Лекарства по алгоритму: российская ИИ-система меняет фармакологию
Российские ученые представили ИИ-систему, которая создаёт лекарства по текстовому запросу. Разработка автоматизирует полный цикл поиска новых лекарственных молекул — от анализа задачи, сформулированной учёным на обычном языке, до выдачи готового списка проверенных кандидатов.
Цифровая лаборатория
Представьте, что вы описываете учёному идеальное лекарство: «Нужна молекула, которая блокирует этот белок, не затрагивая другие, хорошо растворяется и не вредит печени». Через несколько часов вы получаете готовые химические формулы, уже проверенные на токсичность и синтезируемость. Звучит как сценарий научной фантастики. Но именно это уже происходит в реальных лабораториях России.
В 2025 году на мировой конференции по компьютерной лингвистике EMNLP в Китае российские ученые представили уникальную разработку. Аспирант Глеб Соловьев из Университета ИТМО рассказывал о системе MADD (Multi-Agent Drug Discovery) — инструменте, способном по запросу на обычном языке запускать сложнейший процесс поиска новых лекарственных молекул. Разработка родилась в коллаборации учёных ИТМО и специалистов Центра практического искусственного интеллекта Сбера. Её ключевая особенность — полная автоматизация цикла: от анализа текста научной задачи до выдачи готового списка проверенных кандидатов.
Исследователи создали целую цифровую лабораторию, управляемую искусственным интеллектом. В её основе — концепция «мультиагентности»: вместо одного сложного алгоритма, который может ошибаться, работает команда из четырёх виртуальных «специалистов». Один анализирует запрос исследователя, другой подбирает методы, третий генерирует молекулярные структуры, четвёртый проверяет их по строгим критериям. Система использует различные большие языковые модели (GPT-4o, Gemini, Llama, GigaChat), выбирая лучший подход для каждой подзадачи.
Точно в цель
Традиционный путь создания лекарства напоминает поиск иголки в стоге сена, где стог — это миллионы возможных молекулярных комбинаций. MADD действует иначе: она не просто ищет в известных базах, а конструирует «иголки» под заданные параметры.
Главный измеримый результат — точность. В 79,8% случаев система корректно понимает запрос и выдаёт релевантные молекулы, что почти в пять раз выше результата одного из ведущих зарубежных аналогов, ChemAgent (16,4%). Но важнее другое: MADD уже предложила конкретные молекулы-кандидаты для борьбы с болезнями Паркинсона, Альцгеймера, раком легких, рассеянным склерозом и другими сложными заболеваниями. Пять из этих молекул обладают уникальным механизмом действия, нацеленным на белки, с которыми ранее работать не удавалось.
Для российской науки и фарминдустрии значение такого инструмента трудно переоценить. Он кардинально снижает порог входа в область дизайна лекарств.
Польза для науки тоже велика. Академические группы и небольшие биотех-стартапы, не имеющие бюджета на дорогостоящее коммерческое ПО или высокопроизводительный скрининг, получают мощный и, что критически важно, открытый инструмент. Код MADD выложен в открытый доступ, что соответствует принципам современной науки.
Студенты-химики, биоинформатики, фармакологи могут в режиме, близком к игровому, учиться формулировать задачи и сразу видеть, как ИИ преобразует их в конкретные молекулярные структуры. Это ускорит подготовку кадров нового типа — «цифровых» химиков.
Внедрение подобных систем в крупные фармакомпании позволит перераспределить ресурсы. Дорогостоящее время учёных-химиков и экспериментальные мощности освободятся для углублённой работы с наиболее перспективными кандидатами, которых отобрал ИИ.
Знание как главный продукт
Российский софт и научные методики в области AI for Science (искусственный интеллект для науки) постепенно становятся заметным явлением на глобальной арене. MADD — яркий пример продукта, который конкурентоспособен не за счёт громких заявлений, а благодаря открытости, архитектуре и проверяемым результатам, представленным на авторитетной международной площадке.
Открытый код позволит внедрять и дорабатывать систему в лабораториях по всему миру, формируя сообщество пользователей и повышая цитируемость российских разработчиков.
Успешный проект укрепляет репутацию российских школ в области химической информатики и сильного ИИ. Это привлекает внимание международных фармгигантов и исследовательских центров к возможностям аутсорсинга и совместных проектов с российскими командами.
Подобные проекты создают среду, в которой молодые учёные могут работать на переднем крае мировой науки, не уезжая из России. Их опыт и компетенции, в свою очередь, становятся драйвером для новых стартапов и коллабораций.
