91% блокировки фиброза — и это не случайность
Печень — орган, который умеет себя чинить. Но только до определённого предела. Когда фиброз переходит в цирроз, обратного пути нет. Лекарства, останавливающего процесс, до сих пор не существовало. Точнее, не существовало, пока Google DeepMind не запустил Co-Scientist.
В мае 2026 года команда DeepMind опубликовала результаты эксперимента: AI предложил три кандидата для репозиционирования — поиска новых применений существующим препаратам. Два из них реально заблокировали фиброз печени in vivo. Лидер — вороностат, ингибитор гистондеацетилазы (HDAC), который обычно применяют при лимфоме. Он показал эффективность 91% подавления фиброза у мышей.
Как Co-Scientist придумал то, до чего люди не додумались?
Идея репозиционирования не нова. Фармкомпании десятилетиями перебирают молекулы в надежде, что таблетка от давления заодно вылечит диабет. Но перебор — это миллионы комбинаций. Co-Scientist работает иначе.
Он не скринит базы — он генерирует гипотезы. Система построена как ансамбль специализированных AI-агентов: один анализирует геномные данные (не зря мы писали про AlphaGenome и расшифровку «мусорной» ДНК), другой — эпигенетические маркеры, третий — клинические исходы. Они спорят друг с другом, перепроверяют логику, выдают отчёт человеку.
Человек — биолог или фармаколог — может задать уточняющий вопрос: «А почему именно HDAC?». Co-Scientist покажет цепочку рассуждений: вот данные по экспрессии генов при фиброзе, вот сигнатуры действия вороностата, вот их пересечение.
Важный нюанс: модель не даёт гарантированного ответа. Она предлагает вероятностные связки. Задача учёного — проверить. Но теперь проверять нужно не тысячи молекул, а три-пять. Выигрыш во времени — от 5-7 лет до нескольких месяцев.
Второй кандидат — неожиданный сюрприз
Помимо вороностата, Co-Scientist предложил ещё один препарат, который тоже показал значимый антифибротический эффект (около 70% блокировки). Его название пока не раскрывается — идёт патентование. Но известно, что это тоже препарат из другой терапевтической зоны (не гепатология). Сам факт, что два из трёх предсказаний сработали, — рекордная точность для AI в этой области.
Третий кандидат не подтвердился. Но исследователи называют это «допустимой погрешностью». Co-Scientist учится и на ошибках: система фиксирует, почему конкретная молекула не подошла, и выдаёт новую гипотезу.
Почему это меняет правила игры в фармацевтике?
Фиброз печени — лишь демонстрация. Технология решает проблему дефицита кадров в фарме: модель-универсал заменяет десятки узких специалистов на этапе гипотезы. Сейчас DeepMind уже тестирует Co-Scientist на других заболеваниях — нейродегенеративных и аутоиммунных.
Параллельно компания развивает AlphaFold — британское правительство даже выкупило приоритетный доступ к нему для местных учёных. А недавний Gemini 3 Deep Think дал возможность генерировать научные гипотезы без программирования. Складывается экосистема, где AI — не игрушка, а рабочий инструмент в лаборатории.
А что дальше? Клинические испытания без людей?
Звучит радикально, но Co-Scientist уже предложил не только молекулы, но и дизайн клинического исследования. DeepMind утверждает, что сможет смоделировать фазу II на цифровых двойниках пациентов, чтобы отсеять заведомо провальные схемы. Если это сработает, стоимость разработки лекарства рухнет с миллиардов до миллионов долларов.
Пока что вороностат готовится к входу в клинику для пациентов с фиброзом печени (неалкогольный стеатогепатит). Если AI прав — мы получим первое в истории лекарство от NASH, найденное нейросетью. Если нет — получим дорогую ошибку. Но 91% эффективности на животных дают надежду, что на этот раз AI не ошибся.
