Интеграция ИИ в создание лекарств совершила новый прорыв: алгоритмы машинного обучения успешно предсказали молекулу антибиотика, активную против устойчивых штаммов бактерий.
Введение: сочетание глубоких нейронных сетей и биоинформатики ускорило поиск кандидатов, экономя недели лабораторного времени.
Техническая суть: модели на основе графовых нейросетей проанализировали структуры 10 млн соединений и выявили 5 перспективных кандидатов, один из которых показал эффективность in vitro.
Пример: исследование McMaster University совместно с MIT продемонстрировало 90% ингибирующую активность против Clostridioides difficile.
Бизнес-контекст: фармстартапы получают инструмент, снижающий R&D затраты на 30%, что привлекает новые инвестиции в биотех.
Практическое значение: разработчики биоинформатических платформ могут интегрировать открытые модели для собственных проектов.
