Репост из: Заметки лабораторного кота
В 2025 году представители компании Specifica провели первый в истории слепой проспективный конкурс по компьютерному дизайну антител — AIntibody, который был вдохновлён знаменитым соревнованием по предсказанию структуры белков CASP. Главным зачинщиклм выступил ветеран индустрии, ученик нобелевского лауреата Сесара Мильштейна, Эндрю Брэдбери. В различных интервью он неоднократно говорил, что его мучает вопрос: «Поможет ли ИИ делать то, чего мы еще не умеем, или это очередной хайп-цикл?»
Наконец, он решил проверить это экспериментально. Организаторы предоставили 29 командам (от академических групп до Big Pharma и AI-стартапов) реальные данные секвенирования антител к RBD SARS-CoV-2 и поставили три задачи.
Первое задание (аффинное созревание) заключалось в улучшении родительского антитела. Здесь ИИ показал свою силищу: 13% присланных конструкций превзошли исходную аффинность в 20 раз, а лучший результат оказался сопоставим с лучшими экспериментальными данными. Однако третье место занял простой консенсусный анализ, вообще не использующий машинное обучение.
Второе задание (ранжирование аффинности в кластерах по HCDR3) провалилось: ИИ показал результаты хуже случайного выбора.
Третье, самое творческое задание (дизайн антител «вне библиотеки»), выявило другую проблему: формальный победитель оказался клинически непригоден. Антитело, которое стало победителем по правилам соревнования, никогда не станет лекарством, потому что его физико-химические свойства делают его непригодным для производства, хранения и введения человеку. В одном из тестов разрабатываемости (с использованием гидрофобной хроматографии) оно не элюировалось — то есть банально прилипло к колонке.
После слепого тестирования всех 511 присланных антител по единому протоколу (SPR, KinExA, пять панелей разрабатываемости) организаторы сделали вывод: при наличии глубоких данных лучшие алгоритмы ИИ уже полезны для оптимизации аффинности, но они плохо переносятся между задачами, и для ранжирования и дизайна пока уступают случайности или простой статистике. Примечательно, что из победителей лишь одна компания позиционировала себя как AI-фирму (Aureka); остальные — академические группы (Scripps, UCSD, WashU) и средняя биотех-фирма Xencor, которая выиграла два задания без заявленной AI-экспертизы. Организаторы опубликовали все данные и результаты в открытом доступе, подчеркнув, что поле остается открытым, и для успеха не нужны бездонные кошельки. Следующий конкурс AIntibody запланирован на 2026 год — он проверит, смогут ли модели перейти от оптимизации к настоящему открытию, работая в условиях нехватки данных.
Наконец, он решил проверить это экспериментально. Организаторы предоставили 29 командам (от академических групп до Big Pharma и AI-стартапов) реальные данные секвенирования антител к RBD SARS-CoV-2 и поставили три задачи.
Первое задание (аффинное созревание) заключалось в улучшении родительского антитела. Здесь ИИ показал свою силищу: 13% присланных конструкций превзошли исходную аффинность в 20 раз, а лучший результат оказался сопоставим с лучшими экспериментальными данными. Однако третье место занял простой консенсусный анализ, вообще не использующий машинное обучение.
Второе задание (ранжирование аффинности в кластерах по HCDR3) провалилось: ИИ показал результаты хуже случайного выбора.
Третье, самое творческое задание (дизайн антител «вне библиотеки»), выявило другую проблему: формальный победитель оказался клинически непригоден. Антитело, которое стало победителем по правилам соревнования, никогда не станет лекарством, потому что его физико-химические свойства делают его непригодным для производства, хранения и введения человеку. В одном из тестов разрабатываемости (с использованием гидрофобной хроматографии) оно не элюировалось — то есть банально прилипло к колонке.
После слепого тестирования всех 511 присланных антител по единому протоколу (SPR, KinExA, пять панелей разрабатываемости) организаторы сделали вывод: при наличии глубоких данных лучшие алгоритмы ИИ уже полезны для оптимизации аффинности, но они плохо переносятся между задачами, и для ранжирования и дизайна пока уступают случайности или простой статистике. Примечательно, что из победителей лишь одна компания позиционировала себя как AI-фирму (Aureka); остальные — академические группы (Scripps, UCSD, WashU) и средняя биотех-фирма Xencor, которая выиграла два задания без заявленной AI-экспертизы. Организаторы опубликовали все данные и результаты в открытом доступе, подчеркнув, что поле остается открытым, и для успеха не нужны бездонные кошельки. Следующий конкурс AIntibody запланирован на 2026 год — он проверит, смогут ли модели перейти от оптимизации к настоящему открытию, работая в условиях нехватки данных.