$LLY только что открыла исходный код своей модели фармакокинетики малых молекул, обученной совместно с insitro. Модель предсказывает распределение препаратов in vivo по тканям на основе данных многолетних доклинических исследований на разных видах животных — о сотнях тысяч молекул.
Это не благотворительность. Это информационное преимущество, замаскированное под открытую науку.
В тот же день Iambic подала заявку IND на IAM217 — ингибитор KIF18A, разработанный без структуры совместного кристалла. Их NeuralPLexer смоделировала позу связывания и оптимизировала молекулу, повысив активность с 100 нМ до 10 нМ. Разработка молекул быстро становится общедоступной. Настоящий дефицит переместился на более ранние этапы.
Данные in vivo — это HBM для ИИ-открытия лекарств. 90% неудач клинических испытаний связаны не с механизмом действия, а с фармакокинетикой. Молекула просто не достигла ткани-мишени в эффективной концентрации. Нельзя купить данные о дозировании животных за 30 лет. У небольших биотех-компаний много вычислительных ресурсов, но мало данных.
Ставка TuneLab — федеративное обучение. Модели обучаются локально у фармацевтических партнёров, на сервер загружаются только градиенты. Исходные молекулярные структуры остаются за межсетевыми экранами. Начинали с 5 партнёров, теперь их больше 125. Более 675 тыс. внешних точек данных возвращаются в систему. Решение уже интегрировано в $RVTY, $SDGR, Benchling и CDD Vault — инструменты, которыми учёные пользуются каждый день.
Настоящее узкое место — не вычислительные ресурсы, а пропускная способность мокрых лабораторий. $CRL привлекли к проведению стандартизированных исследований на животных со скидкой для участников TuneLab. Чёткие протоколы — качественные данные для обратной связи. В дорожной карте FDA на 2025 год прямо рекомендуется использовать NAMs (новые методологии) вместо исследований на животных. Чем теснее цикл между вычислениями и мокрой лабораторией, тем сильнее ограничивающим фактором становится валидация.
Ценовое преимущество в AIDD смещается от тех, кто умеет обучать модели, к тем, кто контролирует циклы накопления данных и инфраструктуру стандартизированной валидации.
Компании, продающие «кирки и лопаты»: $LLY (источник данных и платформа), $CRL (узкое место валидации), $SDGR (уровень вычислительной химии), $RVTY (точка интеграции с лабораторным ПО).
Это не благотворительность. Это информационное преимущество, замаскированное под открытую науку.
В тот же день Iambic подала заявку IND на IAM217 — ингибитор KIF18A, разработанный без структуры совместного кристалла. Их NeuralPLexer смоделировала позу связывания и оптимизировала молекулу, повысив активность с 100 нМ до 10 нМ. Разработка молекул быстро становится общедоступной. Настоящий дефицит переместился на более ранние этапы.
Данные in vivo — это HBM для ИИ-открытия лекарств. 90% неудач клинических испытаний связаны не с механизмом действия, а с фармакокинетикой. Молекула просто не достигла ткани-мишени в эффективной концентрации. Нельзя купить данные о дозировании животных за 30 лет. У небольших биотех-компаний много вычислительных ресурсов, но мало данных.
Ставка TuneLab — федеративное обучение. Модели обучаются локально у фармацевтических партнёров, на сервер загружаются только градиенты. Исходные молекулярные структуры остаются за межсетевыми экранами. Начинали с 5 партнёров, теперь их больше 125. Более 675 тыс. внешних точек данных возвращаются в систему. Решение уже интегрировано в $RVTY, $SDGR, Benchling и CDD Vault — инструменты, которыми учёные пользуются каждый день.
Настоящее узкое место — не вычислительные ресурсы, а пропускная способность мокрых лабораторий. $CRL привлекли к проведению стандартизированных исследований на животных со скидкой для участников TuneLab. Чёткие протоколы — качественные данные для обратной связи. В дорожной карте FDA на 2025 год прямо рекомендуется использовать NAMs (новые методологии) вместо исследований на животных. Чем теснее цикл между вычислениями и мокрой лабораторией, тем сильнее ограничивающим фактором становится валидация.
Ценовое преимущество в AIDD смещается от тех, кто умеет обучать модели, к тем, кто контролирует циклы накопления данных и инфраструктуру стандартизированной валидации.
Компании, продающие «кирки и лопаты»: $LLY (источник данных и платформа), $CRL (узкое место валидации), $SDGR (уровень вычислительной химии), $RVTY (точка интеграции с лабораторным ПО).
