Российская база MetalCytoToxDB показывает, как ИИ начинает менять экономику раннего поиска онкопрепаратов
Российские ученые из ИОНХ РАН и МГУ создали крупнейшую в мире базу данных противоопухолевой активности металлсодержащих соединений и обучили модели машинного обучения для прогнозирования эффективности потенциальных онкопрепаратов еще до лабораторного синтеза. Проект MetalCytoToxDB закрывает один из ключевых дефицитов современной онкологической химии — нехватку структурированных данных для ИИ-моделей — и может заметно ускорить ранний этап разработки противоопухолевых препаратов, снизив объем дорогостоящих экспериментальных исследований.
 |
| Российская база MetalCytoToxDB уже помогает ИИ отбирать перспективные металлсодержащие соединения для онкологии |
Почему металлсодержащая онкология снова становится перспективным направлением
Интерес к металлсодержащим противоопухолевым препаратам в мировой фарме существует десятилетиями, но долгое время развитие этого класса шло медленно. Главная причина — высокая сложность предсказания эффективности и токсичности таких соединений.
Классическим примером успешного применения металлов в онкологии остается цисплатин — один из наиболее известных препаратов химиотерапии. Металл в составе комплекса способен вмешиваться в работу опухолевой клетки: повреждать ДНК, нарушать деление или запускать механизмы клеточной гибели.
Однако после успеха цисплатина индустрия столкнулась с системной проблемой: поиск новых соединений оказался крайне затратным и мало предсказуемым. Для каждого потенциального кандидата требовались длительные лабораторные циклы синтеза и тестирования, а накопленные данные оставались разрозненными между тысячами научных публикаций.
По данным Минобрнауки РФ, международные базы практически не содержали систематизированной информации о комплексах переходных металлов. Это ограничивало применение современных методов искусственного интеллекта, поскольку эффективность ИИ напрямую зависит от объема и качества обучающих массивов данных.
MetalCytoToxDB закрывает дефицит данных, который тормозил применение ИИ в онкологии
Для создания MetalCytoToxDB исследователи ИОНХ РАН и МГУ вручную обработали более 1900 рецензируемых научных публикаций. В результате была сформирована крупнейшая в мире специализированная база данных цитотоксичности металлсодержащих соединений.
В базу вошли более 26 500 значений IC50 — показателя концентрации вещества, необходимой для подавления активности клеток на 50%. Эти данные охватывают 7050 комплексов пяти переходных металлов: рутения, иридия, родия, рения и осмия.
Дополнительно база содержит результаты испытаний на 754 типах опухолевых клеток. Для фармацевтической науки это особенно важно, поскольку разные типы опухолей могут по-разному реагировать на один и тот же механизм воздействия.
Фактически российские исследователи создали инфраструктурный массив данных, без которого невозможно полноценное применение машинного обучения в данной области. Для мировой онкологической химии это важный переход: от фрагментарного накопления публикаций к системному data-driven-подходу.
 |
| MetalCytoToxDB объединяет крупнейший массив данных по металлсодержащим соединениям для онкологии и помогает ИИ быстрее отбирать перспективные молекулы для исследований. |
Точность 90% меняет логику раннего отбора молекул
На основе собранных данных ученые обучили модели машинного обучения, способные прогнозировать противоопухолевую активность новых соединений еще до их синтеза.
Исследователи протестировали модель на научных работах 2025 года, которые не использовались при обучении алгоритма. По данным ИОНХ РАН, система в 9 случаях из 10 корректно определяла соединения, способные подавлять рост опухолевых клеток.
Речь идет не о полном замещении лабораторной работы, а о резком сокращении числа бесперспективных кандидатов. Для фармацевтической разработки это может иметь существенный экономический эффект.
Ранний этап drug discovery традиционно характеризуется крайне высокой долей неудач. Компании вынуждены синтезировать и тестировать огромные массивы молекул, большинство из которых не проходят даже первичную оценку эффективности. Если алгоритм позволяет заранее отсеивать значительную часть слабых кандидатов, стоимость исследований может снижаться еще до перехода к доклиническим стадиям.
Именно поэтому интерес к AI-driven drug discovery в последние годы резко вырос не только у биотех-компаний, но и у Большой фармы.
Металлсодержащие препараты могут получить вторую волну интереса
Мировой онкорынок в последние годы был сосредоточен преимущественно на таргетной терапии, иммунной онкологии и клеточных технологиях. На этом фоне металлсодержащие соединения оставались относительно нишевым направлением.
Однако развитие вычислительных методов меняет ситуацию. Если раньше поиск новых комплексов был слишком медленным и дорогим, то ИИ-модели способны резко повысить скорость перебора перспективных химических структур.
Это особенно важно для сложных опухолей, где устойчивость к существующим препаратам остается серьезной проблемой. Металлсодержащие соединения обладают иными механизмами действия по сравнению с классическими таргетными препаратами, а значит могут использоваться там, где текущие подходы теряют эффективность.
Кроме того, растет интерес к комбинированным схемам терапии, где металлсодержащие агенты могут использоваться совместно с иммунной онкологией или таргетными препаратами.
Почему проект важен не только для науки, но и для фарминдустрии
Создание подобных баз данных постепенно становится отдельным конкурентным преимуществом в фармацевтической разработке. Сегодня ценность представляет уже не только сама молекула, но и способность компании быстрее конкурентов находить перспективные кандидаты.
MetalCytoToxDB интересна тем, что речь идет не просто о научной публикации, а о создании платформенного инструмента. Подобные массивы данных могут использоваться:
- для обучения новых моделей;
- для виртуального скрининга молекул;
- для поиска закономерностей между структурой и активностью;
- для оптимизации затрат на ранний R&D.
Для российской науки это также попытка укрепить позиции в сегменте computational chemistry — области, где конкуренция определяется не только лабораторной инфраструктурой, но и качеством данных.
Где российский фармрынок может почувствовать эффект быстрее всего
Непосредственного влияния на аптечный ассортимент проект пока не окажет: речь идет о раннем этапе исследований, а не о готовых препаратах. Однако для российского фармрынка значение истории шире, чем может показаться на первый взгляд.
Во-первых, усиливается значение собственных цифровых платформ разработки лекарств. В условиях ограниченного доступа к части международных технологий российские исследовательские центры и фармкомпании все активнее ищут способы ускорять разработку внутри страны.
Во-вторых, рынок постепенно смещается от простой локализации производства к конкуренции в области собственных разработок. Для этого нужны не только лаборатории, но и массивы структурированных данных, пригодных для машинного обучения.
В-третьих, подобные проекты могут усилить интерес к партнерствам между академической наукой и фармбизнесом. Наконец, для медицинского и маркетингового сегмента важен сам тренд: искусственный интеллект постепенно становится не вспомогательным инструментом, а частью базовой инфраструктуры разработки лекарств.
Как меняется экономика раннего R&D в онкологии
Главный практический эффект подобных платформ — изменение соотношения между стоимостью поиска молекулы и вероятностью успеха. Традиционная модель онкологического R&D предполагает огромный объем «слепого» лабораторного перебора.
Модели машинного обучения не устраняют риск неудачи, но позволяют перераспределить ресурсы: меньше времени тратится на заведомо слабые соединения, больше — на перспективные направления. Для отрасли это означает постепенный переход от химии, основанной преимущественно на эксперименте, к химии, основанной на данных.
Данная публикация предназначена для специалистов здравоохранения и участников фармрынка. Аналитические выводы редакции носят информационный характер и не являются призывом к самолечению или заменой очной консультации врача. При работе с лекарственными препаратами необходимо руководствоваться официальной инструкцией и мнением профильного специалиста. Полный текст дисклеймера.