• AlphaFold 3 предсказывает молекулярные взаимодействия на 50% точнее, чем лучшие известные методы; первый ИИ, который превзошёл физико-химические инструменты в структурном прогнозировании
• Isomorphic Labs запустит первые испытания на людях в конце 2026 года (перенесено с конца 2025), первоначально на онкологии; партнёрства с Eli Lilly и Novartis на $3 млрд дают доступ к лучшим командам фармы
• Фарма всё ещё движется медленнее, чем обещает ИИ: токсикология, масштабирование производства и регуляторная интеграция требуют лет, а не месяцев. Вызов 2026 — доказать, что ИИ-дизайн + классический процесс = реальные результаты
В начале мая 2024 года DeepMind и его дочерняя компания Isomorphic Labs выпустили AlphaFold 3 — модель, которая решила задачу, ставившую в тупик биологов и химиков: как разработать лекарство, если ты не можешь видеть, как молекулы действительно взаимодействуют между собой? AlphaFold 2 (2020) раскрыл структуру отдельного белка за минуты вместо лет. AlphaFold 3 пошёл дальше: она видит всю картину — как белок хватает лекарство, как ДНК оборачивается вокруг белка, как антитело связывается со своей мишенью.
Сегодня, в конце января 2026 года, этот прорыв входит в реальный мир. Demis Hassabis, глава Google DeepMind и лауреат Нобелевской премии по химии 2024 года, объявил на Всемирном экономическом форуме в Давосе, что Isomorphic Labs начнёт первые клинические испытания на людях к концу этого года — год спустя, чем планировалось. Это не слабость; это реальность того, как ИИ встречается с фармацевтикой.
Почему это имеет значение сейчас? Потому что если AlphaFold 3 действительно сможет повысить шансы успеха лекарства с 10% (современный стандарт) до значительно выше, это переопределит экономику медикаментозного разработки на планете. Фармацевтические компании тратят миллиарды и декады на создание одного лекарства. Если AlphaFold сжимает это до месяцев и снижает стоимость, это не просто инновация — это инфраструктура нового столетия.
Что это значит для индустрии
Демократизация дизайна лекарств
Традиционная фармакология движется так: учёные гадают, какой белок может быть причиной болезни. Потом они ищут молекулу, которая с ним свяжется. Обычно им требуется 5–10 лет экспериментов в лаборатории, чтобы найти даже одного кандидата. AlphaFold 3 переворачивает эту модель: дизайнер может попросить систему помочь найти молекулу, которая точно так же заблокирует нужный белок. Система выдаёт варианты в часы.
Isomorphic Labs под руководством Colin Murdoch (президент и главный коммерческий директор Google DeepMind) говорит об амбиции: они хотят достичь 100% уверенности в том, что разработанное ими лекарство сработает перед клиническими испытаниями. Сегодня эта вероятность для новых молекул — примерно 10%. Это означает, что 9 из 10 лекарств-кандидатов теряют миллионы долларов инвестиций.
Партнёрства как стратегия: Eli Lilly и Novartis
Isomorphic не развивает все лекарства сама. В 2024 году компания подписала партнёрства с Eli Lilly и Novartis, каждое из которых может быть стоит более $1,5 млрд. Суть: Isomorphic дизайнит молекулы с использованием AlphaFold 3; фарма делает то, что она знает лучше всего — испытания, производство, регуляторная навигация.
В апреле 2025 года Isomorphic собрала $600 млн в своём первом внешнем раунде финансирования под руководством Thrive Capital. Это деньги не на исследования; это деньги на готовность производить и доводить препараты до людей.
• Онкология (cancer) — первая, потому что опухоли нужны специфичные белки для выживания
• Кардиология (cardiovascular) — заболевания с высокой смертностью и хорошо изученными мишенями
• Нейродегенерация (neurodegeneration) — область с большим рынком и потребностью в инновации
Числа и источники: как это работает
AlphaFold 3 — архитектура и производительность
От статичности к динамике. AlphaFold 2 предсказывал отдельный белок в «застывшем» виде. AlphaFold 3 моделирует взаимодействия: белок + белок, белок + ДНК, белок + маленькая молекула (лиганд), белок + РНК. Это именно то, что нужно для дизайна лекарств.
Архитектура на основе диффузии. AlphaFold 3 использует диффузионный процесс (похожий на генеративные модели для изображений). Система начинает с облака атомов и в течение многих шагов сходится к самой вероятной 3D-структуре.
Точность на 50% выше. На тесте PoseBusters AlphaFold 3 на 50% точнее, чем лучшие известные методы, без использования какой-либо исходной структурной информации. Это первый ИИ, который превзошёл физико-химические инструменты в общем случае.
«Между ИИ-открытием молекулы и клиническими испытаниями существует большой разрыв. Токсикология, масштабирование, регуляторная работа — всё это остаётся медленным. Нашей целью является 100% уверенность в том, что лекарство будет работать перед тем, как мы испытаем его на людях.»— Colin Murdoch, президент Isomorphic Labs, интервью Fortune (июль 2025)
Масштаб внедрения
С момента выпуска AlphaFold 2 в 2020 году: предсказаны структуры для более чем 200 млн белков из всех известных организмов. Это количество структур, которое учёным в лаборатории потребовалось бы 1 млрд лет PhD-исследований (на скорости 5 лет за одну структуру). 3+ млн исследователей используют AlphaFold 2 ежедневно. Модель цитирована более 20 000 раз в научной литературе.
Вызовы и реальность: почему 2026 переломный
Задержка с 2025 на 2026
Когда Hassabis объявил в 2024 году, что клинические испытания начнутся в конце 2025 года, учёные и инвесторы восприняли это как большую веху. В январе 2026 года он объявил, что сроки смещаются на конец 2026 года. Это не провал; это честность.
Между ИИ-дизайном молекулы и первой инъекцией человеку стоит целая гора регуляторной работы: токсикология и фармакокинетика, масштабирование производства, регуляторный пакет, набор пациентов. Даже при идеальных условиях это минимум 8–12 месяцев.
| Этап | Что происходит | Требуемое время |
|---|---|---|
| Дизайн молекулы (AlphaFold 3) | ИИ предсказывает структуру и взаимодействия | Часы |
| Токсикология | Лабораторные испытания на животных | 3–6 месяцев |
| Масштабирование производства | Превращение грамма в килограммы чистого вещества | 2–4 месяца |
| Регуляторный пакет (IND) | Подготовка документации для FDA/EMA | 1–2 месяца |
| Набор пациентов | Поиск клиник и пациентов для испытания | 1–3 месяца |
Конкуренция и открытость
Isomorphic/DeepMind не остаётся одна. В конце 2024 года DeepMind open-sourced AlphaFold 3 для академического использования. Результат: другие компании быстро собирали свои модели. Columbia University работает над OpenFold3, полностью open-source. Baidu и ByteDance (Китай) выпустили свои модели. Chai Discovery и Ligo Biosciences тоже работают на этом рынке.
Это хорошее давление на Isomorphic. Компания должна доказать, что её модель + фармацевтическая экспертиза + финансирование = реальные лекарства. Не просто модель. Не просто публикации. Лекарства.
Практические выводы
Для инвестиций
AlphaFold 3 + Isomorphic создают асимметрию. Маленькие компании с хорошей ИИ/ML-командой могут теперь конкурировать с гигантами фармы в дизайне молекул. Ставка: кто лучше интегрирует ИИ с регуляторной и фармацевтической работой?
Для фармкомпаний
AlphaFold 3 не опция; это стандарт. Вопрос в том, как вы её используете. Партнёрства — разумный путь для больших компаний. Для середины-маркета — инвестировать в собственные ИИ-команды или приобретать biotechs.
Для науки
AlphaFold 3 free для академического использования через AlphaFold Server. Если вы в университете, вы можете сразу начинать моделировать молекулы. Это demokratизирует доступ к computational drug design инструментам.
Заключение: 2026 как перекрёсток
AlphaFold 3 вышла из лаборатории в реальный мир. Isomorphic Labs запускает клинические испытания в конце 2026 года. Если первые результаты многообещающи, то к 2028 году мы можем увидеть первые ИИ-дизайненные лекарства на полках аптек.
Это не трансформация ночью. Это трансформация годами. Но стрелка движется в одном направлении: AlphaFold 3 + экспертиза фармы + финансирование = лекарства, которые работают лучше и дешевле, чем когда-либо раньше.
Главный вопрос 2026: действительно ли AlphaFold 3 повысит шансы успеха лекарства? Испытания на людях дадут ответ.
