3. Замкнутые платформы «дизайн-построение-тестирование-обучение»: интегрированные платформы, где сгенерированные ИИ дизайны автоматически строятся, тестируются, а результаты передаются обратно для улучшения следующего цикла дизайна.
4. Языковые модели белков: крупномасштабные модели, обученные на данных о последовательностях/структурах белков, обеспечивающие фундаментальный слой для нижестоящих инструментов генеративного дизайна и оптимизации лидов.

Отраслевая цепочка создания стоимости#

[Спецификация мишени/эпитопа] ──> [ИИ-генерируемый дизайн кандидата] ──> [Автоматизированное построение/синтез]
                                                                        │
                                                              (Замкнутое тестирование)
                                                                        │
              [Отбор лидирующего кандидата] <──── [Обратная связь данных модели] <─── [Функциональный/связывающий анализ]

Уровни цепочки создания стоимости#

Сквозные технологии сектора:

• Генеративные модели дизайна белков: ИИ-модели, генерирующие новые структуры белков и антител de novo против заданной мишени или эпитопа.
• Автономная лабораторная инфраструктура: доступная из облака роботизированная лабораторная инфраструктура, позволяющая исследователям удалённо запускать биологические протоколы через программный интерфейс.
• Замкнутый цикл «дизайн-построение-тестирование-обучение»: интегрированные платформы, где сгенерированные ИИ дизайны автоматически строятся, тестируются, а результаты передаются обратно для улучшения последующих циклов дизайна.

02США#

США — ведущие ИИ-нативные платформы дизайна штаммов, белков и антител, охватывающие облачную лабораторную инфраструктуру, генеративный дизайн лекарств и открытые языковые модели белков.

Cloud Lab компании Ginkgo Bioworks, дизайн антител Origin-1 компании Absci, модели ESM компании EvolutionaryScale#

• Ginkgo Bioworks: запустила в 2026 году Ginkgo Cloud Lab — браузерный интерфейс, позволяющий исследователям напрямую запускать биологические протоколы на её автономной лабораторной инфраструктуре, переводя рабочий процесс в доступную из облака автоматизацию.
• Absci: управляет платформой Origin-1, генеративной ИИ-платформой для дизайна антител de novo против новых эпитопов, и сотрудничала с Twist Bioscience, чтобы объединить генеративный ИИ создания лекарств с синтезом ДНК.
• EvolutionaryScale: разрабатывает семейство языковых моделей белков ESM (Evolutionary Scale Modeling), открытых с открытым исходным кодом и широко принятых исследовательским сообществом.

03КНР#

Китай в этом обзоре охватывается качественно, а не через живого китайского поставщика: китайские кандидаты в категорию ИИ-платформ дизайна штаммов, найденные при поиске, не дали подтверждающего источника 2026 года по этой конкретной категории услуг.

Не подтверждён поставщик со штаб-квартирой в Китае в этом обзоре#

• Результат поиска: два кандидата среди китайских компаний были проверены в ходе этого обзора, и ни один не дал подтверждающего живого источника 2026 года для этой конкретной категории услуг.
• Присутствие на рынке: Китай располагает значительными инвестициями в исследования и разработки в области синтетической биологии, но подтверждённый поставщик ИИ-нативной платформы дизайна штаммов/белков со штаб-квартирой в Китае в ходе этого обзора не был найден самостоятельно.

04ЕС#

Европа — специализированные ИИ-платформы белкового инжиниринга в Нидерландах и Великобритании, применяющие генеративные и замкнутые методы дизайна для оптимизации лидов и дизайна новых молекул.

Автоматизированная оптимизация лидов Cradle, замкнутая платформа открытий LabGenius#

• Cradle: со штаб-квартирой в Нидерландах, управляет ИИ-платформой дизайна белков, а её модель CRADLE-1 выполняет автоматизированную оптимизацию лидов белков как следующий шаг после генерации de novo.
• LabGenius: со штаб-квартирой в Великобритании, управляет замкнутой платформой открытий, построенной вокруг её платформы EVA, раскрывающей высокоэффективные молекулы с неинтуитивными дизайнами.

05Ведущие компании и исследовательские институты#

06Технологический стек и инновации#

Технологический стек ИИ-платформ дизайна и инжиниринга штаммов сочетает генеративное моделирование, языковые модели белков и замкнутую автоматизацию для сжатия циклов дизайна:

1. Генеративный дизайн белков/антител de novo:
   • Origin-1 компании Absci генерирует новые кандидаты антител de novo против заданных новых эпитопов, выходя за рамки скрининга природных библиотек антител.
2. Автоматизированная оптимизация лидов сверх генерации de novo:
   • Модель CRADLE-1 компании Cradle выполняет автоматизированную оптимизацию лидов как отдельный следующий шаг после генерации белков de novo, доводя кандидатов до технологичности и эффективности.
3. Доступная из облака автономная лабораторная инфраструктура:
   • Cloud Lab компании Ginkgo Bioworks позволяет исследователям напрямую переводить рабочий процесс в автономную лабораторную инфраструктуру через браузерный интерфейс, устраняя физический доступ к лаборатории как узкое место.

07Цепочки создания стоимости и производственные конвейеры#

Промышленный конвейер цикла дизайна белков/штаммов на основе ИИ#

┌───────────────────────────┐      ┌───────────────────────────┐
│ 1. Спецификация              │ ───> │ 2. ИИ-генерируемый           │
│    мишени/эпитопа                │      │    дизайн кандидата               │
└───────────────────────────┘      └───────────────────────────┘
                                                 │
                                                 ▼
┌───────────────────────────┐      ┌───────────────────────────┐
│ 4. Функциональный/           │ <─── │ 3. Автоматизированное        │
│    связывающий анализ            │      │    построение/синтез              │
└───────────────────────────┘      └───────────────────────────┘
              │
              ▼
┌───────────────────────────┐      ┌───────────────────────────┐
│ 5. Обратная связь            │ ───> │ 6. Отбор лидирующего          │
│    данных модели                 │      │    кандидата                      │
└───────────────────────────┘      └───────────────────────────┘

Этап 1: Спецификация мишени/эпитопа

Определяется целевой белок, эпитоп или функциональная спецификация, которой должен удовлетворять процесс ИИ-дизайна.

Этап 2: ИИ-генерируемый дизайн кандидата

Генеративные модели или языковые модели белков создают новые дизайны кандидатов белков, антител или штаммов по спецификации.

Этап 3: Автоматизированное построение/синтез

Дизайны кандидатов синтезируются или конструируются, часто с помощью автоматизированной или роботизированной лабораторной инфраструктуры.

Этап 4: Функциональный/связывающий анализ

Физические кандидаты тестируются на целевую функцию или свойство связывания в автоматизированных анализах.

Этап 5: Обратная связь данных модели

Результаты анализа передаются обратно в ИИ-модель для улучшения последующих раундов дизайна.

Этап 6: Отбор лидирующего кандидата

Наиболее эффективные кандидаты из замкнутого цикла отбираются в качестве лидов для дальнейшей разработки.