Як AI допомагає шукати ліки, що переписують ДНК, а не просто симптоми

Автор ·

Американський стартап Mammoth Biosciences, співзаснований Нобелівською лауреаткою Jennifer Doudna та біотехнологом Trevor Martin, показує, як штучний інтелект переходить від аналізу даних до реального проєктування нових інструментів для лікування генетичних хвороб. Мета звучить майже фантастично: перетворити частину спадкових захворювань з довічного вироку на одноразову процедуру, що змінює саму причину хвороби в ДНК.

У розмові на подкасті The Neuron Martin розповідає, як Mammoth використовує AI, щоб «прочесати» всесвіт із приблизно 34 мільярдів білків, знаходити компактніші CRISPR-системи та навіть генерувати зовсім нові варіанти білків, подібних до CAS. Це вже не просто пошук у природі — моделі пропонують конструкції, яких у природі могло й не бути.

На думку Martina, якщо прогрес у цій сфері збережеться, упродовж 5–10 років ми можемо підійти до ситуації, коли значна частина генетичних хвороб печінки та крові фактично зникне як масове явище. Формулювання «AI допомагає виліковувати хвороби» перестане бути слайдом у презентації й стане робочим описом того, що відбувається в лабораторіях.

Втім, він досить тверезо окреслює межі можливого. Алгоритми вже добре справляються з пошуком і дизайном — від аналізу послідовностей до пропозицій нових білків. Але найскладніше починається там, де будь-яка модель зустрічається з реальним людським організмом. Ключовий дефіцит — не в кількості геномних даних, а в якісних публічних наборах, які пов’язують доклінічні експерименти з тим, що реально сталося в клінічних випробуваннях.

Окрема тема — персоналізована генна терапія. Технічно, каже Martin, для окремих рідкісних генетичних хвороб індивідуальний препарат можна створити вже сьогодні, якщо не рахуватися з бюджетом. Проблема в іншому: як зробити такі підходи масштабованими й доступними, а не екзотичною опцією для одиниць.

У розмові також з’являються органоїди — «міні-органи», вирощені в лабораторії. Зокрема, нейронні органоїди, які формують структури, схожі на ділянки мозку, наприклад префронтальну кору чи гіпокамп. Це відкриває нові можливості для тестування терапій, але одночасно ставить непрості етичні запитання, які біологи й юристи ще тільки починають системно обговорювати.

Чому це важливо

Для українських лікарів, біологів і засновників медичних стартапів тут одразу кілька практичних сигналів.

  • AI уже корисний у лабораторії, а не тільки в презентаціях. Моделі, які працюють із білковими послідовностями, стають інструментом щоденної роботи — від пошуку нових CRISPR-систем до оптимізації існуючих. Якщо ви займаєтеся молекулярною біологією, варто придивитися до таких підходів зараз, а не чекати «офіційного приходу» в Україну.
  • Головний вузол — дані клініки, а не лише секвенування. У нас теж накопичуються геномні дані, але без зв’язку з результатами лікування їхня цінність обмежена. Інвестиції в якісні реєстри, стандартизацію медичних записів і етичний обмін даними можуть стати реальним внеском у глобальні AI-моделі для медицини.
  • Персоналізована генна терапія потребує нових бізнес-моделей. Якщо технологія існує, але доступна лише за «космічні» гроші, питання вже не тільки в науці. Це простір для державних програм, страхових продуктів, міжнародних колаборацій — і тут Україна може включатися як партнер, а не лише як «ринок збуту».
  • Етичні дискусії не можна відкладати. Органоїди мозку, редагування зародкових клітин, довгострокові ефекти втручань у ДНК — усе це теми, які впливатимуть на регулювання й довіру пацієнтів. Якщо ви працюєте в медичному праві чи біоетиці, час готуватися до дуже конкретних кейсів, а не абстрактних сценаріїв.

Загалом історія Mammoth Biosciences добре показує: AI у біології — це не чарівна паличка, а потужний прискорювач там, де вже є якісні дані, чіткі експериментальні дизайни й готовність довго й нудно перевіряти кожну гіпотезу на шляху до реального пацієнта.

Джерело: The Neuron (https://www.theneurondaily.com/p/watch-can-ai-help-cure-genetic-disease)