ИИ-модель PerturbGen превращает single-cell биологию в инструмент прогнозирования лекарственных мишеней
 |
| PerturbGen превращает биологию из экспериментальной науки в предсказуемый IT-процесс, обнуляя риск провала мишеней на ранних стадиях НИОКР. |
AI начинает моделировать «судьбу клетки»
В статье Kevin Chi Hao Ly, Mo Lotfollahi и Muzlifah Haniffa представлена генеративная модель PerturbGen, обученная на 100 млн single-cell транскриптомов. Система прогнозирует, как генетические вмешательства изменяют клеточные состояния во времени — например, при воспалительном ответе. В отличие от статических моделей, PerturbGen моделирует именно динамику переходов.
Архитектура системы — encoder-decoder transformer, который генерирует будущие профили экспрессии генов. Это позволяет проводить in silico screening генетических модификаций по всему геному. Модель предсказывает, как knockout гена на раннем этапе изменит биологическую траекторию клетки на поздних стадиях развития.
Почему это важно для фармацевтического бизнеса
В разработке препаратов поиск мишеней остается наиболее рискованным этапом. По данным FDA, до клиники доходит менее 10% исследуемых целей. PerturbGen фактически создает виртуальный полигон для тестирования гипотез. Вместо дорогостоящих CRISPR-экспериментов, Операционный директор может санкционировать сначала вычислительный тест тысяч гипотез.
Это прямо влияет на экономику НИОКР: сокращается количество «мокрых» лабораторных тестов, ускоряется target validation и снижаются затраты на десятки миллионов долларов на проект. Генеральный директор должен понимать: моделирование становится ядром стратегии, а не вспомогательным инструментом.
Конкурентная гонка AI-биологии
Разработка Wellcome Sanger Institute вписывается в глобальную битву платформ. Ключевые игроки, такие как Recursion Pharmaceuticals, Deep Genomics и Insitro, стремятся сдвинуть объем гипотез в вычислительную среду. Однако PerturbGen уникален тем, что фокусируется на траекториях состояний, что критично для онкологии и нейродегенерации.
Технологический барьер и перспективы
Kevin Chi Hao Ly указывает на ограничения: точность зависит от плотности данных. Если промежуточные стадии клеточного развития представлены слабо, прогнозы теряют надежность. Тем не менее, Бигфарма уже форсирует внедрение таких систем для масштабных скринингов, которые невозможно реализовать физически.
Отрасль движется к новой модели: сначала строится цифровая копия биологии, затем на ней тестируются гипотезы, и только потом начинается лабораторная работа. В ближайшие 5–10 лет структура капитальных затрат в индустрии радикально изменится, перенося discovery-риски в область IT.