# ИИ-платформы дизайна и инжиниринга штаммов ИИ-нативные программные платформы, вычислительно проектирующие микробные штаммы, белки и антитела — генеративные модели, языковые модели белков и замкнутые автоматизированные лаборатории — отличные от традиционной модели контрактной организации мокрой лаборатории для инжиниринга штаммов. Source: https://bioecon.ru/technology/ai-strain-design-engineering-platforms/ Updated: 2026-08-18 ## Обзор 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 | Level | Description | Key inputs/outputs | |:---|:---|:---| | **Спецификация мишени/эпитопа** | Определение целевого белка, эпитопа или функциональной спецификации, которой должен удовлетворять процесс ИИ-дизайна. | **Вход:** Исследовательская/терапевтическая цель.
**Выход:** Спецификация мишени. | | **ИИ-генерируемый дизайн кандидата** | Генеративные модели или языковые модели белков создают новые дизайны кандидатов белков, антител или штаммов по спецификации. | **Вход:** Спецификация мишени.
**Выход:** Набор дизайнов кандидатов. | | **Автоматизированное построение/синтез** | Дизайны кандидатов синтезируются или конструируются, часто с помощью автоматизированной или роботизированной лабораторной инфраструктуры. | **Вход:** Набор дизайнов кандидатов.
**Выход:** Физические конструкции кандидатов. | | **Функциональный/связывающий анализ** | Физические кандидаты тестируются на целевую функцию или свойство связывания в автоматизированных анализах. | **Вход:** Физические конструкции кандидатов.
**Выход:** Результаты анализа. | | **Обратная связь данных модели** | Результаты анализа передаются обратно в ИИ-модель для улучшения последующих раундов дизайна. | **Вход:** Результаты анализа.
**Выход:** Обновлённая модель/обучающие данные. | | **Отбор лидирующего кандидата** | Наиболее эффективные кандидаты из замкнутого цикла отбираются в качестве лидов для дальнейшей разработки. | **Вход:** Обновлённая модель/обучающие данные, результаты анализа.
**Выход:** Отобранные лидирующие кандидаты. | 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. --- ## США 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. --- ## КНР 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. --- ## ЕС 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. --- ## Ведущие компании и исследовательские институты | Company / Institute | Country | Key products / platforms | Tech features | Status 2026 | |:---|:---|:---|:---|:---| | **Ginkgo Bioworks** | 🇺🇸 США | Ginkgo Cloud Lab | Браузерный доступ к автономной лаборатории | commercial | | **Absci** | 🇺🇸 США | Генеративный дизайн антител Origin-1 | Дизайн de novo против новых эпитопов | commercial | | **Cradle** | 🇳🇱 Нидерланды | Дизайн белков CRADLE-1 | Автоматизированная оптимизация лидов | commercial | | **LabGenius** | 🇬🇧 Великобритания | Замкнутая платформа открытий EVA | Неинтуитивные высокоэффективные дизайны | commercial | | **EvolutionaryScale** | 🇺🇸 США | Языковые модели белков ESM | Открытый исходный код, широкое принятие разработчиками | commercial | --- ## Технологический 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. --- ## Цепочки 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.