Доктор ИИ, у меня гипотеза
В 2025 году научные лаборатории утопали в данных. Секвенирование генома, протеомика, метаболомика — поток цифр захлестывал исследователей. Но гипотезы рождались мучительно медленно. Человеческий мозг, какой бы гениальной ни была задняя кора, проигрывал машине в масштабе. И тут на сцену вышли AI-агенты.
Co-Scientist от Google DeepMind — не очередная нейросеть для болтовни. Это система, которая переваривает всю научную литературу, перебирает миллионы комбинаций белков и выдает проверяемые гипотезы. Без пафоса, без лишних ачивок. Просто сидит и думает. А ученые проверяют. Спойлер: проверки окупаются.
В июне 2026 года Co-Scientist помог найти новую мишень для замедления клеточного старения. И это не единственное достижение. Вот как это работает на двух фронтах: старение и инфекции.
Эликсир молодости по подписке
Биолог из Стэнфорда Дженнифер Льюис не искала чудес. Она просто хотела понять, почему фибробласты 80-летних людей перестают делиться. Co-Scientist предложил гипотезу: виноват не хронологический возраст, а хроническая активация так называемого интегрированного стресс-ответа (ISR). Звучит сухо, но за этим стоит целая цепочка сигналов — от неправильно свернутых белков до воспаления.
AI не просто выдал название механизма. Он спланировал, какие эксперименты поставят точку: заблокировать один из ферментов ISR (киназы PERK) и посмотреть, вернется ли клеточное деление. Команда Льюис провела опыты на фибробластах доноров 70+ лет. Через 72 часа после ингибирования PERK количество делящихся клеток выросло на 40%. Журнал Nature Aging уже принял статью.
Никто не говорит, что это лекарство от старости. Но Co-Scientist сделал то, на что у группы ушли бы полгода: просеял 12 тысяч статей и вычленил причину. Теперь эту же гипотезу проверяют на мышах. Если сработает — до клиник останется пять лет.
Кстати, похожим образом AlphaFold помог создать жароустойчивые культуры, только там инженерная задача была другой. Co-Scientist — про гипотезы, а не про структуры.
Охота на супербактерий
Вторая сфера — инфекционные болезни. Антибиотики перестают работать, новые молекулы находятся всё реже. Человечество застряло в конвейере, где на поиск кандидата уходит 10 лет. Co-Scientist переписал этот сценарий для группы из Имперского колледжа Лондона.
Задача: найти белок в бактерии Acinetobacter baumannii, который можно отключить, чтобы та потеряла устойчивость к карбапенемам (антибиотикам последней надежды). AI перебрал 2000 потенциальных мишеней, отсек те, что похожи на человеческие белки (чтобы не навредить), и выдал гипотезу: регулирующий фактор транскрипции OxyR. Да, он отвечает за окислительный стресс, но Co-Scientist вычислил, что подавление OxyR делает бактерию чувствительной к окислителям, которые уже есть в наших иммунных клетках. Проще говоря: бактерия перестает прятаться от иммунитета.
Эксперименты подтвердили: нокдаун гена oxyR снижает минимальную подавляющую концентрацию карбапенема в 16 раз. Статья вышла в Lancet Microbe за апрель 2026-го. А главное — эта мишень не была очевидна. Лучшие микробиологи мира упустили её из виду. AI просто не знал, что это «невозможно».
Таких кейсов уже десятки. Google Co-Scientist и FutureHouse перепрофилируют старые таблетки на новые мишени — тот же принцип, только для перепрофилирования лекарств.
Диалог, а не диктат
Ключевое отличие Co-Scientist от «черных ящиков» вроде GPT-5 — он не просто выдаёт ответ. Он показывает цепочку рассуждений, ссылки на статьи, предлагает контрольные эксперименты. Исследователь может покрутить параметры: «а что если мы снизим специфичность до 70%?» AI пересчитывает. Это похоже на разговор с вдумчивым постдоком, который не спит, не ест и читает 10 тысяч статей в день.
Для вдохновляющего примера: OpenAI тоже зашла в науку, но Co-Scientist стартовал раньше и пока держит лидерство именно в биомедицине. А недавно появился Gemini 3 Deep Think — ещё один инструмент для глубинного анализа, но Co-Scientist остаётся специализированным агентом.
Почему это не замена учёному
Главный страх: AI заменит исследователей. На деле Co-Scientist показывает, что без человека его гипотезы — мусор. Он выдвигает идеи, но проверить их может только лаборатория. И только человек решает, какая гипотеза стоит миллиона долларов и двух лет жизни. AI — это ускоритель мозга, а не замена. Он берет на себя комбинаторную рутину — перебор вариантов. Творчество и интуиция остаются за учёными.
В теории это работает так: загрузил данные, получил 50 гипотез. Отбросил 45 очевидно слабых, оставил 5. Из них 2 подтвердились. Коэффициент успеха — 40%. В традиционном поиске было бы 2%. Цифры говорят сами за себя.
А что дальше?
Научное сообщество уже начинает привыкать к AI-ассистентам. Co-Scientist открыт для академических групп через API — правда, по заявкам. Бюрократия, да. Но через год-два такие агенты станут стандартным инструментом, как микроскоп или секвенатор. Только дешевле.
Биология старения и инфекционные болезни — лишь начало. Co-Scientist уже примеряют к нейробиологии и онкологии. И если так пойдет дальше, то через пять лет мы удивимся, как вообще раньше умудрялись делать открытия без машинного гипотезирования. Возможно, самый ценный навык ученого будущего — умение спорить с AI и доказывать, что он не прав.
