3 миллиона евро. Ровно столько закрыл 17 июля 2026 года бельгийский Sightera Biosciences в предпосевном раунде — и, казалось бы, это очередная заметка о ещё одном стартапе в духе «AI для разработки лекарств». Но у Sightera нет привычного сценария: здесь нейросети не придумывают молекулу под заданную мишень, а потом ищут, сработает ли она в живой ткани. Компания делает наоборот — начинает с самых трудных пациентов и идёт назад, к химии.
Спин-офф Антверпенского университета (UA) и больницы Антверпена (UZA) предлагает сменить направление всей отрасли, где перевод лабораторных предсказаний в реальные препараты остаётся главным провалом.
ХРОНИКА: Sightera Biosciences
─────────────────────────────────────────────────────
2024 начало 2026 17.07.2026 далее
[основан] [спин-офф] ◉ СЕЙЧАС 🔥 КЛИНИКА
лицензия UA/UZA €3M предпосев
Источник: EU-Startups, Tech.eu, European Biotechnology (июль 2026)
Большинство AI-платформ строят молекулу под мишень, а биологию проверяют потом. Sightera учит модель на ответах терапевтически резистентных тканей пациента и лишь затем проектирует соединение — то есть ставит болезнь в начало процесса, а не в его конец.
От мишени к пациенту — и обратно
Классический пайплайн выглядит так: выбираем белок-мишень, генерируем кандидатов, тестируем в клетках, потом в моделях. На каждом шаге что-то теряется, и к фазе клиники доходит мало. Sightera разворачивает эту цепочку. Компания берёт образцы от пациентов с продвинутым, устойчивым к терапии раком, выращивает из них органоиды и опухолевые модели, прогоняет высокопроизводительный скрининг и собирает масштабные датасеты «ответ на препарат». Именно на этих данных, а не на публичных наборах, тренируется их искусственный интеллект.
Результат — малые молекулы, спроектированные под биологический ответ, который уже наблюдался в ткани пациента, а не под химическую «красоту» структуры. «Разработка лекарств должна начинаться с пациента, а не заканчиваться им», — формулирует компания. Это не метафора: архитектура платформы физически начинается с предклинических моделей, а не со строки мишени.
SIGHT001 и семейство программ
Флагман — SIGHT001, спроектированный AI микромолекулярный клей (molecular glue)-деградер для опухолей с мутацией KRAS: поджелудочной, желчевыводящих путей и колоректального рака. По данным компании, программа показала обнадёживающие результаты in vivo (в живом организме) при раке поджелудочной и ex vivo (вне организма) — при колоректальном и билиарном. Конкретную мишень Sightera пока не раскрывает. Такой профиль — редкий случай, когда AI-спроектированная молекула сразу нацелена на труднодоступный сегмент опухолей, а не на «удобные» мишени.
Это не единственный актив. SIGHT002 — ещё один микромолекулярный клей для HER2-позитивных пищеводных и желудочных аденокарцином. SIGHT101 — малая молекула против фиброза, сейчас на стадии подбора лидерного соединения. Раунд в €3 млн должен довести SIGHT001 до выбора доклинического кандидата (PCC); параллельно готовится более крупный раунд, чтобы вывести программу в клинику.
Стартовый раунд Sightera
Закрыт 17.07.2026 под руководством Entourage, Anacura и QBIC · EU-Startups, 2026
Почему это не очередной AI-стартап
Рынок AI-разработки лекарств оценивается в ~$2,35 млрд в 2025 году и, по прогнозам, вырастет до $13,77 млрд к 2033-му — около 25% в год. Традиционная разработка одного препарата регулярно превышает $2 млрд, и каждый год поздних провалов лишь удорожает счёт. Фарма ищет платформы, которые снижают этот счёт, и Sightera бьёт в самое узкое место: перевод предсказаний в клинику.
Дефицит именно таких данных — системный. Большинство платформ обучаются на публичных наборах, где редко представлены самые агрессивные, уже пролеченные опухоли. Sightera целенаправленно собирает обратное: ткани, которые уже «победили» стандартную терапию. Именно на них видно, как болезнь ведёт себя в реальности, а не в идеализированной клеточной культуре.
Органоиды — не просто ещё один формат культивирования клеток. Это миниатюрные копии опухоли конкретного пациента, сохраняющие её гетерогенность и поведение под препаратом. Поэтому датасеты на их основе ближе к тому, что увидит клиника, чем плоские монослои. Sightera превращает этот дорогой и редкий материал в обучающую выборку для модели и тем самым замыкает круг, который большинство конкурентов разрывают на этапе абстрактной химии.
Проблема не в мощности моделей. Их уже много — Isomorphic Labs, Chai Discovery, Recursion, Insilico Medicine, Exscientia. Проблема в том, что кандидаты, блестяще предсказанные in silico (на компьютере), массово не срабатывают в пациенте. Sightera делает ставку не на бóльшую нейросеть, а на лучшие биологические данные с самого старта. Среди конкурентов с похожей идеей «пациент — первым» — Graph Therapeutics, тоже использующая ткани пациентов.
Поворотная точка
Главный риск — не деньги, а доказательство. Парадигма «биология учит AI» звучит убедительно, но пока SIGHT001 не встретилась с реальным пациентом, это гипотеза. €3 млн — лишь первый шаг к более крупному раунду, который должен довести программу до клиники. Именно там решится, действительно ли разворот пайплайна меняет экономику перевода, или остаётся красивой архитектурой.
Команда у проекта академическая и плотная: CEO Vercammen (PhD по медицинским наукам, UA), CSO Максим Ле Компт (PhD по онкологии), CDO Кристоф Дебен — профессор UA, создавший Antwerp Tumoroid Biobank. Около пяти сотрудников и 1522 подписчика на LinkedIn говорят о ранней стадии, но о глубоких корнях в переводных исследованиях.
Что это значит
Sightera — не прорыв в духе «мы вылечили рак». Это аккуратная попытка починить самый дорогой этап фармы: мост от предсказания к пациенту. Если подход сработает в клинике, спин-офф из Антверпена покажет, что будущее разработки лекарств с помощью AI — за данными, собранными у самых трудных больных, а не за самыми большими моделями.
А пока €3 млн превращаются в кандидата, за которым — следующий, клинический раунд. Именно он расставит точки над i в споре о том, куда идти: от мишени к пациенту или от пациента к молекуле. Ответ определит, останется ли перевод лекарств искусством, или станет инженерией с обратной связью от самого больного.
