Заметили как много AI-проектов, по сути не цепляющих внимание? Рекомендации на основе ИИ, улучшенный поиск, предложение подходящих товаров и так далее. Еще и сервера амазон падают из-за чьих-то идей, не особо являющихся чем-то ценным.
Я это к чему? Хочу рассказать вам сегодня про Андрея Дороничева (@dobry). Так сказать, минутка оффтопа
По пальцем не сосчитаете его достижений: Создатель AI-биофармацевтической компании (12 млн $ +); основатель Optic; директор по продуктам Google; основатель группы VR/AR в Google, основатель Youtube VR; запустил приложение YouTube для iOS, Android; заключил ключевые соглашения о дистрибуции с Apple; пользуется доверием Stanford; руководитель направления YouTube Premium; директор одного из самых сложных инфраструктурных продуктов (Stadia), Co-founder Mesto; ...
Ему 43 года, он родом из Москвы и учился в НИУ ВШЭ МИЭМ. Знаете ли вы человека умнее?
Это пост о его конкретном проекте — BIOPTIC 💊
Это AI-платформа полного цикла для открытия лекарств; работает с поиском молекул, проверкой их свойств и над бизнес-решениями по лицензированию / запуску. Если традиционный фарм смотрит тысячи молекул, годами тестирует лекарства и имеет серьезные ограничения, то BIOPTIC —
1. Проверяет миллиарды молекул за минуты
2. Отсекает токсичные и слабые варианты
3. Выдаёт готовые решения для лаборатории
Подробнее о работе этого проекта:
В основе лежит Scientific AI слой, включающий 3 ключевые модели:
1. B1 — ligand-based модель работает с уже известными молекулами: обучается на их активности и ищет новые соединения с аналогичным эффектом, но другой структурой. Это позволяет находить совершенно новые соединения, которые лучше патентуются и имеют меньшую токсичность. На практике B1 способна просматривать десятки миллиардов молекул за минуты. Такое было, например, с лигандами для LRRK2 — мишень при болезни Паркинсона, найденными прямо из пространства 40 млрд соединений.
2. B2 — target-based предназначена для случаев, когда известных лигандов нет, а есть только белок-мишень. Анализируется последовательность белка и предсказывается, какие молекулы к нему привяжутся, открывая путь к созданию полностью новых классов лекарств.
3. B3 — ADMET мгновенно оценивает токсичность, метаболизм, биодоступность и производимость, устраняя ключевую причину неудач на поздних стадиях клинических испытаний.
Для генерации и скрининга кандидатов используется связка SMILES-LLM и графовых нейросетей: они создают молекулы и оценивают их активность и селективность. Доступ к химическому пространству обеспечивается через партнёров, таких как eMolecules, с миллионами реальных и виртуальных молекул, двигаясь к миллиардам, с возможностью поиска по таргету, активности и аналогам.
Отдельно выделен Agentic AI слой. AI-агенты сканируют клинические базы, патенты, SEC-файлы, статьи и новости на более чем 100 языках, находя недооценённые препараты, партнерства и сделки. Они собирают конкурентный анализ, риски, данные испытаний и IP-позицию за считанные часы, а также ранжируют активы, моделируют экономику. Платформа способна оценивать коммерческие аспекты: размер рынка, цену, доступность и сценарии запуска.
Сильные стороны платформы — скорость поиска молекул, продуманное product-мышление и платформенный подход. Все эти элементы вместе делают BIOPTIC уникальным игроком.
Из открытий компании —
1. Новые ингибиторы белка LRRK2 для болезни Паркинсона (при помощи скрининга из библиотеки ~40 млрд соединений). Система выбрала ~100 000 потенциальных молекул, из которых синтезировали 134. Из них 14 подтвердили связь с мишенью LRRK2.
2. VEGFR‑3 ингибиторы — селективные молекулы для возможной онко‑терапии, обсуждавшиеся на ASCO 2025.
3. FLT4 (VEGFR‑3) — разработка потенциальных селективных ингибиторов, демонстрируемая на конференциях как пример применения модели B1 в онкологии.
С этим человеком лучше не садиться в самолёт, а то не долетите 😳
А если серьёзно — очень ценно и круто узнавать о таких проектах, особенно когда ты сам не только работаешь с AI, но и учился в медицинском профиле, собираясь стать врачом.
digitaldes.txt 😱