Университет ИТМО представил эталонный набор тестов для ИИ в биоинформатике
Сотрудники Центра искусственного интеллекта в химии Университета ИТМО представили AptaBench – первый специализированный бенчмарк для проверки моделей, которые прогнозируют взаимодействие аптамеров с малыми молекулами. Аптамеры могут использоваться в диагностике, биосенсорах и разработке лекарственных препаратов.
Искусственный интеллект научился генерировать молекулы, но как понять, что алгоритм не ошибается? Ответ на этот вопрос нашли ученые университета ИТМО.
Экзамен для невидимого мира
Аптамеры – это короткие молекулы ДНК или РНК, функционирующие как высокоточные молекулярные замки. Они избирательно связываются с мишенями, что делает их незаменимыми при создании биосенсоров, тест-систем и таргетных препаратов. Нейросети анализируют последовательность аптамера и свойства мишени и прогнозируют, насколько сильно и специфично они будут связываться. Это позволяет сразу отсеять малоперспективные варианты.
Долгое время нейросети обучались на разрозненных массивах, и оценить их реальную точность на практике было крайне сложно. AptaBench закрывает эту уязвимость: в эталонную базу вошли 6 289 экспериментально подтвержденных пар взаимодействий. Теперь алгоритмы можно тестировать на способность предсказывать поведение ранее не встречавшихся семейств аптамеров.
От генерации к контролю
Чтобы осознать масштаб сдвига, нужно взглянуть на ретроспективу российского направления AI for Science (искусственный интеллект для науки).
В 2021-2022 годах индустрия и государство лишь прощупывали почву: ИИ применяли для первичного скрининга, а Минздрав запускал платформы для работы с медицинскими датасетами.
К 2023-2024 годам Сколтех, ИТМО и стартапы вроде Ligand Pro перешли к сложному многозадачному обучению и виртуальному скринингу, сокращая число «слепых» лабораторных экспериментов.
Переломным стал 2025 год, когда университет Иннополис и ВНИИА представили ИИ-платформу полного цикла для генерации и оптимизации лекарств. Но у мощных генеративных моделей есть обратная сторона: чем больше молекул создает нейросеть, тем выше риск фатальной ошибки. В биомедицине ошибка алгоритма – это потеря миллионов рублей и нескольких лет исследований.
Поэтому 2026 год, ознаменовавшийся релизом AptaBench,– закономерный и критически важный этап. Теперь можно с уверенностью сказать, что Россия перешла от создания отдельных алгоритмов к формированию жесткой инфраструктуры контроля их качества.
Польза для граждан и страны
Внедрение таких бенчмарков напрямую влияет на скорость появления новых лекарств и точных диагнозов. ИИ, прошедший строгую проверку на AptaBench, безжалостно отсеет заведомо нерабочие варианты еще до этапа дорогостоящих опытов invitro.
Для России это вопрос технологического суверенитета. Наличие собственного инструмента стандартизированной оценки закладывает фундамент для независимой вычислительной биологии. Так формируется отечественный контур безопасности: ИИ генерирует молекулу, AptaBench проверяет прогноз, лаборатория валидирует лучшего кандидата и в результате рынок получает инновационный препарат. Мы больше не зависим от зарубежных баз данных и методик оценки.
Глобальный стандарт и инфраструктура доверия
Имеет ли это значение для мировой науки? Безусловно. Проблема надежности ИИ в биологии носит глобальный характер. Российская разработка обладает потенциалом стать международным стандартом верификации моделей, создающих новые биомолекулы. Экспорт таких ИТ-инструментов, доступ к уникальным базам данных и сотрудничество с зарубежными биохабами – перспективные векторы, хотя и требующие независимой международной валидации.
AptaBench – гораздо больше, чем узкопрофильный научный инструмент. Это важнейший элемент инфраструктуры доверия к искусственному интеллекту в той сфере, где на кону стоит здоровье и жизнь людей. Эпоха «черных ящиков» в медицине уходит, уступая место доказательной алгоритмической науке, где каждому предсказанию нейросети можно найти строгое математическое и биологическое обоснование.
