Биология + AI: новая фарма, лонгевити и синтетическая биология

Пересечение искусственного интеллекта и биологии является одним из наиболее перспективных и наименее понимаемых инвестиционных направлений. В то время как основное внимание венчурного сообщества сосредоточено на генеративном AI для текста, кода и изображений, именно биология может оказаться отраслью, где AI создаст наибольшую экономическую ценность.

Причина проста: биология это информационная наука. ДНК это код. Белки это структуры данных. Метаболические пути это алгоритмы. AI, созданный для нахождения паттернов в данных, идеально подходит для биологических задач, где объем данных огромен, а сложность взаимодействий превышает возможности человеческого интеллекта.

Рынок AI-driven биотехнологий находится на ранней стадии, но растет экспоненциально. По оценкам аналитиков, глобальный рынок AI в фармацевтике и биотехнологиях может превысить 40 миллиардов долларов к 2030 году, а с учетом рынков лонгевити и синтетической биологии суммарный адресуемый рынок превышает триллион долларов.

AlphaFold от Google DeepMind стал одним из наиболее значимых научных достижений XXI века. Система решила проблему предсказания структуры белка, 50-летнюю grand challenge биологии, определив структуры практически всех известных белков (более 200 миллионов). Нобелевская премия по химии 2024 года, присужденная Демису Хассабису и Джону Джамперу за AlphaFold, подтвердила масштаб достижения.

Практическое значение AlphaFold для фармацевтики колоссально. Традиционный процесс определения структуры белка (рентгеновская кристаллография, cryo-EM) занимает месяцы или годы и стоит сотни тысяч долларов. AlphaFold делает это за минуты бесплатно. Это ускоряет drug discovery, позволяя фармацевтическим компаниям быстрее идентифицировать targets и разрабатывать молекулы, взаимодействующие с белками заданным образом.

AlphaFold 3 расширил возможности системы, позволяя предсказывать взаимодействия между белками, ДНК, РНК и малыми молекулами. Это открывает новые возможности для дизайна лекарств, понимания механизмов заболеваний и создания новых биологических систем.

Recursion построила одну из наиболее амбициозных платформ на пересечении AI и биологии. Компания комбинирует робототехнические лаборатории (автоматизированные эксперименты), масштабное биологическое профилирование (миллионы экспериментов) и AI-модели для анализа данных. Результат: крупнейший в мире проприетарный биологический датасет, который невозможно воспроизвести.

Recursion использует подход phenomics: вместо изучения отдельных молекулярных мишеней компания анализирует фенотипические изменения клеток в ответ на различные воздействия, используя AI для обнаружения паттернов. Это позволяет идентифицировать неожиданные терапевтические возможности, невидимые при традиционном подходе.

Компания публично торгуется (RXRX) и приобрела нескольких конкурентов для расширения платформы. Ее pipeline включает программы в онкологии, нейродегенеративных заболеваниях и редких болезнях.

Insilico Medicine стала первой компанией, которая довела полностью AI-designed лекарство до Phase II клинических испытаний. Молекула INS018_055, разработанная для лечения идиопатического легочного фиброза, была идентифицирована, оптимизирована и доведена до клинических испытаний с использованием AI-платформы компании. Весь процесс от идентификации мишени до Phase I занял менее трех лет, что в 2-3 раза быстрее традиционного подхода.

Основатель Инсилико Алекс Жаворонков является одним из пионеров применения AI в drug discovery и aging research. Компания базируется в Гонконге и Абу-Даби и привлекла значительное финансирование от ближневосточных и азиатских инвесторов.

Isomorphic Labs, спин-офф Google DeepMind под руководством Демиса Хассабиса, применяет технологии AlphaFold и другие AI-модели непосредственно к drug discovery. Компания заключила партнерства с Eli Lilly и Novartis на суммарную стоимость до 3 миллиардов долларов (включая milestone-платежи). Isomorphic фокусируется на small molecule drug design, используя AI для генерации и оптимизации молекул-кандидатов.

Стратегическое преимущество Isomorphic: доступ к технологиям и талантам DeepMind, которые считаются одними из лучших в мире в области AI для науки. Компания находится на ранней стадии, но потенциал создания принципиально нового подхода к разработке лекарств делает ее одной из наиболее наблюдаемых в отрасли.

Altos Labs, основанная в 2022 году с начальным финансированием около 3 миллиардов долларов, является наиболее амбициозным проектом в области longevity research. Среди инвесторов Юрий Мильнер и Джефф Безос. Компания привлекла ведущих ученых в области клеточного репрограммирования, включая Нобелевского лауреата Синъю Яманаку.

Научный подход Altos Labs основан на эпигенетическом репрограммировании: технологии, позволяющие обращать биологический возраст клеток, не превращая их обратно в стволовые. AI играет критическую роль в анализе данных репрограммирования, оптимизации протоколов и идентификации маркеров клеточного возраста. Если технология эпигенетического репрограммирования окажется переносимой на целые организмы, это будет означать возможность значительного замедления или обращения биологического старения.

Retro Biosciences, основанная при поддержке Сэма Альтмана (который, по различным данным, инвестировал 180 миллионов долларов личных средств), фокусируется на трех подходах к продлению жизни: аутофагия (процесс клеточного самоочищения), клеточное репрограммирование и терапия на основе плазмы. Компания заявляет амбициозную цель: увеличить продолжительность здоровой жизни человека на 10 лет.

Связь между AI и longevity не случайна: лидеры AI-индустрии (Альтман, Безос, Мильнер) являются крупнейшими инвесторами в longevity research. Мотивация может быть как личной (желание жить дольше в эпоху AGI), так и экономической (longevity market оценивается в сотни миллиардов долларов).

Calico, подразделение Alphabet, созданное в 2013 году, является одним из наиболее хорошо финансированных исследовательских центров в области старения. Компания работает в партнерстве с AbbVie и фокусируется на фундаментальных механизмах старения. Несмотря на значительные ресурсы (более 1 миллиарда долларов финансирования), Calico публикует мало информации о своих результатах, что затрудняет оценку прогресса.

Ginkgo Bioworks, крупнейшая в мире платформа для программирования клеток, использует AI для дизайна и оптимизации микроорганизмов. Компания создала автоматизированные foundries (биологические фабрики), где роботы и AI конструируют и тестируют генетические конструкции. Клиенты Ginkgo используют платформу для создания биологических продуктов: от ароматизаторов и пигментов до лекарственных препаратов и сельскохозяйственных продуктов.

Ginkgo стала публичной через SPAC в 2021 году на пике биотех-бума. С тех пор акции значительно снизились, отражая общее разочарование инвесторов в SPAC-компаниях и более длительные, чем ожидалось, сроки коммерциализации. Однако платформа Ginkgo остается уникальной по масштабу, и компания продолжает наращивать базу клиентов.

Zymergen, стартап в области синтетической биологии, привлекший более 1 миллиарда долларов, стал одним из наиболее громких провалов в biotech. Компания обещала революцию в материаловедении через AI-driven биологию, но столкнулась с фундаментальными научными и инженерными проблемами. После провала первого коммерческого продукта акции компании упали более чем на 70% за один день. Zymergen была поглощена Ginkgo Bioworks по цене, составляющей малую долю от пиковой оценки.

Урок Zymergen для инвесторов: даже при наличии AI и значительного финансирования биологические системы остаются непредсказуемыми. Разрыв между лабораторным демонстратором и коммерческим продуктом в биологии может быть огромным. AI ускоряет процесс, но не устраняет фундаментальную биологическую неопределенность.

AI трансформирует прецизионную медицину, позволяя подбирать лечение на основе генетического профиля, истории болезни и других индивидуальных факторов пациента. Компании вроде Tempus (основана Эриком Лефкофски, вышла на IPO) используют AI для анализа клинических и геномных данных, помогая онкологам подбирать оптимальные терапии.

Рынок прецизионной медицины оценивается в более чем 100 миллиардов долларов к 2030 году. AI является ключевым enabler этого рынка, позволяя обрабатывать объемы данных, недоступные для анализа человеком.

Конвергенция AI и биологии создает несколько инвестиционных возможностей с различными профилями риска и доходности. AI-powered drug discovery: наиболее зрелый сегмент, с публичными компаниями и валидированными партнерствами с Big Pharma. Риск: клинические испытания остаются непредсказуемыми. Доходность: если AI сократит стоимость разработки лекарства с 2-3 миллиардов до 200-500 миллионов долларов, это трансформирует экономику фармацевтики.

Лонгевити: высокорисковый, высокодоходный сегмент. Научные прорывы могут создать рынок объемом в триллионы долларов. Однако timeline непредсказуем, а регуляторный путь для anti-aging терапий не определен (FDA не рассматривает старение как болезнь).

Синтетическая биология: платформенная возможность с приложениями в множестве отраслей (фарма, сельское хозяйство, материалы, энергетика, продовольствие). Коммерциализация медленнее, чем ожидалось, но фундаментальная технология становится все более зрелой.

Биология + AI является потенциально триллионной конвергенцией, но инвесторам следует сохранять реалистичные ожидания относительно сроков и учитывать специфические риски биотех-сектора: клинические неудачи, регуляторные задержки и фундаментальную биологическую непредсказуемость.