Biohub открыла ИИ-движок, который картирует 6,8 миллиарда белков. Вот что это меняет в открытии лекарств

ESMFold2 — предсказатель пространственных структур внутри архитектуры ESM3. Он предсказывает атомарную 3D-структуру белка напрямую из последовательности с передовой скоростью и точностью, не требуя множественного выравнивания последовательностей (multiple sequence alignment) — именно этот шаг тормозит многие традиционные методы . Такая скорость впервые делает практичным крупномасштабный структурный охват.

ESM Atlas расширен драматически. Первый ESM Metagenomic Atlas от Meta FAIR охватывал около 600 миллионов белковых структур . Обновленный атлас от Biohub теперь картирует 6,8 миллиарда белков и содержит 1,1 миллиарда предсказанных трехмерных структур — это охват на порядок больше прежнего, и он покрывает гораздо большую часть «белковой вселенной» .

Кроме того, выпущена модель esm3-sm-open-v1, обученная на 2,78 млрд природных белков. С добавлением синтетических данных корпус расширился до 3,15 млрд последовательностей, 236 млн структур и 539 млн функциональных аннотаций — всего 771 млрд токенов . Модель доступна под некоммерческой лицензией для академического и некоммерческого использования .

Как это ускоряет открытие лекарств

Практическая ценность — в скорости и масштабе. Обычно дизайн и проверка терапевтического белкового связывающего агента занимают месяцы или годы итеративной «мокрой» работы в лаборатории. Инструменты Biohub сжимают этот цикл до недель или дней за счет трех возможностей:

• Дизайн связывающих агентов с нуля (de novo): исследователи могут вычислительно проектировать белки, нацеленные на определенный белок, связанный с болезнью, и получать кандидатные лекарства in silico еще до начала лабораторной работы .
• Картирование «темной материи» белкового пространства: подавляющее большинство белков до сих пор не охарактеризовано экспериментально. ESM Atlas дает предсказанные структуры по всему древу жизни, позволяя ученым исследовать эту неизведанную территорию вычислительно .
• Высокопроизводительный in silico-скрининг: миллиарды белковых последовательностей можно «просеять» на компьютере, резко снижая стоимость и процент неудач на ранних стадиях разработки лекарств .

Лабораторные результаты: связывающие агенты работают по-настоящему

Частая критика спроектированных ИИ белков: на экране компьютера они выглядят красиво, но в пробирке проваливаются. Biohub сообщает, что здесь это не так. Связывающие агенты, полностью спроектированные in silico с помощью этих моделей, прошли валидацию в реальных лабораторных экспериментах — ИИ-белки действительно связались с нужными мишенями .

Алекс Райвз (Alex Rives), глава научного направления Biohub, сформулировал это так: «Эти модели приобрели настолько точное представление о биологических процессах, что позволяют вычислительно проектировать белковые интерфейсы, которые затем можно протестировать в лаборатории с ожидаемыми результатами» . Иными словами, модели схватили достаточно фундаментальной биологии, чтобы выдавать функциональные дизайны без необходимости в итеративной лабораторной оптимизации.

Связь с инициативой Virtual Biology Initiative на 500 млн долларов

29 апреля 2026 года Biohub объявила о запуске Virtual Biology Initiative — пятилетней программы с бюджетом в 500 миллионов долларов. Цель — создать мультимодальные наборы данных и ИИ-модели, необходимые для предиктивных моделей человеческой клетки . Из этих средств 100 миллионов направлены на координацию глобального сбора данных, а 400 миллионов — на генерацию данных в больших масштабах и разработку технологий измерения, визуализации и инженерии биологии нового поколения .

Релиз белковой модели — первый крупный научный результат VBI. Среди партнеров инициативы — ряд ведущих мировых институтов в биологии и технологиях: Broad Institute, Allen Institute, Arc Institute, Wellcome Sanger Institute, Human Cell Atlas, Human Protein Atlas, NVIDIA и Renaissance Philanthropy .

Корни в более ранних исследованиях Meta FAIR

Семейство ESM появилось не в Biohub. Первоначально его разрабатывали в лаборатории Meta AI (FAIR), которая опубликовала первые модели ESM-1, а в 2023 году — оригинальную ESMFold в журнале Science, сгенерировав первый атлас более чем из 600 миллионов предсказанных белковых структур . Тот атлас на момент выхода был крупнейшей базой высокоточных предсказанных структур — примерно в три раза больше любой существовавшей базы белковых структур .

Когда стартап EvolutionaryScale, созданный оригинальной командой ESM из FAIR, выделился из Meta, Biohub вобрала и продолжила это исследование. Нынешний релиз четвертого поколения наследует эту линию — теперь уже под руководством Biohub как открытого филантропического научного предприятия .

Где получить доступ к моделям

Исследователи могут экспериментировать с инструментами и разворачивать их через несколько платформ:

• Hugging Face: веса моделей esm3-sm-open-v1 и ESMC 600M размещены по адресу huggingface.co/biohub/ под некоммерческой лицензией .
• Портал AI Models от Biohub: ресурсный центр на biohub.org/ai-models для изучения и загрузки моделей .
• GitHub: код, веса моделей и примеры рабочих процессов — продолжение открытой практики, заложенной еще ранними релизами ESM .
• AWS SageMaker: готовые ноутбуки для развертывания, позволяющие масштабировать ESM3 и ESMC в облачной инфраструктуре AWS .
• Biohub Forge: хостируемый API для интерактивной работы с моделями .