По словам нобелевского лауреата и нейробиолога Thomas Südhof благодаря ИИ в биологии случилась новая революция. Давайте разберем почему это так.
Считается, что первая революция случилась в 1970х годах, когда ученые научились встраивать генетический материал одного организма в другой. Благодаря этому открытию в 1978 году был создан первый рекомбинантный инсулин, который потом доработала компания Eli Lilly. С тех пор таких препаратов появилось огромное количество (к 2034 году, согласно прогнозам, этот рынок достигнет около 11,32 млрд долларов США)
Параллельно с этим росло количество данных о генах, которые активны в определенных органах, о том какие мутации могут приводить к заболеваниям. Долгое время эти данные анализировали практически вручную, что долго и не до конца эффективно.
Так и получилось, что к моменту внедрения ИИ во все сферы нашей жизни, в биологии накопились колоссальные объёмы транскриптомных данных. Поэтому ИИ стали учить анализировать эти сложные наборы данных и выявлять биологические закономерности, которые человеку было бы трудно обнаружить.
Из недавних проектов мне понравились статьи:
🟡в Genome Medicine – ученые рассказали про ИИ (RankVAR), который помогает находить гены, которые отвечают за редкие заболевания. Аналоги уже есть, но этот более эффективный. Этот ИИ обучили на 1 миллионе вариантов из тысяч геномов проекта 1000 Genomes Project и базах с данными пациентов. В итоге у 130 человек с потерей слуха (двусторонняя сенсоневральная тугоухость), которым уже ранее было сделано генетическое исследование, RankVAR помог определить гены, отвечающие за нарушения.
🟡в Nature - модель ИИ, разработанную для прогнозирования ответа пациентов на иммунотерапию рака (ингибиторы контрольных точек иммунитета) на основе транскриптомных данных опухоли. Изначально модель была обучена на данных 10 184 опухолей из 33 типов рака. Позволяет предсказать ответ на иммунотерапию точнее, чем существующие биомаркеры (точность выше на 8,5%). Это прям может быть здорово для будущего улучшения критериев набора пациентов в клинические исследования, чтобы меньше людей получало неэффективную терапию.
Такие вот наглядные примеры того, как накопленные годами биологические данные наконец используются более эффективно благодаря ИИ.
Александра Тарасова
Ссылки:
Zhang Y, Ahsan MU, Wang P, Lin X, Campbell IM, Liu C, Chung WK, Weng C, Wang K. RankVar: machine learning-based variant ranking and reinterpretation for rare genetic diseases. Genome Med. 2026
Shen W, Moon I, Nguyen TH, Li MM, Huang Y, Nair N, Marbach D, Zitnik M. Generalizable AI predicts immunotherapy outcomes across cancers and treatments. Nat Med. 2026