Ты приходишь к врачу, он говорит: «У вас острый лейкоз». Назначает современное лекарство — например, Cytarabine.

Ты принимаешь его, ждёшь улучшений. А эффекта почти нет.

Почему? Потому что молекула не добирается до клеток — она рассыпается по пути, теряется в крови, или доходит в токсичной форме.

В Duke University скрестили робота и AI, и получилась TuNa — система, которая сама миксует наночастицы для доставки лекарств. В лаборатории TuNa прогнала 1 275 вариантов, увеличила результативность создания нужных частиц на 43% по сравнению с людьми.

И это не теоретика — она уже упаковала труднорастворимое лекарство от лейкемии так, что оно начало реально убивать больше раковых клеток. В другом случае смогли на 75% сократить токсичный компонент, сохранив эффективность в тестах на мышах.

Фишка TuNa в том, что она одновременно подбирает и материалы, и соотношения — большинство систем умеют только что-то одно. Это ускоряет подбор нужной формы в десятки раз. А значит, те препараты, которые раньше отбраковывались из-за плохой доставки, могут вернуться в игру. Или вообще появятся новые — безопасные и точные.

Контекст. На сегодня до 90% разработок лекарств заваливаются не потому что «не работают», а потому что не доходят до нужных клеток. Особенно в онкологии. Рынок drug delivery — это $200B+ по миру, и TuNa работает там, где проваливаются классические фармкоманды и методы.

И что?

Для бизнеса: можно вернуть в pipeline препараты вроде Cytarabine, Doxorubicin и других, которые показывали эффект in vitro, но провалились в клинике из-за плохой доставки. TuNa уже повысила успешность создания наночастиц на 43%, это десятки спасённых формул на фазе preclinical.

Для инвесторов: традиционная разработка одной молекулы — $1–2 млрд и до 10 лет. TuNa снижает время подбора доставки с месяцев до дней, а токсичные компоненты вроде PEGможно урезать на 75%, сохранив эффективность — это прямая экономия и меньше регуляторных рисков.

Для людей: то, что раньше не работало, может заработать. Например, лейкозные препараты, которые плохо растворялись или не доходили до опухоли, теперь встраиваются в нанокапсулы и реально убивают раковые клетки. Быстрее, точнее, с меньшими побочками.

🚨 Нам 3.14здец

Big Pharma без AI — 8/10 — почему: фарма без автоматизации становится слишком медленной и слишком дорогой. Если ты до сих пор полагаешься на PhD с пипеткой — у тебя нет будущего. Что делать: автоматизировать R&D или смотреть, как конкуренты догоняют с AI.

Старые школы клинической разработки — 7/10— почему: ручные методики и линейные протоколы устарели. TuNa тестит за день то, что у других уходит в квартал. Что делать: или перестроиться, или превратиться в ресёрч-прокладку при Big AI.