Российские научные институты и технологические компании представили прорывные разработки в области искусственного интеллекта, способные радикально ускорить и удешевить процесс создания новых лекарственных препаратов. Эти системы работают с атомарной точностью, предсказывая свойства молекул и их взаимодействие с биологическими мишенями, что открывает новую эру в фармацевтике.
Прорывные разработки: от электронной плотности до генерации молекул
В Институте искусственного интеллекта AIRI создана нейросетевая система LAGNet, которая с рекордной точностью предсказывает распределение электронов в молекулах — ключевой параметр для понимания их химических свойств и биологической активности. Технология основана на уникальном математическом подходе — решетке Лебедева, разработанной еще в СССР. Этот метод позволяет равномерно распределять точки на сфере, что обеспечивает высочайшую точность расчетов электронной плотности. В отличие от классических методов, требующих часов или суток на анализ одной молекулы, LAGNet выполняет задачу за 5–6 секунд, сокращая объем необходимых данных с 100 ТБ до 12,5 ТБ и ускоряя обучение модели в 42 раза . Особенно эффективна система при работе с лекарственными соединениями, содержащими серу, бром или йод, где ее погрешность вдвое ниже аналогов .
Параллельно Университет Иннополис совместно с ВНИИ автоматики им. Н.Л. Духова представил первую российскую ИИ-платформу полного цикла для генерации, оптимизации и аннотирования лекарственных молекул. Она специализируется на дизайне малых молекул, определении сайтов связывания белков, прогнозировании токсичности и фармакокинетики. Платформа способна создавать новые соединения всего за 72 часа, тогда как традиционные методы занимают 2–4 недели. Важное преимущество — способность направленно создавать молекулы с заданными свойствами, что подтверждено валидацией in vitro: полученные соединения показали активность против целевых белков .
Как ИИ ускоряет фармацевтику?
Применение ИИ трансформирует ключевые этапы разработки лекарств:
1. Цифровые эксперименты
ИИ анализирует гигантские массивы данных (геномных, протеомных, метаболомных), идентифицируя потенциальные мишени для лекарств. Вместо синтеза миллиардов молекул в лаборатории системы виртуального скрининга отбирают десятки наиболее перспективных кандидатов . Например, LAGNet заменяет ресурсоемкие квантово-химические расчеты, точно моделируя расположение электронов и атомов .
2. Генерация антител и молекул
Совместный проект Сбербанка и Р-Фарм использует ИИ для создания молекул антител с заданными характеристиками, сокращая этап их разработки до двух месяцев. В перспективе это может ускорить вывод препаратов на рынок в три раза.
3. Предсказание свойств
Генеративные модели ИИ, подобные платформе Иннополиса, не только создают новые молекулярные структуры, но и сразу прогнозируют их эффективность, безопасность и способность связываться с конкретными белками-мишенями .
Исторические корни и современный контекст
Развитие ИИ в российской науке имеет глубокие традиции. Еще в 1832 году Семён Корсаков предложил механические устройства на перфокартах для анализа медицинских данных — прообраз современных интеллектуальных систем . В 1950-х Алексей Ляпунов заложил основы отечественной кибернетики и машинного обучения. Теорема Колмогорова–Арнольда стала фундаментом для понимания нейросетей . Сегодня эти наработки реализуются в проектах AIRI, Иннополиса, МФТИ, НИУ ВШЭ и других центров .
Интерес к ИИ в фармакологии подкреплен господдержкой. В 2024 году на базе Сеченовского университета создан исследовательский центр Искусственный интеллект в Фарме в партнерстве с ИСП РАН и фармкомпаниями. Его цель — сократить сроки разработки лекарств, которые сейчас достигают 10–15 лет при стоимости $2–2,5 млрд .
Применение и ограничения
Российские ИИ-решения уже используются:
Для визуализации молекул (LAGNet), помогая исследователям анализировать их структуру .
В генерации новых соединений с подтвержденной биологической активностью (платформа Иннополиса) .
Для оптимизации характеристик существующих препаратов .
Однако сохраняются ограничения. LAGNet пока не работает с белками (инсулин, семаглутид) и соединениями лития . Эксперты подчеркивают: ИИ не заменит ученых и клинические испытания, а служит инструментом для ускорения рутинных операций и анализа данных. Человеческий контроль остается критически важным на всех этапах .
Заключение: будущее атомарно-точного дизайна лекарств
Разработки российских ученых в области ИИ для фармакологии демонстрируют огромный потенциал. Точность до атома (LAGNet) и генерация молекул с заданными свойствами (платформа Иннополиса, Сбер/"Р-Фарм") способны сократить сроки создания лекарств с десятилетий до 1,5–2 лет, как показали отдельные международные кейсы . Это снизит стоимость препаратов и сделает их более доступными. Уже сегодня ИИ позволяет России развивать импортозамещение в фармацевтике, создавая оригинальные препараты и дженерики. С интеграцией этих технологий в центре Сеченовского университета и другими проектами, отечественная наука закрепляется на переднем крае глобальной "цифровой гонки" в медицине, сохраняя приоритеты безопасности и эффективности .