2,1x сильнее связывание с рецептором. 8 часов работы AI. Ноль предварительного обучения модели. Converge Bio, стартап с $33 млн финансирования, за один промпт перепроектировал противораковый препарат и подал предварительный патент. Это не эксперимент — это демонстрация того, как generative AI переходит из разряда «инструмент для подсчёта» в «система для конструирования».
Из 100 000 кандидатов только 10 потребовали лабораторной проверки — это 0,01% от традиционного скрининга.
Шесть аминокислотных замен в framework и CDR-регионах — и готовый препарат с улучшенными характеристиками, защищённый патентом.
Рынок моноклональных антител — $250 млрд в год. Каждый блокастер имеет десятки патентов, и улучшение существующего препарата открывает путь к biobetter — версии с усиленными свойствами, которая может заменить оригинал. Компания продемонстрировала, что AI способен сделать это за один рабочий день.
Результат получен in vitro (SPR, кинетическая характеризация). До клинических испытаний — годы. AI-дизайн антител уже показывал впечатляющие цифры на этапе лабораторной валидации, но в фазах 2 и 3 эффект нередко исчезает. Как мы писали в мае, Isomorphic Labs привлёк $2,1 млрд на AI-открытие лекарств — рынок верит, но доказательная база ещё набирается.
Как ConvergeAB перепроектировал препарат за 8 часов
Converge AB — не отдельная модель, а система, объединяющая generative, predictive и physics-based компоненты. В нуль-шот режиме платформа получила на вход только аминокислотную последовательность цетуксимаба и структуру рецептора EGFR. Без дообучения, без ручного тюнинга, без итеративного R&D-цикла.
За восемь часов система сгенерировала 100 000 вариантов антител. Каждый был оценён по аффинности связывания, стабильности, растворимости, иммуногенности и экспрессии. Из пула отобрали 10 последовательностей для лабораторной проверки. Лучшая показала среднюю аффинность 2,1x против цетуксимаба и 4,4x против конкурентного антитела.
Шесть мутаций — распределённых как по CDR, так и по framework-регионам — кардинально изменили профиль связывания. Это отличает AI-подход от традиционной affinity maturation, где мутации вносятся точечно в CDR и каждая требует отдельного цикла экспрессии и тестирования.
Как это работает — в тоггле ниже.
Как AI конструирует антитела: от последовательности к кандидату
Традиционный pipeline: гибридома или фаговый дисплей → скрининг миллионов клонов → несколько циклов affinity maturation (каждый — 2–4 недели) → тестирование 50–200 кандидатов. Весь процесс: 12–24 месяца. ConvergeAB: входные данные (последовательность + структура мишени) → генеративная модель → 100 000 in silico кандидатов → мультипараметрический скоринг → 10 кандидатов в лабораторию. Весь процесс: 8 часов AI + 1–2 недели валидации. Ключевое отличие: модель оценивает не только связывание, но и developability — стабильность, иммуногенность, экспрессию. Это позволяет отсеять кандидаты, которые «в пробирке работают, а в производстве нет».
Не первая, но самая быстрая: рынок AI-антител в 2026
Converge Bio — не единственный игрок. Chai Discovery (Chai-2) и RFdiffusion от Baker lab демонстрируют de novo дизайн антител. OpenProtein.AI расширяет партнёрство с Boehringer Ingelheim. Menlo Ventures инвестировал в Chai Discovery, Bessemer — в разработчика. Но ключевое различие — скорость и zero-shot способность.
Chai-2 и RFdiffusion генерируют структуры de novo, что требует недель валидации. ConvergeAB берёт существующий препарат и улучшает его за 8 часов без переобучения. Это прямое попадание в модель biobetter — улучшение уже одобренных молекул, где путь до рынка короче, а риск ниже.
Рынок AI-открытия лекарств — $6,93 млрд в 2025 году, прогноз $17,81 млрд к 2034 (Precedence Research). 76% биотех-компаний уже используют AI в discovery (Benchling 2026 Biotech AI Report). Но разрыв между pilot и production остаётся: 95% enterprise GenAI-проектов не доходят до внедрения (MIT 2025).
Стартап решил эту проблему архитектурно — не модель, а система, интегрированная в R&D-пайплайн заказчика. Результат: дюжина фарма-партнёров, включая Teva, за 18 месяцев с момента основания.
Партнёрства и бизнес-модель: почему фарма платит
Стартап основан в 2024 году. За 18 месяцев — $33 млн от Bessemer Venture Partners, TLV Partners и ангелов из Meta, OpenAI, Wiz. Не план, а исполнение: дюжина фарма-заказчиков, включая Teva, Compugen, BiomX. Выручка — через лицензирование платформы и research-коллаборации.
Бизнес-модель компании отличается от конкурентов. Chai Discovery продаёт foundation model как API. OpenProtein.AI строит кастомные workflow под Big Pharma. Converge — end-to-end система: от целевого гена до оптимизированной последовательности, встроенная в R&D-пайплайн заказчика. Это выше входной планки (интеграция), но даёт рекуррентный доход и защиту от замены.
Показательный кейс — партнёрство с Purple Biotech (март 2026). ConvergeAB применяется для дизайна три-специфичных антител к солидным опухолям. Задача, которая традиционно требует 18–24 месяцев скрининга и инженерии, теперь решается за недели. Если результат подтвердится в доклинике, это станет прецедентом: крупный биотех передал AI-платформе контроль над整个 design cycle.
Но есть нюанс. Ни один AI-спроектированный препарат пока не дошёл до Phase III. Insilico Medicine, лидер направления, получил первые данные Phase IIa для AI-открытой молекулы в 2025–2026. Путь от AI-дизайна до одобренного препарата измеряется годами, и ни один стартап его ещё не прошёл.
Что будет с рынком AI-дизайна антител через год?
Вероятность: 65% — текущая скорость валидации (8 часов на дизайн, 2 недели на тест) позволяет пройти 5–6 циклов «дизайн → проверка» за один квартал, против 1–2 циклов при традиционном подходе.
✅ Аргументы за
Фарма-компании уже закладывают AI в R&D-бюджеты — Lilly + NVIDIA построили самый мощный AI-суперкомпьютер для drug discovery. Biobetter-модель снижает риск: улучшение одобренной молекулы требует меньше клинических данных, чем de novo препарат. Критерии подтверждения: первая AI-спроектированная молекула в Phase I до Q4 2027
❌ Аргументы против
Ни один AI-спроектированный препарат ещё не получил одобрения FDA — весь рынок держится на обещаниях. In vitro → in vivo разрыв остаётся главным барьером: усиление связывания в SPR не гарантирует эффективности в организме. Критерии опровержения: отсутствие IND-заявок для AI-biobetter к 2028
Регистрация клинических испытаний AI-спроектированных антител на ClinicalTrials.gov
Сделки между AI-биотехом и Big Pharma: формат, объём, milestones
FDA guidance по AI/ML в drug development — обновления 2026–2027
Изменение доли AI-пайплайна в портфелях top-20 фармкомпаний
Сценарии развития
🟢 Оптимистичный (40%)
AI-дизайн становится стандартом для antibody engineering в Big Pharma к 2028. Рынок biobetter растёт до $50 млрд, время вывода улучшенного препарата сокращается с 5 до 2 лет. Последствия: фарма-компании без AI-пайплайна теряют конкурентное преимущество в сегменте биологических препаратов.
🟡 Базовый (40%)
AI остаётся инструментом для early-stage discovery, но полный цикл «дизайн → одобрение» по-прежнему занимает 8–10 лет. Biobetter-препараты входят в клинику, но масштабного замещения оригиналов не происходит. Последствия: AI-биотех растёт как сервисный слой фармы, но не меняет структуру рынка.
🔴 Пессимистичный (20%)
Первые AI-спроектированные препараты не проходят Phase II — разрыв между in silico предсказанием и реальной биологией оказывается недооценён. Финансирование AI-биотеха сжимается, рынок консолидируется вокруг 2–3 платформ. Последствия: возврат к традиционному скринингу как основному методу, AI — как вспомогательный инструмент, а не замена.
Первичный источник: пресс-релиз Converge Bio с данными SPR и заявкой на патент
Финансовый контекст: как AI-биотех привлекает капитал в 2026
Индустриальный бенчмарк: уровень внедрения AI в биотехе в 2026 году
