Тихая революция: ИИ в биологии

Одной из наиболее перспективных сфер применения ИИ является биология, благодаря технологическим прорывам последних лет в фармакологии и биотехнологиях происходит структурный сдвиг. Крупнейшие игроки уже включились, и те, кто смогут адаптироваться к новому технологическому ландшафту, станут лидерами индустрии через 10 лет. Несмотря на это, в публичном дискурсе тема незаслуженно обделена вниманием, во многом за счет увеличенного порога вхождения в дискурс чем стандартные LLM, но тема однозначно перспективная.

В этом лонг-риде мы разберем иерархию ИИ моделей для биологии, как существующие модели обеспечивают технологическую революцию, куда идет поток инвестиций и как здесь замешана геополитика.

Начнем с основ, почему мы вообще хотим использовать ИИ в биологии? Три главные причины:

Таким образом биология становится естественным кандидатом для ИИ-революции. И разработки уже активно идут. В 2024 году нобелевскую премию по химии разделили две лаборатории: лаборатория Бейкера за вклад в вычислительный дизайн белков и DeepMind за предсказание структуры белков. DeepMind разработали AlphaFold, алгоритм, способный точно предсказывать геометрическую структуру белка из цепочки аминокислот, Бейкер дал нам RF-Diffusion, вычислительную модель для генерации новых белков-байндеров к известным структурам. Обе эти проблемы — неразрешимые до прорывов в ИИ.

Несмотря на то что эти модели открывают новый мир для структурной и генеративной биологии, мы еще очень далеки от того, чтобы полноценно решить все необходимые задачи. Все дело в иерархии моделирования биологии.

Если говорить в общих чертах, в биологии мы можем строить вычислительные модели на разных уровнях, начиная с основ в виде белков и идя вверх по сложности к многоклеточным организмам. На данный момент ИИ начал разбираться с белками, но расти есть куда, еще не до конца отточены предсказания моделями динамики поведения белков в живых организмах. Дальше нужно будет создать модели для предсказания взаимодействия белков друг с другом, потом для дизайна систем внутри клеток и самих клеток, и уже только в конце — дизайн организмов. Стадии разработки и существующие решения указаны на схеме:

Но уже доступные на рынке модели меняют парадигму био-исследований. Пробежимся по существующим моделям, чтобы оценить нынешний уровень прогресса:

За последний год также появилась новая парадигма биоисследований с помощью ИИ: автоматизированные лаборатории, к которым подключены ИИ-агенты. Эта область только в зародыше, но может решить ключевое ограничение вычислительной биологии: необходимость экспериментальной валидации. Эту тему в деталях я уже разобрал в своем телеграм-канале.

Перейдем к экономике. Что отличает ИИ в биологии от общего рынка ИИ - это точное и доказанное применение. Мы видим, что уже существующие ИИ-решения могут кратно сократить траты на разработки лекарств, фундаментально изменяя всю цепочку R&D. Модели по типу AlphaFold сделаны не для баловства (как покойный слоп-генератор Sora), они созданы учеными конкретно для открытия новой парадигмы поиска белков.

На данном этапе развития био-ИИ наиболее перспективной областью применения является фарма, где нынешние ИИ-модели открывают пространство для снижения цен разработок в 4-5 раз.

Разберем на простом примере, почему ИИ имеет смысл в фармакологии с точки зрения финансов. Традиционный процесс регистрации нового лекарства проходит в США через несколько ступеней валидации, начиная от создания кандидата, заканчивая тремя фазами клинических тестов. ИИ на данный момент снижает цены и время поиска кандидатов, но пока не доказан эффект на поздние фазы клинической валидации. Допустим, что эффекта не будет, тогда мы получим примерно следующий график трат:

То есть уже в базовом варианте мы тратим на разработку кандидата ~$120M вместо ~$500M. Теперь, не каждый кандидат проходит все три стадии клинической валидации, в среднем только 1 из 12 кандидатов пройдет все три фазы и выйдет на рынок. Таким образом традиционная фармакологическая компания потратит ~$6B на разработки, чтобы вывести 1 препарат на рынок, с ИИ они потратят всего ~$1.4B, что разблокирует $4.6B. Это уже не говоря об эффектах второго порядка, когда ускоренное прототипирование сокращает затраты на исследователей и освобождает команды для большего числа экспериментов.

Понимая перспективность технологии, мы наблюдаем бум инвестиций в компании-разработчики со стороны как VC-фондов, так и фармакомпаний (второе - это замечательный сигнал, ведь в отличие от спекулянтов из VC, фарма не стала бы инвестировать, не видя прямой окупаемости)

Как видите, финансирование упало с пузыря в 21 (который раздули VC на фоне ковида), но после коррекции в 23 году снова пошел рост. Количество лекарств, разработанных с ИИ в клинических испытаниях, растет экспоненциально.

Стоит отметить, что фармакология - одна из самых больших индустрий по финансам, там размер сделок космический и без ИИ. Это и очевидно, все стареют и болеют, так что бизнес продажи лекарств - вечный. Просто для оценки масштабов инвестиций, последний прорыв фармы, пептид GLP-1 лежащий в основе медицины для похудения типа Ozempic, стал самым быстрорастущим рынком в истории фармы, по разным прогнозам достигнет $80-100 млрд в 2026 году. И это всего один пептид. С ИИ мы можем каждый день синтезировать тысячи новых кандидатов для лекарств от массы болезней.

Одно из главных ограничений на пути всеобщей мировой ИИ-революции - это инфраструктура: ИИ прям очень дорог для тренировки и постоянного использования, для читателей я думаю это не новость. Поэтому может закрасться разумный вопрос, не станет ли инфраструктура непреодолимым барьером на пути ИИ-революции в биологии? Может быть так окажется, что запускать эти модели дороже, чем платить людям (как мы пока наблюдаем с LLM в других областях).

Посмотрим на график цены обучения и количества параметров, чтобы сравнить био-ИИ и LLM.

Оценки параметров и стоимостей взяты у экспертов и очень примерные, к тому же часть игроков может специально завышать или занижать цены. Но это не меняет посыл: Биологические модели экстремально эффективны по соотношению «стоимость / научный прорыв»

Еще раз, посмотрите, что все биологические модели, даже новейшие, сильно меньше и дешевле лингвистических моделей. При этом пользы от AlphaFold 3 или RF Diffusion в разработке лекарств будет бесконечно больше, чем пользы от того же GPT-3 в любой области. И эти модели, во-первых, в разы дешевле обучать, во-вторых, в разы легче и дешевле запускать за счет кратно меньшего количества параметров. Вам не понадобится кластер из тысяч чипов H200, вы можете начать со сравнительно скромным вычислительным бюджетом.

На это еще и накладываются два следующих тезиса:

Таким образом мы видим, что в отличие от традиционного ИИ, био-ИИ гораздо более эффективен в использовании и полезен в своей индустрии. Здесь нет футуристичных рассказов о том, как роботы заменят всех, только четкий value proposition. Может статься, что био-ИИ станет тихой гаванью, когда общий рынок ИИ начнет штормить.

Ключевые игроки (США, Китай, за ними Европа) признают стратегическую важность биотехнологий и потенциал трансформации за счет ИИ. Они видят, куда движется индустрия, и принимают соответствующие шаги. Стратегическая важность накладывается на нынешнее противостояние между США и Китаем, в США недавно был принят BIOSECURE Act, согласно которому к 2032 году США должны обеспечить полную независимость от Китая в цепочке поставок биотехнологий. Это задаст три тренда развития биотеха на ближайшие годы: США + союзники (Европа, Япония, Корея) будут максимально дистанцироваться от Китая; Китай будет строить базу самодостаточности; локальные игроки как Сингапур станут хабами работы для обеих сторон.

Что нужно для создания суверенной био-ИИ-индустрии? Биореволюция в ИИ будет поддерживаться четырьмя столпами:

Что важно, все эти столпы должны взаимодействовать друг с другом. Нужно иметь специальные вычислительные мощности под био-ИИ, который вы обучаете на специализированных данных, к моделям нужно подключить правильно производство, использующее нужные компоненты. Без любого из этих элементов создать суверенную индустрию не выйдет.

Посмотрим на глобальную карту, совмещающую возможности биопроизводства, контроль над компонентами лекарств и известные инвестиции фармы в вычислительные мощности (как прокси интереса к развитию и доступности технологии в стране).

Китай, как видно, отстает от блока США по биопроизводству и вычислительным мощностям, но все еще контролирует 44% мирового рынка производства медицинских компонентов. Согласно BIOSECURE Act, американцы будут стремиться заменить и эти 44% для себя. Китайцы же вероятнее всего будут вкладываться в серверы и биопроизводство. Еще обратите внимание на пояс новых производителей вокруг Китая, эти страны будут либо площадками, представляющими оба лагеря, либо уйдут под США.

На данный момент очень мало кто говорит о доступности данных, во многом это связано с тем, что пока что модели обучались на открытых данных, как было с лингвистическими моделями до 23 года. Я думаю, что это станет важным для фармакомпаний, а также био-ИИ-стартапов в ближайшие несколько лет, когда модели насытятся доступными данными и мы захотим строить алгоритмы для более продвинутых целей. В этой ситуации фармакомпании и автоматизированные лаборатории, сидящие на массивах проприетарных данных, станут настоящими победителями. Мы начинаем видеть этот тренд в некоторых сделках, компания Recursion, предоставляющая автоматизированные лаборатории со сбором данных, заключила сделку со швейцарской Roche на $150M (с потенциалом масштабирования), предположительно отчасти из-за этого.

Россия в этом не участвует, из-за сложившейся санкционной обстановки и отсутствия био-ИИ как приоритета развития, рынок в России, несмотря на безусловное наличие сильного таланта в биологии и нейросетях, вряд ли станет чем-то глобально важным в ближайшей перспективе.

Как итог, несмотря на сравнительно малый шум, био-ИИ остается одной из наиболее перспективных технологий ближайшего будущего. Фармакомпании постепенно вовлекаются в разработку и использование технологии, так как видят в ней прямое сокращение своих трат на R&D новых лекарств. При этом прорывы в био-ИИ в будущем могут разблокировать для нас целый новый набор подходов с дизайном синтетических организмов под конкретные нужды. Страны-лидеры в технологиях видят этот прогресс и стремятся обеспечить суверенное развитие технологии. Большой приоритет отдается не только созданию технологий ИИ, но и их интеграции с реальным производством.

На мой взгляд, в сфере еще имеется много возможностей для входа. Две из них, автоматизированное производство и частные биологические базы данных, по сути являются сторонами одной монеты: для обеспечения новых научных прорывов в биологии необходимы платформы, дающие ИИ прямой доступ к валидации экспериментов и сбору данных. При этом за счет эффективности моделей и их сравнительно малого размера у новых игроков еще есть возможность предложить конкурентоспособные решения без высокого капиталовложения.

Если вам интересно следить за развитием био-ИИ и других технологий на стыке науки и бизнеса - я разбираю их в своем телеграм-канале с позиции ML-исследователя из Оксфорда.