Последние годы в фармацевтике появились компании, ускоряющие открытие лекарств с помощью искусственного интеллекта (AI) и суперкомпьютеров.
💡Больше информации о квантовых технологиях, их реальной пользе для бизнеса и свежие идеи вы найдете в Telegram-канале QuaQuantum (Q²). Буду рад видеть вас среди подписчиков!
Лидеры AI-дизайна лекарств сегодня
AI и классические вычисления
Среди признанных лидеров – Exscientia, Insilico Medicine, Recursion (с исследовательским подразделением Valence Labs) и др. Они первыми применили алгоритмы машинного обучения для проектирования молекул и оптимизации кандидатов-препаратов.
Например, Exscientia прославилась тем, что создала первый лекарственный кандидат, спроектированный AI и доведённый до клинических испытаний. Эти компании инвестируют в масштабные вычислительные мощности: Recursion, к примеру, построила суперкомпьютер BioHive и накопила более 60 петабайт биологических данных для тренировки моделей.
Их платформы уже сейчас совмещают классические вычисления (моделирование молекул на CPU/GPU) с продвинутыми AI-алгоритмами. Exscientia прямо отмечает, что её команды объединяют методы квантовой механики, молекулярной динамики и AI, чтобы эффективнее находить новые препараты.
То есть даже без квантовых компьютеров эти фирмы максимально используют классическую вычислительную науку – от квантово-химических расчётов на суперкомпьютерах до роботизированных лабораторий – для ускорения drug discovery.
Ограничения текущих методов
Однако, несмотря на успехи, классический подход имеет пределы. Современные AI-модели нуждаются в больших массивах экспериментальных данных и часто не учитывают тонких квантовых эффектов между атомами.
Классические алгоритмы химического симулирования (методы молекулярной механики, докинга и т.д.) используют приближённые модели. Они не в силах с высокой точностью просчитать квантово-механические взаимодействия в сложных биомолекулах – вычислительная сложность растёт экспоненциально с размером системы.
Известный пример: смоделировать молекулу пенициллина на классическом компьютере практически невозможно – потребовалась бы память больше, чем число атомов во Вселенной! Поэтому AI-компании вынуждены балансировать между точностью и затратами: проводить тысячи лабораторных тестов и использовать приближённые вычислительные методы.
В итоге около 90% кандидатов все равно отсеиваются на этапе испытаний, а выведение одного нового препарата стоит в среднем более $2 млрд и занимает до 10–12 лет. Очевидно, индустрии нужны качественно новые технологии, чтобы преодолеть этот кризис эффективности.
Квантовые вычисления – новый инструмент фармацевтики
Почему квантовый компьютер важен
Квантовые компьютеры (QC) обещают преодолеть ограничения классических методов, выполняя расчёты «с первых принципов» квантовой физики.
Это означает, что сложные молекулярные системы можно будет моделировать напрямую, без упрощений, решая уравнения квантовой механики для всех участвующих частиц. По оценкам McKinsey, внедрение QC в фармацевтике к 2035 году способно принести отрасли экономический эффект в $200–500 млрд.
Главная причина – принципиально новый уровень точности и предсказуемости компьютерных экспериментов. Квантовый алгоритм может рассчитывать поведение молекул с нуля, опираясь на законы природы, а не эмпирические параметры.
Благодаря этому исследователи смогут заранее узнавать ключевые свойства кандидата – например, токсичность, стабильность, способность связываться с целью – ещё до синтеза вещества в лаборатории. Такой подход существенно сократит потребность в долгих «мокрых» экспериментах и сразу даст АІ-моделям высококачественные данные для обучения.
По сути, квантовые вычисления поднимают компьютерный дизайн лекарств на уровень полностью прогнозируемой науки, где большинство проверок и отсеивания вариантов происходит in silico, а не методом проб и ошибок на клетках и моделях.
💡Больше информации о квантовых технологиях, их реальной пользе для бизнеса и свежие идеи вы найдете в Telegram-канале QuaQuantum (Q²). Буду рад видеть вас среди подписчиков!
Что умеет квантовый компьютер в разработке лекарств
1. Точные молекулярные симуляции
Квантовый компьютер способен с высокой точностью моделировать сложные биомолекулы: например, предсказывать, как белок складывается в трёхмерную структуру и меняет форму в присутствии раствора.
Вода и другие молекулы окружения сильно влияют на то, как лекарство свяжется с белком, и классические программы часто упускают эти детали. Квантовые же расчёты могут учесть все квантовые взаимодействия в системе «белок-лигант-раствор», дав пророческий взгляд на биологические мишени.
Это особенно важно для «трудных» целей - например, белков, связанных с болезнями мозга или генетическими патологиями, по которым мало экспериментальных данных. QC может предсказать возможные формы таких белков и участки для связывания там, где AI буксует из-за недостатка информации.
2. Квантовая химия для реакции и метаболизма
Вещества, которые мы разрабатываем, вступают в химические реакции либо при синтезе препарата, либо в организме (метаболизм). Квантовые вычисления позволяют анализировать электронную структуру молекул с небывалой детализацией.
Это поможет, к примеру, точно просчитать, как ферменты в печени будут расщеплять препарат, или спрогнозировать наиболее эффективный путь химического синтеза молекулы.
Уже сегодня фарм-компании начинают эксперименты: так, Boehringer Ingelheim совместно со стартапом PsiQuantum исследуют квантовые алгоритмы для расчёта электронных структур ферментов-металлопротеинов, ключевых в метаболизме лекарств. В будущем подобные квантовые химические модели станут обычным шагом при отборе устойчивых и эффективных кандидатов.
3. Улучшенный докинг и расчет аффинности
Одно из самых ресурсозатратных мест - виртуальный скрининг и докинг, когда нужно предсказать, насколько прочно тот или иной кандидат будет связываться с целевым белком. Классические программы докинга дают лишь приближенный рейтинг молекул, и многие «хиты» потом не подтверждаются экспериментом. Квантовый компьютер же может просчитать энергию взаимодействия лиганда и активного центра белка почти точно, с учётом всех атомов и электронов.
Это означает более надёжные прогнозы аффинности (силы связывания) и структуры комплексов «препарат-мишень». В итоге на доклинических этапах можно быстрее выбрать перспективные кандидаты и отсечь слабые, экономя месяцы работы.
Например, компания AstraZeneca сообщила, что квантово-ускоренный рабочий процесс на основе IonQ QPU и NVIDIA GPU уже в 2025 году позволил ускорить моделирование важной химической реакции для синтеза препарата более чем в 20 раз (сократив расчёт с месяцев до дней) без потери точности. Это лишь начало со временем QC даст такой же прорыв и в вычислительном докинге лекарств.
4. Прогноз побочных эффектов (off-target)
Ещё одна потенциальная суперспособность квантовых вычислений – моделировать нежелательные взаимодействия. Лекарство зачастую связывается не только с нужным белком, но и с другими, вызывая побочные эффекты или токсичность.
Предсказать это наперёд крайне сложно: нужно проверить сотни потенциальных «оф-таргет» связей. Квантовые симуляции могут выполнить реверсдокинг – по сути, виртуально перебрать множество белковых структур на предмет связи с данной молекулой, – и сделать это глубже, чем традиционные методы.
Более точное моделирование побочных взаимодействий ещё на этапе дизайна позволяет выявить токсичные кандидаты раньше, снижая риск провалов на поздних стадиях разработки.
По сути, квантовый компьютер станет своего рода «виртуальной лабораторией», где можно безопасно провернуть тысячи экспериментов по токсичности за считанные часы.
5. Оптимизация синтеза и производства
Не только этап открытия, но и производство лекарств выиграет от квантумизации. Например, сложные биотехнологические препараты (вакцины мРНК, антитела) очень чувствительны к условиям производства и хранения. Квантовое моделирование способно точно просчитать процессы кристаллизации, стабильность формуляций, поведение молекул при изменении температуры и т.д.
Такая детализация поможет увеличить выход целевого продукта, повысить стабильность лекарства при хранении и перевозке. В перспективе, каждый этап пути лекарства – от лабораторного стола до аптеки – может быть оптимизирован с помощью квантовых расчётов, устраняя многие нынешние эмпирические подходы.
Квантовая точность связывания: будущие гибридные квантово-классические симуляции позволят детально моделировать, как молекула лекарства (синие атомы) садится в активный центр белка-мишени (серый каркас), и рассчитывать энергию их взаимодействия с беспрецедентной точностью.
К примеру, вместо грубой оценки докинга квантовый алгоритм просчитывает квантовую электронную структуру комплекса in situ. Такой подход выявляет тонкие различия в прочности связывания, помогая исследователям раньше понять, какой кандидат обладает лучшей аффинностью и специфичностью. Это ускоряет отбор лидеров из тысяч соединений и сокращает число дорогостоящих неудач в экспериментальных тестах.
Синергия AI и квантовых вычислений
Квантовый компьютер + искусственный интеллект = ❤
Вопреки расхожему мнению, квантовые компьютеры не заменят существующие методы, а дополнят их.
Наиболее мощным инструментом станет объединение QC с классическим AI в единые конвейеры. Такие гибридные подходы уже начинают появляться.
Например, квантовый алгоритм сможет генерировать или оценить данные, которые ранее были недоступны, после чего нейросеть обучиться на этих данных, извлекая инсайты. McKinsey называет это симбиозом QC и AI: квантовый компьютер способен восполнить пробелы тренировочных выборок, создав новые обучающие данные для моделей там, где экспериментов мало.
Классический пример – модели QSAR (отношение структуры и активности): если недостаточно известных молекул с измеренной активностью, их прогнозы ненадёжны. Но квантовая химия может вычислить свойства гипотетических соединений и обогатить датасет, повысив точность AI-модели.
Более того, рождается направление квантового машинного обучения (Quantum ML) – алгоритмы, использующие квантовые эффекты для обработки данных. Они потенциально способны выявлять сложные закономерности эффективнее классических нейросетей.
Уже есть первые успехи: исследователи из Чикаго разработали квантовый ML-метод анализа биомаркеров рака, который смог различить наночастицы-экзосомы от больных и здоровых пациентов по электрическим характеристикам намного лучше, чем традиционные методы, и при этом требовал минимума обучающих данных.
Такой подход сулит более быстрые и дешёвые диагностические тесты. В другом случае, Merck KGaA и Amgen сотрудничают со стартапом QuEra, применяя квантовые резервуарные вычисления для прогнозирования биологической активности молекул по их молекулярным дескрипторам.
Иными словами, квантовые модели помогают лучше предсказать, какой кандидат подаёт надежды ещё до синтеза и испытаний.
💡Больше информации о квантовых технологиях, их реальной пользе для бизнеса и свежие идеи вы найдете в Telegram-канале QuaQuantum (Q²). Буду рад видеть вас среди подписчиков!
Опыт первых пилотов
Компании-лидеры AI-драгдискавери уже пробуют квантовые технологии на практике. В 2024 году произошёл знаковый случай: квантовый софтверный лидер Zapata Computing совместно с Insilico Medicine и учёными из Университета Торонто продемонстрировали первое применение квантово-усиленной генеративной АІ-модели для создания реальных кандидатов лекарств.
Они использовали квантовые вычисления в связке с генеративной сетью для проектирования новых ингибиторов онкогенной мишени KRAS - и получили несколько жизнеспособных молекул-кандидатов. Этот эксперимент показал, что уже сегодняшние квантовые устройства (ещё далекие от совершенства) могут приносить пользу, ускоряя поиск новых химических структур в сочетании с AI.
Другой пример – компания XtalPi, один из пионеров цифровой химии, которая с 2014 г. внедряет квантово-механические расчёты в платформу искусственного интеллекта для прогнозирования свойств молекул. XtalPi фактически симулирует квантовую физику молекул на классических суперкомпьютерах и облаке, чтобы улучшить точность моделей (за это стартап привлёк почти $800 млн инвестиций).
Когда появятся настоящие квантовые компьютеры, такие компании будут первыми, кто перенесёт свои тяжёлые вычисления с кластеров на квантовые чипы, получив кратный выигрыш в скорости и глубине моделирования.
Наконец, АІ-гиганты активно готовятся к эре квантовой химии.
Так, Valence Labs (исследовательское крыло Recursion) заранее курирует квантово-химические данные для обучения своих моделей. В открытом проекте OpenQDC команда собрала в единый формат свыше 40 крупных наборов данных квантовой механики (около 1,5 миллиарда различных молекулярных структур, рассчитанных методами высокоточной химии).
Цель – облегчить разработку новых МL-алгоритмов, способных оперировать квантоточными данными, и подготовить инфраструктуру к наплыву результатов с квантовых компьютеров.
По сути, лидеры рынка уже создают мосты между классическим АІ и будущими квантовыми расчётами, чтобы одно дополняло другое. Как отмечают в NVIDIA, будущее – за гибридными конвейерами, где квантовый сопроцессор берёт на себя самые трудоёмкие фрагменты задачи, а окружающая АІ/ НРС-инфраструктура интегрирует эти решения в общую картину.
Именно так на практике реализуется обещание квантовых вычислений – не в вакууме, а во взаимодействии с существующими технологиями.
Квантовые компьютеры и будущее ниши АІ-драгдискавери
Когда придут универсальные квантовые компьютеры…
Эксперты ожидают появление первых практически полезных квантовых машин в ближайшие 5–10 лет. Речь об устройствах с десятками тысяч устойчивых логических кубитов, исправляющих ошибки и способных решать крупные задачи. Как только такие машины станут доступны, сфера открытия лекарств преобразится.
Наши нынешние AI-лидеры – Exscientia, Insilico, Recursion и другие – к этому времени накопят колоссальный опыт интеграции вычислений и биологии. Это ключевое преимущество, которое позволит им оставаться уникальными игроками рынка, даже когда квантовые вычисления станут более распространёнными.
Во-первых, у этих компаний есть данные и модели, созданные годами труда. Их проприетарные базы молекулярных структур, биологических экспериментов и обученные AI-системы станут бесценным ресурсом, когда их можно будет сочетать с квантовой точностью.
Квантовый компьютер сам по себе – лишь инструмент, чтобы извлечь из него пользу нужно знать, какие задачи ставить и как интерпретировать результаты. Лидеры AI-дискавери уже умеют формулировать правильные вопросы (какие свойства критичны для успеха препарата, какие варианты молекулы проверить) и обрабатывать гигантские объемы данных.
Доступ к квантовым вычислениям усилит их существующие платформы. Например, Insilico Medicine сможет мгновенно проверять квантовыми методами идеи, генерируемые её алгоритмом Chemistry42, отбраковывая неподходящие молекулы до синтеза. Recursion благодаря квантуму добавит к своим фенотипическим экспериментам точные расчёты механизмов действия на молекулярном уровне.
Такие синергии будут под силу только тем, кто сочетает экспертизу в AI, биологии и квантовой химии.
Во-вторых, многие из этих компаний уже встроены в экосистему фармацевтических исследований. У них партнерства с крупными фармгигантами, многопрофильные команды специалистов, отлаженные экспериментальные лаборатории.
Когда появятся квантовые устройства, они могут не создавать всё с нуля, а подключить новый «квантовый модуль» к существующему процессу. К тому же, вероятнее всего, квантовые компьютеры поначалу будут редкими и дорогими ресурсами (принадлежащими государствам, ІТ-корпорациям или консорциумам).
Лидеры АІ-драгдискавери имеют финансовые ресурсы и репутацию, чтобы получить ранний доступ к таким машинам - через сотрудничество или облачные сервисы. Это уже происходит: практически все крупные фармкомпании и АІ-стартапы сегодня в пилотном режиме сотрудничают с квантовыми фирмами.
Например, Moderna совместно с IBM использует гибридные квантовые алгоритмы для оптимизации мРНК-вакцин, Biogen работает с канадской 10Bit над ускорением поиска лекарств от нейродегенеративных болезней. Можно ожидать, что Exscientia, которая тесно взаимодействует с фармацевтами, тоже встроит квантовые решения для своих проектов, как только те станут практичными.
Проактивные шаги - создание альянсов, найм специалистов по квантовому программированию, защита данных на случай эпохи квантового взлома – уже рекомендованы стратегами как обязательные для компаний, желающих сохранить конкурентное преимущество.
💡Больше информации о квантовых технологиях, их реальной пользе для бизнеса и свежие идеи вы найдете в Telegram-канале QuaQuantum (Q²). Буду рад видеть вас среди подписчиков!
Уникальные игроки или новые конкуренты?
Естественно, по мере развития квантовых вычислений появятся и новые стартапы, изначально ориентированные на квантовые методы в химии.
Уже сейчас насчитывается с десяток таких фирм – Qubit Pharmaceuticals, ProteinQure, PolarisQB, Zapata и др., которые разрабатывают ПО и алгоритмы для квантового поиска лекарств. Некоторые из них сотрудничают с лидерами AI-бизнеса или даже были приобретены более крупными компаниями (яркий пример – поглощение Silicon Therapeutics компанией Roivant Sciences за $450 млн, где технологии квантовой физики интегрированы в более крупную структуру).
Можно прогнозировать, что границы между “AI-компаниями” и “квантовыми компаниями” сотрутся. Лучшие AI-игроки либо сами освоят квантовые вычисления, либо сольются с квантовыми стартапами, чтобы не уступить позиции.
В результате через 5–10 лет мы будем говорить просто о компаниях цифровой биофармы, которые используют весь арсенал доступных вычислительных технологий – от облачных GPU до квантовых процессоров – для решения задач открытия и разработки лекарств.
При этом нынешние лидеры имеют важное преимущество: понимание биологии и процесса разработки лекарств. Квантовый компьютер, каким бы мощным он ни был, не подскажет автоматически, какая биологическая мишень перспективна или какой препарат будет нравиться пациентам. Этот контекст дают люди, экспертиза, накопленные данные о заболеваниях – то, что уже есть у Exscientia, Insilico, BioPIC и их коллег.
Поэтому, даже если гипотетически конкурирующая команда учёных получит доступ к такому же квантовому “железу”, но не будет иметь опыта в AI-дизайне лекарств, ей потребуется время, чтобы догнать ветеранов. В то же время история учит, что технологические революции часто перетасовывают лидеров рынка.
Лидерам AI-ниши нельзя почивать на лаврах: им нужно активно инвестировать в квантовую R&D, чтобы не уступить дорогу более проворным новичкам. К счастью, многие из них это понимают – достаточно взглянуть на их активность в публикациях и патентах по квантовой химии, партнерства с квантовыми хардверными компаниями и т.д.
Заключение: авангард новой эры
При появлении универсальных отказоустойчивых квантовых компьютеров АІ-ориентированные компании биотеха окажутся в авангарде новой эры фармацевтики.
Разработка лекарств превратится из искусства в точную науку: квантовые симуляции избавят от долгих догадок, АІ мгновенно проанализирует квантовые данные и предложит оптимальные решения, а человек-исследователь будет принимать более обоснованные решения.
Весь цикл – от идентификации цели до вывода препарата на рынок – может радикально сократиться. По оценкам, квантовоускоренные модели способны сократить время и стоимостьвывода новых терапий на порядок, а главное – расширить горизонты поиска.
Мы сможем находить лекарства к сложнейшим болезням (Альцгеймер, некоторые виды рака), которые раньше ускользали из-за ограничений вычислений и экспериментов.
Лидеры АІ-драгдискавери останутся уникальными игроками, если грамотно интегрируют квантовые возможности. И у них есть все шансы – они первыми освоили АІ в фарме, первыми же освоят и квант.
Такие компании уже сегодня строят мост между текущими технологиями и будущим, готовя данные, кадры и инфраструктуру под квантовый скачок. В итоге они не только сохранят позиции, но и станут ядром новой индустрии квантово-искусственного интеллекта в разработке лекарств.
А выиграют от этого все: и фармбизнес (за счёт эффективности), и учёные (получив новые инструменты), и главное – пациенты, которые смогут быстрее получать безопасные и эффективные лекарства для ранее неизлечимых болезней.
Изменения уже начинаются. Как образно заметила Sabrina Maniscalco, глава финского квантстартапа Algorithmiq: «Это будет не постепенное улучшение, а по-настоящему дисруптивный скачок».
Когда AI встречается с квантовым компьютером, рождается нечто большее, чем сумма их возможностей. Перед нами захватывающая перспектива – наблюдать и участвовать в том, как две самые передовые технологии XXI века объединяются, чтобы трансформировать медицину.
Это будущее уже не за горами, и лидеры вроде Exscientia, Insilico, Recursion и других готовы его встретить во всеоружии.
Источники:
- McKinsey (2025) ; IonQ (2025) ; BiopharmaTrend (2024) ; Exscientia (2022) ; Sifted (2022) ; Valence/Recursion (2024) ; World Economic Forum (2025).
💡Хотите получать ещё больше простых и понятных объяснений о квантовых технологиях и их реальной пользе для бизнеса? Все новые материалы, короткие заметки и свежие идеи вы найдете в Telegram-канале QuaQuantum (Q²). Буду рад видеть вас среди подписчиков!