Наиболее перспективными сегодня выглядят разработки, выходящие за рамки статического предсказания и учитывающие взаимодействия и функциональный контекст молекул. Помимо AlphaFold и его открытых модификаций, например OpenFold3, активно развиваются мультимодальные и мультиагентные системы для полного цикла исследований - от поиска мишени до дизайна лекарственной молекулы, такие как TxGemma, AlphaMissense и MAMMAL.
Основатель ИИ-компании DeepMind Technologies Демис Хассабис отмечает, что подобные исследования могут значительно ускорить процесс исследований и разработки новых лекарств и лечения заболеваний, сократив время работы специалистов с нескольких лет до пары месяцев или даже недель. Ожидается, что модели помогут ускорить анализ данных и в ближайшие десять лет большинство болезней будут изучены на сто процентов. Тогда, по мнению Хассабиса, продолжительность жизни человека может быть увеличена до 150 лет.
"ИИ способен существенно ускорить разработку лекарств, прежде всего на ранних этапах. Поиск мишеней, виртуальный скрининг и оптимизация соединений, которые раньше занимали годы, с применением ИИ могут быть сокращены до месяцев. При этом ИИ не заменяет доклинические и клинические испытания, а лишь ускоряет переход к ним", - рассказала руководитель направления data-driven drug discovery в Центре ИИ в химии Университета ИТМО Анастасия Орлова.
При этом ключевым барьером внедрения остается разрыв между вычислительными предсказаниями и экспериментальной валидацией, а также нехватка качественных данных и междисциплинарных специалистов. Существенную роль играет и регуляторная осторожность фармацевтической отрасли.
Клинические испытания по-прежнему длятся годы и остаются главным узким местом. По мнению руководителя группы дизайна белков Центра ИИ-разработки новых лекарственных препаратов Института AIRI Татьяны Шашковой, основной барьер для внедрения - регуляторная валидация и ограниченное доверие к "черным ящикам" ИИ.
"Фармкомпаниям и регуляторам необходимы воспроизводимые, интерпретируемые и экспериментально подтвержденные результаты, сопоставимые с традиционными методами. Сейчас отрасль находится в переходной фазе: доверие к ИИ растет по мере того, как лабораторные эксперименты демонстрируют высокий hit-rate (долю из всех реальных случаев, когда модель предсказала данные правильно) по сравнению с традиционными методами", - говорит Шашкова.
При этом, по мнению Алексея Донских, директора направления Центра развития технологий в биологии, медицине и сельском хозяйстве Фонда "Сколково", говорить о непреодолимых барьерах для использования ИИ не совсем верно - правильнее считать это комплексом взаимосвязанных задач. В их числе - создание надежной системы защиты данных, обеспечение конфиденциальности, эффективного использования данных. К этому относится подготовка исходных данных, подготовка квалифицированных кадров и развитие комплексной инфраструктуры.
"Важно понимать, что ИИ - это всего лишь инструмент, который должен быть интегрирован в экосистему разработки. При грамотном применении он способен повысить эффективность отдельных этапов работы, однако без налаженной системы, включая лабораторные исследования полученных молекул, его польза будет ограничена", - объясняет Донских.
Также высокая стоимость и длительность создания новых препаратов вынуждают фармацевтические компании подходить к новым решениям с осторожностью. Для снижения рисков они используют различные механизмы, в том числе акселераторы, отбирая проекты с уже имеющимся научным заделом, добавляет эксперт.
В целом сегодня в России есть академические и стартап-проекты в области биоинформатики и молекулярного моделирования. В частности, центр AIDD в AIRI разрабатывает ИИ-модели и полноценные пайплайны для получения рабочих молекул и вакцин. Сегодня у центра есть широкий набор собственных инструментов, активно применяемых в проектах с фармацевтическими партнерами. При этом ряд моделей, таких как AFToolkit, GENA и DIMA, выложены в открытый доступ, их могут использовать многие исследователи.
Также подобные проекты развиваются как в крупных компаниях, так и в других научных центрах. Например, в Университете ИТМО недавно разработали собственную мультиагентную систему для дизайна новых лекарственных соединений.