Масштабная ошибка в расчётах ИИ вскрылась в лаборатории: учёные нашли способ ускорить финал

Искусственный интеллект способен за короткий срок спроектировать сотни тысяч вариантов антител, но цифровой чертеж не равен готовому лекарству. Чтобы понять, работает ли молекула против конкретной болезни, ее нужно синтезировать и проверить в реальных условиях.

Компания Proteina выстроила процесс так, чтобы сократить путь от AI-модели к препарату. Вместо того чтобы полагаться на расчеты, они создают физические образцы из тысяч сгенерированных вариантов и подвергают их массовому тестированию. Это позволяет отсеять теоретически верные, но практически бесполезные молекулы.

Для разработчиков лекарств этот подход меняет привычный workflow: AI теперь не заменяет лабораторию, а поставляет ей огромный массив точных гипотез. В результате человеку не нужно искать "иголку в стоге сена" вручную — он работает с уже отфильтрованным списком кандидатов, которые прошли физическую проверку на соответствие мишени.

Основное ограничение метода остается в том, что AI выдает лишь вероятность успеха. Реальный результат подтверждается только в момент физического взаимодействия антитела с белком, что делает этап лабораторного скрининга критическим звеном, без которого цифровой дизайн теряет смысл.