Эпоха многолетнего лабораторного скрининга белковых регуляторов подходит к концу. Пока индустрия по старинке перебирала природные последовательности, глубокое обучение превратило клеточное производство в предсказуемый ИТ-процесс. Согласно отчету в журнале Nature Machine Intelligence, исследователи представили сквозную ИИ-платформу, решившую проблему проектирования IRES (участков внутренней посадки рибосомы). Эти элементы позволяют синтезировать белок в обход стандартной кэп-структуры, что критически важно для РНК-терапии, однако их рациональный дизайн до сих пор считался невыполнимой задачей.
Система, включающая модули IRES-LM, IRES-EA и IRES-DM, знаменует переход от случайных находок к проектированию de novo. По данным исследования, модель IRES-LM, обученная на 46 774 последовательностях, уже превосходит существующие аналоги по точности прогноза на 15%. В сегменте кольцевых РНК алгоритм безошибочно определил все экспериментально подтвержденные последовательности. Однако настоящий прорыв кроется в генерации: эволюционный алгоритм IRES-EA показал успех в 98,4% случаев при функциональной конвертации мутаций, а диффузионная модель IRES-DM выдала невероятную точность в 99,3% при создании абсолютно новых IRES-последовательностей «с нуля».
На наш взгляд, это классический пример того, как биология окончательно мигрирует из «мокрой» лаборатории в GPU-кластеры. Технология переводит исследования и разработки (R&D) из режима поиска «ископаемых» в режим архитектурного бюро. ИИ генерирует структуры, которые сохраняют функции природных аналогов, но при этом уникальны по своей последовательности. Для бизнеса это означает радикальное сокращение цикла разработки: вместо десятилетий метода проб и ошибок — высокоточный цифровой синтез РНК-препаратов с заданными параметрами.
Прорыв в генерации de novo с точностью 99,3% — это сигнал о завершении эры «интуитивной» биотехнологии. Теперь стоимость разработки лекарств отделяется от непредсказуемости живой природы и привязывается к вычислительным мощностям. Мы полагаем, что компании, которые первыми внедрят генеративные диффузионные модели в свои рабочие процессы, получат контроль над масштабируемостью РНК-терапии следующего поколения. По сути, биологический ажиотаж сменяется инженерным расчетом с понятными показателями окупаемости инвестиций (ROI).