Это настоящая 🏎️: 3 компании в течение 36ч показали, что ИИ-дизайн антител перешёл из обещающего в работающий на уровне лучших лабораторий мира
Все три компании используют создание антител с нуля. Все заявляют drug-like свойства без пост-оптимизации. Все фокусируются на ранее недоступных целях (GPCR, pMHC, мембранные белки).
Все показывают, чем больше модель/данных — тем лучше качество. Все уже работают с большими фармпартнёрами и обещают первых пациентов 2026–2027.
Все компании основаны выпускниками DeepMind / Salesforce Research / OpenAI.
1. Вчера стартап Profluent собрал $106 млн от Джеффа Безоса и Altimeter. Они строят GPT для всей биологии. Profluent уже прошёл путь от модели ProGen3 (46 млрд параметров) до OpenCRISPR-1 — первой открытой системы генного редактирования, полностью придуманной ИИ. Их главная идея - если в тексте работают законы масштабирования, то и в белках тоже. Больше данных и вычислений → лучше молекулы. Поэтому им дал $ Безос.
2. Также вчера Nabla Bio выпустили модель JAM-2. 4 человека за 1 месяц закрыли 16 сложных целей, включая GPCR прямо на живых клетках. Половина из 26 протестированных мишеней дала однозначные наномолярные связывания при тестировании меньше 45 дизайнов на цель. Более половины молекул сразу прошли все стандартные тесты developability — без единой итерации оптимизации. Это первый случай, когда кто-то показал, что можно не просто «нарисовать» антитело, а сразу получить то, что фарма готова ставить в производство.
3. Сегодня Chai выложил результаты, которые почти один в один повторяют цифры Nabla, но с другим акцентом: они сделали упор на атомную точность. 5 комплексов антитело-антиген подтвердили Cryo-EM — предсказания модели совпали с реальностью на уровне отдельных атомов углерода. При этом 86 % полноразмерных IgG сразу прошли те же тесты developability. По сути, они показали, что «красивые картинки» уже превращаются в реальные молекулы, которые можно прямо заливать в биореактор.
Больше про Chai тут.
Все три компании используют создание антител с нуля. Все заявляют drug-like свойства без пост-оптимизации. Все фокусируются на ранее недоступных целях (GPCR, pMHC, мембранные белки).
Все показывают, чем больше модель/данных — тем лучше качество. Все уже работают с большими фармпартнёрами и обещают первых пациентов 2026–2027.
Все компании основаны выпускниками DeepMind / Salesforce Research / OpenAI.
1. Вчера стартап Profluent собрал $106 млн от Джеффа Безоса и Altimeter. Они строят GPT для всей биологии. Profluent уже прошёл путь от модели ProGen3 (46 млрд параметров) до OpenCRISPR-1 — первой открытой системы генного редактирования, полностью придуманной ИИ. Их главная идея - если в тексте работают законы масштабирования, то и в белках тоже. Больше данных и вычислений → лучше молекулы. Поэтому им дал $ Безос.
2. Также вчера Nabla Bio выпустили модель JAM-2. 4 человека за 1 месяц закрыли 16 сложных целей, включая GPCR прямо на живых клетках. Половина из 26 протестированных мишеней дала однозначные наномолярные связывания при тестировании меньше 45 дизайнов на цель. Более половины молекул сразу прошли все стандартные тесты developability — без единой итерации оптимизации. Это первый случай, когда кто-то показал, что можно не просто «нарисовать» антитело, а сразу получить то, что фарма готова ставить в производство.
3. Сегодня Chai выложил результаты, которые почти один в один повторяют цифры Nabla, но с другим акцентом: они сделали упор на атомную точность. 5 комплексов антитело-антиген подтвердили Cryo-EM — предсказания модели совпали с реальностью на уровне отдельных атомов углерода. При этом 86 % полноразмерных IgG сразу прошли те же тесты developability. По сути, они показали, что «красивые картинки» уже превращаются в реальные молекулы, которые можно прямо заливать в биореактор.
Больше про Chai тут.