Дебора Борфиц
2 апреля 2026 г. | Вслед за аналогичной победой в 2025 году, компания Inductive Bio в начале этого года завоевала золото в конкурсе прогнозирования свойств химических соединений, имеющих решающее значение для разработки лекарств, в котором могли участвовать все желающие. Это была бы битва Давида против Голиафа, если бы некоторые из крупных фармацевтических компаний, которые она превзошла, уже не были знакомы с ее технологией Beacon или не имели налаженных партнерских отношений в области разработки лекарств.
В последнем конкурсе OpenADMET-ExpansionRx, проводимом вслепую, компания Inductive Bio заняла первое место среди более чем 370 участников, что, по словам Джоша Хаймсона, соучредителя и генерального директора компании, специализирующейся на создании виртуальных химических лабораторий для разработки высококачественных молекул с максимальной скоростью, стало настоящей «Олимпиадой прогнозирования ADMET». ADMET — сокращение от «абсорбция, распределение, метаболизм, выведение и токсичность» — определяет, является ли соединение безопасным и эффективным для человеческого организма, и эти данные требуются регулирующим органам, таким как Управление по санитарному надзору за качеством пищевых продуктов и медикаментов (FDA), для одобрения лекарственных препаратов, поскольку они представляют собой ключевые измеримые процессы, определяющие фармакокинетику лекарственного средства.
В прошлом году в первом конкурсе Polaris ADMET участвовало всего 39 конкурсантов, и целью было прогнозирование ADMET для основной программы разработки протеазы коронавируса, говорит он. Последнее исследование по прогнозированию было направлено на прогнозирование ADMET для миотонической дистрофии, бокового амиотрофического склероза и деменции.
Терапевтические направления были связаны с доступностью анонимизированных данных, предоставленных, соответственно, некоммерческими организациями ASAP Discovery Consortium и Expansion Therapeutics. Оба конкурсных мероприятия были организованы фондом Open Molecular Software Foundation.
«Эти соревнования действительно служат точками проверки эффективности создаваемой нами платформы», — говорит Хаймсон, добавляя, что конкурентное преимущество компании заключается в «сочетании команды, данных и механизмов обратной связи, которые мы здесь создали». Цифровые симуляции, которые разрабатывает Inductive Bio, «отражают методы проведения научных исследований в лабораторных условиях», но используют искусственный интеллект для ускорения и повышения эффективности этих процессов.
Традиционный процесс разработки лекарственного препарата, пригодного для клинических испытаний на людях, может занимать от трех до четырех лет проб и ошибок, говорит он. Создавая виртуальные модели этих экспериментов, компания Inductive Bio может сократить эти сроки до девяти-двенадцати месяцев.
«Искусственный интеллект, используемый химическими помощниками компании, позволяет исследовать миллионы гипотез, недоступных человеку, и таким образом выявлять лучшие молекулы для лабораторных исследований и, в конечном итоге, для клинического применения», — говорит Хаймсон. «Теперь мы можем делать это в рамках десятков активных программ разработки».
Но главный вопрос, который все задают, — что реально, а что — пустая болтовня в отношении ИИ, и «для этой конкретной проблемы прогнозирования и оптимизации ADMET и фармакокинетики молекул это… не шумиха», — говорит Хаймсон. «Мы доказали это в этих двух подряд слепых конкурсах, где нет возможности обмануть».
Флэтайрон Рутс
И Хаймсон, и его соучредитель Бен Бирнбаум, главный технический директор Inductive Bio, ранее работали в Flatiron Health, где возглавляли команды по машинному обучению и анализу данных, активно занимавшиеся клиническими исследованиями в области онкологии. Приобретение Flatiron компанией Roche в 2018 году положило начало пути компании к разработке лекарств на ранних стадиях.
Как добавляет Хаймсон, в то время существовало множество завышенных ожиданий относительно возможностей ИИ, что делало его одновременно и практиком, и скептиком в отношении ИИ. В поисках истины он консультировался с сотнями ученых внутри и за пределами компании Roche, в конце концов остановившись на области молекулярной оптимизации как на месте, где передовые технологии ИИ начали становиться «достаточно хорошими… чтобы изменить ситуацию» в реальном мире.
«Если вы достаточно долго изучаете реальные данные по онкологии, это очень отрезвляет, и становится совершенно ясно, что многие пациенты до сих пор не имеют эффективного лечения», — говорит Хаймсон, что привело его и Бирнбаума к выводу о возможности проведения более значимой работы на более ранних этапах процесса разработки лекарств. В 2021 году они запустили компанию Inductive Bio с целью устранения разрозненности наборов данных о свойствах лекарств в различных фармацевтических и биотехнологических компаниях — подобно тому, как Flatiron устраняла разрозненность данных между онкологическими клиниками — путем предоставления безопасного механизма для обмена данными и совместного обучения.
В отрасли созданы тысячи молекул, измерены их свойства и изучено, как эти молекулы взаимодействуют с организмом. Компания Inductive Bio создала консорциум по предконкурентным исследованиям ADMET, чтобы открыть этот кладезь информации для совместных исследований. «Наши партнеры могут предоставлять данные для обучения наших моделей безопасным и защищенным авторским правом способом, что позволяет каждому члену консорциума извлекать выгоду из коллективной информации, которой обмениваются в отрасли», — говорит Хаймсон.
Еще одна отличительная особенность подхода Inductive Bio заключается в том, что его модели активно используются в программах разработки лекарств, что позволяет инженерам по искусственному интеллекту и ученым, занимающимся разработкой лекарств, постоянно обучать алгоритмы, используя обратную связь о правильных и неправильных прогнозах. Среди публично объявленных партнеров компании в области биотехнологий — Nested Therapeutics, Rapport Therapeutics, Arrakis Therapeutics, Architect Therapeutics, Aleksia Therapeutics, Nexo Therapeutics, Belharra Therapeutics и Tenvie.
По словам Хаймсона, клиенты работают в различных терапевтических областях, включая онкологию, воспалительные процессы, неврологию и редкие заболевания. Во всех случаях основное внимание уделяется ADMET (адипонектин, метаболизм, выведение и фармакокинетика), «одному из основных препятствий на пути разработки лекарства и его внедрения в клиническую практику, независимо от того, какое заболевание вы пытаетесь лечить».
Переходим в «зону избегания»
Неудивительно, что в этом году мероприятие OpenADMET-ExpansionRx собрало такое большое количество участников, поскольку в сфере разработки лекарств наблюдается растущий интерес и внимание к ADMET, говорит Хаймсон. «Не должно требоваться четыре года и 4000 молекул, чтобы найти ту самую иголку в стоге сена… которая сможет эффективно проникнуть в организм и стать лекарством».
По словам Хаймсона, ADMET можно рассматривать как «все, что лекарство должно делать в организме, помимо попадания в цель». Например, при разработке перорального препарата в онкологии это означает не только эффективное уничтожение раковых клеток, но и устойчивость к деградации под действием ферментов желудка и печени, проникновение в кишечник, а затем через кишечную стенку в кровоток, где оно растворяется и распределяется по всему организму, достигая опухолей, включая преодоление гематоэнцефалического барьера, если рак метастазировал в мозг. «На всем этом пути препарат не должен воздействовать на другие органы и вызывать хаос, который мог бы привести к токсичности или проблемам с переносимостью препарата».
«Авоидом» — это новый термин, придуманный экспертами в области разработки лекарств, который относится к белкам, с которыми кандидатам в лекарственные препараты следует избегать взаимодействия, чтобы предотвратить плохие показатели ADMET, а также неблагоприятные фармакологические эффекты и риски для безопасности, — поясняет он. «Долгое время эта область фокусировалась на геномике, транскриптомике и всех омиксных технологиях, которые помогают нам понять, на что следует воздействовать в организме для лечения болезни, а авоидом действительно пытается изменить это… сказать, что так же важно избегать всего того, от чего нужно держаться подальше, что может привести к неэффективности лекарства у людей».
Хотя технологии искусственного интеллекта, безусловно, уже справляются с задачей оценки и прогнозирования ADMET-свойств малых молекул, существует множество других областей, где отсутствуют большие, тщательно отобранные, доконкурентные наборы данных, необходимые для лучшего понимания биологии и проведения значимой работы, говорит Хаймсон. Открытые инициативы по сравнительному анализу являются «настоящей проверкой» того, могут ли модели работать с молекулами, которые никогда ранее не были опубликованы.
В последнем конкурсе приняли участие представители самых разных отраслей, включая компанию Merck, занявшую второе место в сотрудничестве с NVIDIA, и компанию EMD Serono, занявшую третье место — две крупнейшие фармацевтические компании и крупнейшую в мире компанию, занимающуюся разработкой искусственного интеллекта. Конкурс был анонимным, но, судя по предоставленной информации, среди других участников были различные ученые, группы, занимающиеся разработкой лекарств с использованием ИИ, и сотрудники биотехнологических компаний.
Проект моделирования токсичности
По словам Хаймсона, компания Inductive Bio планирует участвовать и в других предстоящих конкурсах, но победа в них является второстепенным аспектом по отношению к ее главной цели — помогать своим партнерам в разработке лекарств создавать и открывать более эффективные препараты. Конкурсы — это «полезные доказательства, позволяющие с помощью независимой проверки показать, что то, что мы создаем, действительно работает… и мы действительно лучшие в этой области в [моделировании ADMET]».
И это большое преимущество на все более переполненном рынке ИИ. Как справедливо отмечает Хаймсон, кажется, каждую неделю появляется новая компания, занимающаяся ИИ, которая утверждает, что ее платформа может значительно сократить затраты и сроки разработки лекарств.
«Я думаю, что в этой области много людей, которые преувеличивают и заявляют о том, чего еще нет», — говорит он. Даже с моделями Beacon от Inductive Bio переход от ранних химических соединений к разрабатываемому кандидату, готовому к испытаниям на людях, «происходит не потому, что ИИ сам по себе создает идеальную молекулу. На самом деле, речь идет об ИИ как инструменте, который позволяет ученым сосредоточить свое время и ресурсы на наиболее перспективных молекулах и наиболее вероятных идеях, которые имеют более высокую вероятность успеха при проведении лабораторных исследований».
Токсичность остается одной из главных проблем разработки лекарств, говорит Хаймсон, переходя к новости о том, что компания Inductive Bio получила грант в размере до 21 миллиона долларов от Агентства перспективных исследовательских проектов в области здравоохранения (ARPA-H) для руководства межинституциональной группой по разработке моделей токсичности лекарств нового поколения с целью создания более безопасных терапевтических средств и снижения зависимости от тестирования на животных. Проблемы безопасности трудно выявить на доклинических этапах с помощью тестов на животных, поэтому одной из главных задач FDA и администрации является улучшение моделирования безопасности лекарств на людях при одновременном сокращении количества животных, необходимых для этих исследований.
Грант предоставлен программой CATALYST (Computational ADME-Tox and Physiology Analysis for Safer Therapeutics) ARPA-H и будет направлен на создание моделей прогнозирования токсичности совместно с компанией Amgen и несколькими ведущими академическими исследователями в области органоидов печени человека и систем тканей человека ex vivo, сообщает он. Вместе они получат большой объем данных о двух основных факторах, вызывающих токсичность: лекарственно-индуцированном поражении печени и кардиотоксичности, на которые приходится около 40% проблем безопасности, возникающих в клинических испытаниях и приводящих к прекращению программ разработки лекарственных препаратов.
Первые три года так называемого проекта DATAMAP (Digital Acceleration of Toxicity Assessment with Mechanistic and AI-driven Predictions) будут посвящены разработке и проверке того, насколько модели «цифровой печени» отражают реакцию человеческой печени на различные лекарственные препараты, включая их токсическое действие. Как отмечает Хаймсон, будет использована большая часть той же базовой технологии и архитектуры, что и для моделей Beacon, хотя «мы нацелены на совершенно новый класс биологических данных, чтобы иметь шанс предсказать эти [сигналы безопасности]».
По словам Хаймсона, в течение последних двух лет проекта DATAMAP компания Amgen планирует использовать эти модели для поддержки процесса подачи заявок в FDA на регистрацию новых молекулярных соединений.
Источник: www.bio-itworld.com
