Tekoäly löysi ensimmäisen validoidun neurologisen lääketargetin

Kyseessä on yhteistyön ensimmäinen neurologinen hanke sen jälkeen, kun Roche, Genentech ja Recursion ilmoittivat kumppanuudesta vuonna 2021 . Lääke ei kuitenkaan ole vielä lähellä potilaskäyttöä: ohjelma on vasta varhaisessa löytö- ja validointivaiheessa.

Miten kohde löytyi valtavasta soluaineistosta?

Tulos ei perustunut yhteen onnistuneeseen kokeeseen tai tutkijan onnekkaaseen arvaukseen. Se syntyi järjestelmällisessä, tekoälyä hyödyntävässä prosessissa, jossa biologista dataa tuotettiin poikkeuksellisen laajassa mittakaavassa.

1. Neuron Map kartoitti hermosolujen biologiaa

Tutkimusryhmät kasvattivat yli biljoona ihmisen indusoiduista pluripotenteista kantasoluista johdettua hermosolua eli hiPSC-soluista valmistettua hermosolumateriaalia. Yli 17 000 proteiinia koodaavaa geeniä poistettiin yksitellen koko genomin kattavassa CRISPR-seulonnassa. Tämän jälkeen tutkijat tallensivat yli 30 miljoonaa solukuvaa ja kouluttivat aineiston tulkitsemiseen oman perustamallin .

Näin syntynyt Neuron Map on biologinen kartta siitä, miten eri geenien häiritseminen muuttaa ihmisen hermosolujen toimintaa ja ulkonäköä.

On tärkeää erottaa tämä aineisto aiemmasta Microglia Mapista. Mikroglia ovat aivojen immuunipuolustukseen kuuluvia soluja, ja lokakuussa 2025 julkaistu kartta keskittyi niiden biologiaan . Molemmat kartat syntyivät saman Roche–Genentech–Recursion-yhteistyön puitteissa, mutta nyt varhaiseen lääkekehitykseen valittu kohde löytyi Neuron Mapista .

2. Tekoäly vertasi koko genomia kerralla

Perinteisessä tutkimuksessa hypoteeseja testataan usein yksi kerrallaan. Tässä perustamalli vertasi järjestelmällisesti eri geenien aiheuttamia muutoksia neurologisten sairauksien tunnettuihin mekanismeihin ja biologisiin reitteihin .

Tavoitteena oli tunnistaa geenejä, joiden toiminta liittyy sairauden kannalta olennaiseen biologiaan, vaikka niitä ei olisi aiemmin pidetty ilmeisinä lääketargetteina. Tekoäly toimi siis ennen kaikkea biologisten yhteyksien etsijänä ja hypoteesien tuottajana – ei itsenäisenä lääkekeksijänä.

3. Ehdokkaat läpäisivät kolme kokeellista testiä

Pelkkä tekoälyn tekemä ennuste ei riittänyt. Ehdokkaiden piti selvitä kolmesta validointivaiheesta:

1. Reittien validointi: käyttäytyykö geneettinen muutos odotetulla tavalla kyseisessä biologisessa reitissä?
2. Toiminnallinen validointi: aiheuttaako targetin muokkaaminen merkityksellisiä muutoksia ihmisen hermosoluissa?
3. Sairausvalidointi: muuttaako targetin käsittely sairauteen liittyvää solufenotyyppiä?

Vasta kaikki vaiheet läpäissyt kohde voitiin viedä yhteiseen varhaiseen lääketutkimusohjelmaan .

Oleellinen tarkennus: nyt edennyt lääketargetti löytyi Neuron Map -aineistosta. Microglia Map oli erillinen, aiempi kartoitus, joka keskittyi aivojen immuunisoluihin .

Miksi virstanpylväs on merkittävä?

Neurologiassa tekoäly joutuu todelliseen testiin

Keskushermoston lääkekehitys on tunnettu korkeasta epäonnistumisriskistään. Aivojen monimutkaisuus, veri–aivoeste ja monien neurologisten sairauksien puutteellinen biologinen ymmärrys ovat tehneet uusien hoitokohteiden löytämisestä erityisen vaikeaa. Recursionin ja Genentechin hanke on ensimmäisiä konkreettisia osoituksia siitä, että tekoälyä hyödyntävä biologinen alusta voi tuottaa neurologiassa uuden, kokeellisesti validoidun kohteen .

Tämä ei vielä todista, että kohteeseen perustuva lääke toimii potilailla. Se osoittaa kuitenkin, että tekoälyn tuottama biologinen ennuste voidaan yhdistää laboratoriokokeisiin tavalla, joka vie uuden mekanismin lääkekehityksen piiriin.

Mittakaava voi muuttaa etsintätapaa

Biljoonien solujen aineisto ja koko genomin laajuinen seulonta mahdollistavat biologisten yhteyksien etsimisen paljon laajemmin kuin perinteinen, vaiheittain etenevä tutkimus. Perustamalli auttaa käsittelemään tätä aineistomäärää ja priorisoimaan ne kohteet, jotka ansaitsevat kokeellisen tarkastelun .

Uusien targettien riskiä pyritään pienentämään

Kun tekoäly yhdistää tunnetun ihmisen geneettisen sairausnäytön koko genomin kattavaan biologiseen aineistoon, tutkijat voivat etsiä uusia kohteita läheltä jo tunnettuja sairausmekanismeja. Menetelmä ei poista lääkekehityksen riskiä, mutta se voi vähentää täysin sattumanvaraista kokeilua ja auttaa päättämään, mitkä uudet mekanismit kannattaa testata ensin .

Recursionin toimitusjohtaja Najat Khan on kuvannut hanketta ensimmäiseksi mahdollisesti jopa 40 ohjelmasta, jotka yhteistyö voi tuottaa . Kumppanuus on tähän mennessä tuottanut Recursionille 216 miljoonaa dollaria ennakko- ja virstanpylväs­maksuina .

Tekoälyyn virtaa miljardeja lääkeyhtiöiltä

Recursionin ja Genentechin tulos liittyy laajempaan muutokseen lääketeollisuudessa. Suuret lääkeyhtiöt eivät sijoita enää vain yksittäisiin tekoälyn avulla löydettyihin molekyyleihin, vaan myös alustoihin, automatisoituihin laboratorioihin ja laajaa tutkimustyötä tukevaan infrastruktuuriin.

• Tammikuun 2025 ja heinäkuun 2026 välisenä aikana suuret lääkeyhtiöt sitoutuivat yli 22 miljardin dollarin ilmoitettuun pääomaan tekoälybioteknologian ja laskennallisen lääkekehityksen alustoihin yritysostojen, kumppanuuksien ja lisenssijärjestelyjen kautta .
• Tekoälyyn perustuvan lääkekehityksen riskirahoitus kasvoi noin 11 miljardiin dollariin vuonna 2025 348 rahoituskierroksella, kun vuonna 2024 vastaava summa oli noin 8,9 miljardia dollaria .
• Vuosina 2024–2025 tekoäly- ja koneoppimispohjaisen lääkekehityksen kumppanuuksien ja yritysjärjestelyjen yhteenlaskettu arvo ylitti 55 miljardia dollaria .
• Vuoden 2026 ensimmäisellä neljänneksellä solmittiin 36 merkittävää tekoälykumppanuutta, kun vuotta aiemmin niitä oli 18 .

Esimerkkejä viimeaikaisista järjestelyistä

Kehityssuunta on selvä: yksittäisten lääkeaihioiden lisensoinnin sijaan teollisuus rakentaa laajempaa kyvykkyyttä, jolla voidaan löytää useita kohteita ja lääkemolekyylejä. Recursionin ja Exscientian yhdistyminen sekä alustapohjaisten sopimusten kasvu viittaavat siihen, että tekoälystä on tulossa osa lääkeyhtiöiden keskeistä tutkimus- ja kehitysinfrastruktuuria .

Myös sääntely täsmentyy

Yhdysvaltain lääkeviranomainen FDA on siirtynyt tekoälyn valvonnassa tapauskohtaisesta lähestymistavasta kohti jäsennellympää mallia.

• Tammikuu 2025: FDA julkaisi ensimmäisen luonnosohjeensa, Considerations for the Use of Artificial Intelligence to Support Regulatory Decision-Making for Drug and Biological Products. Ohjeessa esitellään riskiperusteinen kehys tekoälymallin uskottavuuden arvioimiseksi sen käyttötarkoituksen perusteella .
• Tammikuu 2026: FDA ja Euroopan lääkevirasto EMA julkaisivat yhdessä periaatteet hyvälle tekoälykäytännölle lääkekehityksessä. Ne kuvaavat odotuksia tekoälyn tuottamalle näytölle koko lääkevalmisteen elinkaaren aikana .

Keskeinen käsite on mallin uskottavuus: lääkekehittäjän on pystyttävä osoittamaan, että tekoälytyökalu soveltuu juuri siihen käyttötarkoitukseen, johon sitä käytetään viranomaisaineistossa . FDA:n tammikuun 2025 luonnosohje koskee kuitenkin viranomaispäätöksiä tukevaa tekoälyä, eikä sen soveltamisalaan kuulu itse lääkekohteiden löytäminen .

Mitä tästä seuraa?

Recursionin ja Genentechin virstanpylväs on varhainen mutta konkreettinen näyttö siitä, että tekoälypohjainen biologinen alusta voi auttaa löytämään ja kokeellisesti validoimaan uusia lääketargetteja neurologiassa – alalla, jolla perinteinen lääkekehitys on kamppaillut vuosikymmeniä.

Seuraava ratkaiseva kysymys ei ole enää vain se, pystyykö tekoäly löytämään uuden kohteen. Nyt olennaista on, pystytäänkö tästä kohteesta kehittämään turvallinen ja tehokas lääke, joka selviää kliinisistä tutkimuksista ja lopulta auttaa potilaita.