> ## Content Index > Fetch the complete content index at: https://eclibra.com/llms.txt > Use this file to discover other available public pages before exploring further. # Роботизированная революция в создании лекарств: как Excelsior Sciences переписывает формулу открытия - URL: https://eclibra.com/excelsior-sciences-ai-drug-discovery-robotics/ - Published: 2025-12-08T12:30:29.000Z - Updated: 2025-12-08T12:30:29.000Z - Description: Excelsior Sciences разработала платформу для автоматизированного синтеза малых молекул, используя модульные «умные блоки» и AI. Финансирование $95M позиционирует компанию как Chemistry-as-a-Service провайдера, который может переместить разработку лекарств из ремесла в масштабируемый процесс. - Author: Eclibra - Tags: Биотех и здоровье 🎯 ****Роботизированная революция в создании лекарств: как AI переписывает формулу открытия** • Стартап Excelsior Sciences привлёк $95 млн для автоматизации синтеза малых молекул с помощью AI и робототехники • Компания сократит типичный цикл открытия лекарств с месяцев на недели благодаря платформе «умных блоков» (smart bloccs) • Инновация переносит фармацевтическое производство в США и меняет архитектуру R&D с многолетних последовательных процессов на автоматизированные closed-loop системы ## От ремесла к промышленной автоматизации Фармацевтическое открытие находится на пороге радикальной трансформации. На протяжении семидесяти лет органическая химия была ремеслом—искусством, требующим опыта и интуиции. Исследователи вручную синтезировали молекулы, проводили тесты, интерпретировали результаты и повторяли процесс. Это был медленный, последовательный путь. Excelsior Sciences, нью-йоркский стартап, бросает вызов этой парадигме. Компания только что привлекла **$95 млн** ($70 млн от инвесторов Deerfield Management, Khosla Ventures, Sofinnova Partners плюс $25 млн грант от New York's Empire State Development) для разработки платформы, которая переворачивает фармацевтическую химию на голову: вместо того, чтобы машины имитировали человеческую химию, Excelsior создаёт новый химический язык, который машины могут понять и использовать на полную мощность. 💡 ****Ключевая метрика для стратегов** Типичный цикл preclinical chemistry: 2-6 месяцев + годы последующих испытаний = $2-5 млн на молекулу Заявленное сокращение Excelsior: >50% сокращение времени на синтез и валидацию Стратегическое значение: если это масштабируется, может переместить $100+ млрд в глобальных расходах на R&D фармы и создать новую категорию инфраструктуры, подобно тому, как CRO/CMO трансформировали биотех в 2000-х ## Архитектура платформы и механизм convergence ### «Умные блоки» как промежуточный язык между химией и AI Центральная инновация Excelsior—технология **«smart bloccs»**: модульные химические строительные блоки, оптимизированные для автоматизированного синтеза. Компания начинает с \~2000 молекул, уже одобренных FDA, разбивает их на элементарные компоненты и создаёт каталог, который робототехника может комбинировать по алгоритмическим инструкциям. Michael Foley, CEO и соучредитель: *«Это химия, которую машины могут делать, и AI может использовать. Это как создание нового химического языка, который машины понимают. Это противоположность тому, что делают все остальные—разрабатывать машины для выполнения человеческой химии».* Почему это имеет значение? Традиционные платформы с AI для открытия лекарств (например, генеративные модели от DeepMind или Insilico Medicine) предлагают триллионы гипотетических молекул. Проблема: большинство из них невозможно синтезировать практично, или синтез требует сложных многостадийных маршрутов, которые экономически нецелесообразны. Подход Excelsior обращает логику. Вместо генерирования молекул в вакууме и последующей проверки синтезируемости, платформа: 1) Начинает с *реально существующих, синтезируемых* FDA-одобренных молекул 2) Разлагает их на машиночитаемые компоненты 3) Позволяет AI комбинировать эти компоненты по правилам, которые гарантируют синтезируемость *ab initio* 4) Генерирует не триллионы, а сотни или тысячи реально-выполнимых кандидатов, каждый из которых может быть быстро синтезирован и протестирован ⚠️ ****Критическое различие от конкурентов** • ****Insilico Medicine, DeepMind:** Генеративные AI → триллионы молекул → фильтрация синтезируемости → \~0.1% реально практичны • ****Excelsior:** Модульные блоки FDA-молекул + AI-guided комбинаторика → только синтезируемые кандидаты → \~90%+ практичны Аналогия: первый метод—это рыбалка сетью в океане. Второй—рыбалка в заполненном пруду, где каждая рыба помечена и известна. ### Closed-loop автоматизация: данные, обучение, итерация Лаборатории Excelsior на 12-м этаже в Cure (Park Avenue, Manhattan) оснащены роботизированными руками, автоматизированными синтезаторами, масс-спектрометрией и ЯМР. Процесс: **1\. Синтез:** «Умные блоки» (выглядят как цветные порошки) в стеклянных контейнерах весят роботами, подаются в автоматизированные синтезаторы, которые комбинируют их в новые молекулы по AI-рецептам. **2\. Тестирование:** Полученные молекулы немедленно тестируются на биологическую активность против целевых белков в автоматизированных ассеях. **3\. Data Feedback:** Результаты (структура молекулы, биоактивность, синтезируемость, физико-химические свойства) автоматически поступают в AI модели. **4\. Следующая итерация:** AI обновляет свои рецепты синтеза и дизайна молекул на основе новых данных, и цикл повторяется—уже на следующий день. Это замыкает петлю открытия. Традиционно процесс был: дизайн (недели) → синтез (недели) → анализ (недели) → интерпретация (недели) → новый дизайн. Excelsior сжимает всё это в 24-48-часовые циклы. 🔥 ****Стратегическое преимущество для инвесторов** Экспоненциальный рост данных для обучения AI: • Через 3 месяца: тысячи молекул, синтезированных и протестированных (vs. десятки в традиционных лабах) • Через 12 месяцев: сотни тысяч точек данных по синтезируемости, связыванию, токсичности • Через 24 месяца: модели AI Excelsior превосходят по качеству любую общедоступную базу данных Это создаёт сетевой эффект в обратном направлении—чем больше молекул вы синтезируете, тем лучше становятся ваши AI модели, тем быстрее вы синтезируете следующий батч. Конкурентная преимущество приумножается экспоненциально. ## Три сценария захвата стоимости ### Сценарий 1: Internal Pipeline Development (асимметричное преимущество) Excelsior планирует разработать несколько молекул собственного дизайна для мишеней с высоким неудовлетворённым спросом. За счёт скорости и точности платформы компания может достичь стадии IND на 50% быстрее, протестировать 10x больше структур за то же время/бюджет и получить 2-3-летнее преимущество по времени выхода на рынок для своих кандидатов. Сравнение: Insilico Medicine доказала концепцию, разработав INS018\_055 (IPF) в 18 месяцев—вместо типичных 3-5 лет. Excelsior утверждает, что может делать это регулярно и систематически. Если верно, это перестраивает экономику biotech. ### Сценарий 2: Chemistry-as-a-Service Excelsior позиционирует себя как **Chemistry-as-a-Service (CaaS) платформу**—аналог того, как CRO и CMO трансформировали фарму в 2000-х. Фармакомпании могут нанять Excelsior для оптимизации существующих кандидатов, синтеза библиотек для скрининга и производства промежуточных продуктов. **Экономическая привлекательность:** Excelsior может синтезировать молекулу за $5-10K вместо $50K+ в традиционных лабах. При объёме это становится привлекательным для фармы. **Масштаб рынка:** Малые молекулы составляют \~60% новых одобренных FDA лекарств. Глобальный рынок контрактной химии превышает $15 млрд. Excelsior может захватить $2-5 млрд в течение 5 лет. ### Сценарий 3: Reshoring и национальная безопасность Администрация Biden активно поддерживает «reshoring» лекарственного производства через гранты на STEM и производство. $25M грант для Excelsior является примером. Если платформа работает, это переносит США в конкурентоспособного экспортёра fine chemicals и создаёт десятки тысяч рабочих мест. 💰 ****Финансовый угол: цена за миллион молекул** Традиционная фарма + CRO: 1 млн синтезированных молекул = $5-10 млн Excelsior: 1 млн молекул = $200K-500K Сбережения: 10-50x экономия для крупного фармпроизводства ## Перспективы на ближайшие 1-3 года **2025-2026:** Демонстрация рабочих примеров end-to-end, первые partnership-объявления с крупными фармакомпаниями, масштабирование лаборатории. **2026-2027:** Первый IND filing для внутреннего проекта Excelsior, доказательство концепции CaaS с ≥3 контрактами крупной фармы, расширение за пределы малых молекул. ## Узнать больше #### Excelsior Sciences Platform Официальный сайт платформы Excelsior. Содержит информацию о smart bloccs технологии и партнёрских программах для фармацевтических компаний. [Посетить сайт](https://excelsiorsciences.com/?ref=eclibra.com) #### AI Agents in Drug Discovery (arxiv) Комплексный научный обзор (October 2025) архитектур агентов AI в открытии лекарств с real-world implementations и benchmarks. [Прочитать](https://arxiv.org/abs/2510.27130?ref=eclibra.com) ## Источники информации #### Источники Материал подготовлен на основе официальных анонсов Excelsior Sciences (декабрь 2025), интервью CEO Michael Foley в C&EN, аналитического покрытия в pharma/biotech СМИ и научных публикаций по AI в открытии лекарств. Данные актуальны на 8 декабря 2025 г.