# AI-агенты в поиске лекарств: что ускоряется, а что нет

Как устроен путь лекарства от мишени до одобрения, какие этапы AI-агенты уже сокращают с месяцев до минут и почему лабораторные опыты и клинические испытания остаются долгими.

- Автор: Guide DAO
- Опубликовано: 2026-10-24
- Теги: Биотех, AI-агенты
- Страница: https://www.guidedao.xyz/blog/ai-agenty-v-poiske-lekarstv

21 октября OpenAI [рассказала](https://openai.com/index/scaling-ai-research-for-complex-biological-data/), как тысячи агентов на модели GPT-Rosalind за 32 минуты разобрали данные по миллионам клеток мозга мыши и предложили новую гипотезу о болезни Перри, редком нейродегенеративном заболевании. За ту же неделю OpenAI купила Orchestra Bio, стартап с агентами для управления разработкой лекарств, а бывший директор по продукту OpenAI Кевин Уил привлёк 215 млн долларов на роботизированные лаборатории.

По заголовкам кажется, что лекарства скоро будут появляться за часы. Что из этого ускорилось, видно, если разложить путь лекарства по этапам.

## Как лекарство идёт от идеи до аптеки

Всё начинается с мишени. Это белок или ген, изменение работы которого должно повлиять на болезнь. Чтобы выбрать мишень, учёные связывают данные экспериментов с тем, что уже известно о болезни, и проверяют, что вмешательство в мишень меняет течение болезни.

Дальше ищут хит, молекулу, которая хоть как-то действует на мишень. Обычно это результат скрининга тысяч соединений. Хит слабый и неизбирательный, поэтому химики много циклов подряд меняют его структуру, синтезируют варианты и проверяют их. Так получается лид, молекула с приемлемой силой действия, избирательностью и свойствами, похожими на лекарственные. Из лучших лидов выбирают кандидата и отправляют его в доклинику: опыты на клетках и животных, токсикология, разработка производства.

Только после этого начинаются испытания на людях. Первая фаза проверяет безопасность и дозировку на небольшой группе, вторая впервые смотрит, работает ли препарат у пациентов, третья подтверждает эффект на большой выборке. Потом регулятор рассматривает заявку. В анонсе сделки с Orchestra Bio OpenAI [пишет](https://openai.com/index/openai-to-acquire-orchestra-bio/), что путь от поиска мишени до одобрения в США в среднем занимает 10–15 лет.

Большинство кандидатов отсеивается. По [отчёту BIO](https://www.bio.org/clinical-development-success-rates-and-contributing-factors-2011-2020) о 9704 программах за 2011–2020 годы первую фазу проходят 52% препаратов, вторую 28,9%, третью 57,8%, рассмотрение регулятором 90,6%. От первой фазы до одобрения доходит 7,9%, и в среднем этот путь занимает 10,5 года.

## Что сделали агенты GPT-Rosalind

Исходные данные взяли из CRISPR-атласа мозга мыши. В нём учёные по отдельности отключали почти 2 тыс. генов и смотрели, как меняется работа генов в разных типах клеток. В [препринте](https://www.biorxiv.org/content/10.64898/2026.10.15.759436v1) OpenAI, PerturbAI и Scripps Research каждому агенту дали одно отключение из 1946. Агент изучал данные, искал статьи и писал отчёт с объяснением и планом следующих опытов. Отчёты собрали в общий граф связей между генами, клетками и публикациями.

Агенты прочитали 39 185 статей и сохранили 16 445 ссылок, вся работа заняла 32 минуты. В X эта цифра разошлась как «40 000 статей», хотя это число прочтений, и одна статья могла попасть к нескольким агентам. Оценку «от месяцев до года» для людей авторы получили расчётом: 22 доллара в час, 15 минут на одно отключение и 10 минут на статью. Сами авторы пишут, что это не замер реальной работы людей.

Агентам не показывали исходную статью об атласе, и они сами пришли к её выводам. Эксперты в слепом сравнении в 75% случаев предпочли отчёты распределённых агентов отчётам одного агента, который получил весь датасет целиком. Одиночный агент на самой большой нагрузке сослался на 11 источников, распределённые больше чем на 700.

Самая заметная находка касается гена DCTN1. Его мутации вызывают болезнь Перри с симптомами, похожими на паркинсонизм. Он участвует в доставке грузов внутри нейрона. При отключении Dctn1 у мыши в нейронах усиливалась работа генов, которые синтезируют холестерин. Агенты связали это с работами, где нарушенный транспорт холестерина заставляет клетку производить его больше. Получилась гипотеза: возможно, холестерин не доходит туда, где он нужен нейрону, и если восстановить его распределение, нейроны удастся защитить.

## Почему «лид» здесь не лекарство

OpenAI называет находку новым лидом для поиска лекарств. В языке разработки лид означает молекулу, а здесь речь о зацепке, гипотезе о механизме болезни. В цепочке этапов выше это шаг до выбора мишени. Гипотезу ещё нужно проверить в лаборатории, затем найти, на что воздействовать, и только потом искать молекулу.

У гипотезы есть ограничения, о которых пишут сами авторы. Данные получены на мышах. Препринт не прошёл рецензирование, а среди авторов сотрудники OpenAI и PerturbAI. Агенты ошибались. Например, для генов Pomp, Thoc2 и Pafah1b1 они предсказали сильную реакцию клеток, а в данных её не оказалось. Проверку механизмов авторы прямо оставляют эксперименту.

Есть и пример полного пути. Insilico Medicine называет препарат rentosertib первым, у которого и мишень, и молекулу нашёл генеративный AI. В 2025 году компания [опубликовала](https://www.biospace.com/press-releases/insilico-medicine-announces-nature-medicine-publication-of-phase-iia-results-evaluating-rentosertib-the-novel-tnik-inhibitor-for-idiopathic-pulmonary-fibrosis-ipf-discovered-and-designed-with-a-pioneering-ai-approach) в Nature Medicine результаты фазы IIa при фиброзе лёгких: 71 пациент, 12 недель лечения. По данным Insilico, её кандидаты в среднем проходят путь от старта проекта до доклинического кандидата за 12–18 месяцев. Ранние этапы сжались, но препарат всё ещё на второй фазе, и впереди более крупные испытания.

## Что ускоряется, а что нет

Ускоряется работа с информацией. Агенты читают литературу, сводят данные с известными фактами, предлагают гипотезы и следующие эксперименты. Модели помогают проектировать молекулы. Агенты Orchestra Bio следят за программой разработки: если, например, сорвалась партия на производстве, они показывают, какие исследования и сроки это задевает, и сравнивают варианты действий.

Медленными остаются этапы, где ответ даёт только реальный мир. Молекулу нужно синтезировать и проверить на клетках и животных. Испытания на людях идут годами, потому что нужно набрать пациентов и дождаться эффекта. Как написал один [скептик в X](https://x.com/Biotech2k1/status/2112962383693930508), даже если агент спроектировал препарат за 12 часов, потом всё равно лет пять придётся проводить испытания и доказывать, что он работает у людей и никого не убивает.

На этот разрыв и делает ставку Warp Sciences Кевина Уила. Компания [привлекла](https://x.com/kevinweil/status/2113294657673466060) 215 млн долларов в раунде под руководством Lightspeed и строит в США доклиническую контрактную лабораторию, которая будет синтезировать и тестировать молекулы для фармкомпаний. Своих препаратов Warp разрабатывать не будет. Начнут с химиков, которые работают руками, и будут постепенно автоматизировать их работу. Уил объясняет, что моделям для химии и биологии не хватает экспериментальных данных, и роботизированные лаборатории должны их производить. Это план, результатов у компании пока нет.

## Как читать такие новости

Спрашивайте, на каком этапе находка. Между гипотезой о механизме, выбранной мишенью, лидом, кандидатом и препаратом во второй фазе лежат годы работы, и шансы дойти до аптеки у них разные.

Смотрите, что именно измерено. «Месяцы работы людей» в препринте OpenAI получены расчётом, а «40 000 статей» оказались числом прочтений.

Ищите экспериментальную проверку. Пока гипотезу не проверили в лаборатории, она остаётся идеей для следующего опыта. Хорошей идеей, если её отобрали эксперты, но не результатом.

Как программа идёт от мишени до продукта, что такое PK/PD и как читать данные первой фазы, разбираем на курсе «Биотек 101».

Курс Guide DAO: [Биотек 101](https://www.guidedao.xyz/biotech)