Claude в фармацевтике: CAR-T, антитела и первые результаты

Claude включился в разработку лекарств: лабораторные результаты есть, клинических доказательств пока нет

От компьютерных прогнозов к реальным лабораторным экспериментам

Искусственный интеллект уже несколько лет применяется в поиске лекарственных молекул. Алгоритмы помогают прогнозировать структуру белков, оценивать взаимодействие веществ с биологическими мишенями и выбирать перспективные соединения для дальнейших испытаний.

Однако между компьютерным прогнозом и экспериментально подтвержденным результатом существует существенный разрыв. Молекулу необходимо синтезировать, проверить её свойства, изучить поведение в клеточных системах, оценить безопасность и воспроизводимость результатов.

Новый подход Anthropic предполагает более широкое участие искусственного интеллекта. Claude получает доступ к специализированным вычислительным инструментам, научной литературе и лабораторным данным, предлагает исследовательские гипотезы, помогает планировать эксперименты и анализирует полученные результаты.

При этом физические эксперименты выполняют лаборатории, а исследователи определяют цели и проверяют выводы модели.

Anthropic испытала такой подход в сотрудничестве с Generate Biomedicines, Divergence Labs, BigHat Biosciences, Enveda, Bristol Myers Squibb и инвестиционной компанией The Column Group.

Проекты охватывают разные этапы разработки лекарств — от создания белковых конструкций до планирования клинических исследований и организации работы биотехнологической компании.

CAR-T: сокращение сигнального домена на 70% улучшило работу иммунных клеток

Один из наиболее интересных результатов получен компанией Generate Biomedicines, работающей над совершенствованием CAR-T-клеточной терапии.

При таком лечении у пациента получают Т-лимфоциты — иммунные клетки, способные уничтожать опасные клетки организма. Затем их генетически модифицируют, чтобы на поверхности появился искусственный химерный антигенный рецептор, или CAR.

Этот рецептор распознаёт определённый белок опухолевой клетки и передаёт внутрь Т-лимфоцита сигнал, запускающий её уничтожение.

CAR-T-терапия уже применяется при некоторых злокачественных заболеваниях крови. Но лечение солидных опухолей, например опухолей лёгких или поджелудочной железы, остаётся значительно более сложной задачей.

Одна из перспективных стратегий — создание Т-клеток, способных одновременно распознавать несколько опухолевых мишеней и дольше сохранять активность в неблагоприятной среде опухоли.

Для этого требуется дополнительная генетическая информация. Чем компактнее отдельные компоненты рецептора, тем больше возможностей разместить в конструкции дополнительные функции.

Шесть исследователей Generate Biomedicines использовали Claude Code для перепроектирования внутриклеточного сигнального домена CAR — части рецептора, которая передаёт команду иммунной клетке атаковать цель.

В результате была создана конструкция длиной всего 45 аминокислот вместо 154 в стандартном варианте второго поколения. Сокращение составило приблизительно 70%.

Но наиболее интересным оказалось не уменьшение размера.

В лабораторных экспериментах некоторые модифицированные конструкции обеспечивали примерно десятикратное увеличение числа CAR-рецепторов на поверхности Т-клеток при сопоставимых условиях доставки генетической инструкции.

Такие клетки эффективнее уничтожали клетки-мишени в экспериментальных системах и дольше сохраняли функциональную активность.

Кроме того, опубликованные функциональные эксперименты проводились преимущественно с клеточными моделями опухолей крови. Преимущества новой конструкции при лечении солидных опухолей пока не продемонстрированы у пациентов.

Тем не менее результат представляет интерес для дальнейшей разработки CAR-T-технологий, включая подходы, при которых иммунные клетки предполагается генетически модифицировать непосредственно в организме пациента.

Пищевая аллергия: Claude предложил 35 тысяч вариантов антител против IgE

Другой эксперимент Anthropic связан с компанией Divergence Labs, разрабатывающей новый подход к лечению пищевой аллергии.

Ключевую роль во многих аллергических реакциях играет иммуноглобулин E, или IgE. Это класс антител, которые могут закрепляться на поверхности определённых иммунных клеток.

Когда аллерген связывается с находящимися на этих клетках молекулами IgE, запускается цепочка сигналов, способная привести к высвобождению гистамина и других веществ, вызывающих аллергическую реакцию.

Существующий препарат омализумаб (Ксолар) связывает свободный IgE и препятствует его присоединению к клеточным рецепторам. В 2024 году FDA одобрило препарат для снижения риска аллергических реакций при случайном контакте с пищевыми аллергенами.

Однако омализумаб не обеспечивает быстрого удаления уже связанного с клеточными рецепторами IgE в обычных терапевтических концентрациях.

Divergence Labs пытается создать антитело с двумя различными функциональными участками. Один должен прочно захватывать IgE, а другой — способствовать его отсоединению от клеточного рецептора.

Такая конструкция потенциально позволит воздействовать не только на свободный, но и на уже связанный IgE.

Claude помог составить план исследования и приблизительно за месяц сгенерировал около 35 тысяч вариантов антител. После компьютерного отбора наиболее перспективные конструкции передали для экспериментальной проверки.

Результаты оказались следующими:

• 20 из 91 проверенного варианта одного функционального участка смогли отсоединять IgE от его рецептора в биофизическом тесте.
• Три из этих вариантов показали более выраженное отсоединение IgE, чем омализумаб, в использованных лабораторных условиях.
• Для второго функционального участка исследователи обнаружили три варианта, способных связываться с IgE, среди 57 проверенных конструкций.

Однако полноценное двухфункциональное лекарственное антитело ещё не создано.

Более того, при работе с IgE существует особый риск: неправильно сконструированное антитело может соединить соседние молекулы IgE и само запустить нежелательную иммунную реакцию.

Поэтому следующим этапом станет объединение найденных элементов в одну молекулу и проверка её способности безопасно удалять IgE с поверхности иммунных клеток.

Пока речь идёт об успешном поиске исходных молекулярных конструкций, а не о доказанной эффективности нового метода лечения аллергии.

BigHat Biosciences: искусственный интеллект помог улучшить молекулы и пересмотреть методы измерения

Разработка антител требует оптимизации сразу нескольких характеристик.

Перспективная молекула должна достаточно прочно связываться с мишенью, сохранять стабильность при производстве и хранении, а также не образовывать агрегаты — скопления белковых молекул, способные ухудшать свойства препарата.

Улучшение одного параметра нередко сопровождается ухудшением другого. Поэтому оптимизация потенциального лекарства представляет собой многопараметрическую задачу.

BigHat Biosciences подключила Claude к собственной автоматизированной лаборатории и системе экспериментальных данных Reccy.

За десять недель исследователи изготовили и протестировали более тысячи вариантов двух исходных фрагментов антител. Один предназначался для распознавания опухолевых клеток, другой — для потенциального увеличения продолжительности действия лекарств в организме.

Лучшие конструкции продемонстрировали примерно десятикратное улучшение связывания с мишенями. Для одного из образцов температура, при которой белок сохранял растворимость в эксперименте, повысилась на 18 °C. У другого скорость образования агрегатов снизилась более чем в сто раз, согласно данным Anthropic.

Особенно показателен эпизод с анализом термической стабильности.

Исследователи обнаружили, что стандартные показатели измерительного оборудования могут неправильно отражать поведение белков. Claude совместно с исследователем Anthropic проанализировал исходные данные и предложил изменить методику испытаний.

Специалисты BigHat уточнили экспериментальный протокол, после чего лабораторная проверка в основном подтвердила предложенные объяснения.

Таким образом, модель участвовала не только в поиске новых последовательностей белков, но и в пересмотре того, как оцениваются их свойства.

При интерпретации результатов необходимо учитывать различия в отчётности. Anthropic сообщает приблизительно о 1010 испытанных вариантах и более чем десятикратном улучшении связывания, тогда как публикация BigHat приводит 1232 протестированных образца и улучшение до девяти раз. Эти оценки нельзя автоматически считать взаимозаменяемыми без уточнения состава выборок и методов расчёта.

Enveda: 89% экономии времени без отказа от контроля качества

Не менее значимый результат получен за пределами молекулярной биологии.

Компания Enveda использовала Claude для проверки документации, сопровождающей производство экспериментальных лекарственных препаратов.

Такие документы фиксируют технологические операции, результаты анализов, отклонения от установленных параметров и другие сведения, необходимые для подтверждения качества каждой производственной серии.

Их проверка является частью соблюдения надлежащей производственной практики — GMP. Ошибки могут привести к задержке выпуска серии или необходимости дополнительного расследования.

Enveda разработала систему CMC Document Processor, которая анализирует производственные записи и сопоставляет их с утверждёнными инструкциями и спецификациями.

В исследовании использовались четыре комплекта производственной документации общим объёмом 1061 страница, относящиеся к одной производственной кампании препарата для клинического исследования II фазы.

По результатам тестирования система выявила все 11 значимых замечаний, ранее обнаруженных специалистами, а также семь дополнительных замечаний, требующих рассмотрения.

Время проверки с участием сотрудников службы качества сократилось с 25,9 часа до 166 минут — приблизительно на 89%.

При этом система не заменяла окончательное экспертное решение. Она предварительно выявляла возможные нарушения, после чего специалисты проверяли замечания и определяли необходимые действия.

Ограничения тоже существенны. Испытание охватывало только одну производственную кампанию, а большая часть замечаний как людей, так и модели не требовала корректирующих действий. В отдельных случаях система неверно интерпретировала записи.

Поэтому результат подтверждает возможность ускорения конкретной процедуры контроля, но не означает, что искусственный интеллект способен самостоятельно обеспечивать соответствие производства регуляторным требованиям.

Enveda также сообщила об использовании Claude для подготовки черновиков регуляторных документов. Создание одного из них заняло четыре часа вместо приблизительно трёх месяцев ручной подготовки сопоставимого проекта.

Однако время формирования черновика не следует отождествлять со сроком полной экспертной проверки и согласования документа.

От Bristol Myers Squibb до Mithril Medicine: Claude выходит за пределы лаборатории

Anthropic развивает сотрудничество и с крупными фармацевтическими компаниями.

Bristol Myers Squibb использует Claude для анализа планов клинической разработки экспериментального препарата и оценки вероятности успешного проведения исследований.

Майкл Пурденад, руководитель ранней клинической разработки в направлениях гематологии, онкологии и клеточной терапии Bristol Myers Squibb, сообщил, что модель подготовила первоначальный анализ вариантов развития программы за время, существенно меньшее необходимого для аналогичной работы специалистов.

В 2027 году компании планируют расширить сотрудничество.

Однако прогноз вероятности успеха клинического исследования пока нельзя считать подтверждённым инструментом принятия регуляторных или медицинских решений. Для этого необходимо проверить точность прогнозов на независимых данных и сопоставить их с фактическими результатами исследований.

Ещё одно направление связано с организацией биотехнологического бизнеса.

Инвестиционная компания The Column Group совместно с Anthropic создаёт Pleiades — компанию, которая должна проверить возможность управления большим количеством научных программ силами небольшой команды специалистов при активном использовании Claude.

Первый инструмент для оценки перспектив лекарственных мишеней уже был испытан на 45 сочетаниях «молекулярная мишень — заболевание».

Цель заключается в том, чтобы быстрее отбирать научно обоснованные гипотезы и отказываться от бесперспективных направлений до вложения значительных средств.

Отдельно Anthropic приобрела Mithril Medicine — небольшую компанию, первоначально состоявшую из одного основателя и занимавшуюся разработкой терапии редких наследственных мышечных дистрофий.

Её основатель Коди Транбаргер использовал Claude для координации договоров, логистики и экспериментов в 11 внешних лабораториях.

По информации Anthropic, один из потенциальных препаратов прошёл путь от первоначальной идеи до обнадёживающих результатов на мышах менее чем за 18 месяцев.

Если дальнейшие исследования подтвердят перспективность кандидатов, компания рассчитывает подготовить один из них к началу клинических испытаний уже в конце 2028 года.

Это прогноз, зависящий от будущих результатов, а не установленный срок появления лекарства.

Быстрое создание молекулы ещё не означает быстрого появления лекарства

Представленные результаты показывают, что искусственный интеллект может ускорять разные этапы разработки препаратов. Но их доказательная значимость существенно различается.

В одном проекте улучшены свойства иммунных клеток в лабораторных условиях. В другом найдены исходные структуры антител. В третьем подтверждено улучшение физико-химических характеристик белков. В четвёртом сокращено время проверки документов.

Эти показатели нельзя объединить в единый коэффициент ускорения фармацевтической разработки.

Большинство опубликованных материалов представляют собой технические отчёты компаний и предварительные исследования. Для новых терапевтических конструкций пока нет клинических данных, подтверждающих безопасность и эффективность у людей.

Кроме того, существенная часть работы выполнена при участии сотрудников и технической инфраструктуры самих компаний. Claude использовал специализированные инструменты, получал экспериментальные данные и работал в рамках задач, сформулированных исследователями.

Это важно для понимания реального механизма успеха. Результаты получены не автономной языковой моделью, а системой, объединяющей искусственный интеллект, лабораторную автоматизацию, специализированные вычисления и человеческую экспертизу.

Главные препятствия на пути к лекарству сохраняются: необходимо подтвердить механизм действия, установить токсикологический профиль, оценить производство, подобрать дозы и доказать клиническую пользу в исследованиях с участием людей.

Даже существенная экономия времени на ранних этапах не гарантирует сопоставимого сокращения общей продолжительности разработки или её стоимости.

Для пациентов выгода пока потенциальная, для исследователей — уже измеримая

Наиболее непосредственные последствия новых результатов относятся к организации научной работы.

Исследовательская группа может рассмотреть значительно больше вариантов молекулы, быстрее исключить неудачные конструкции и оперативнее переходить от результатов эксперимента к следующей гипотезе.

Для небольших биотехнологических компаний это потенциально меняет экономику ранней разработки, поскольку позволяет выполнять часть вычислительной и аналитической работы без пропорционального увеличения команды.

Для крупных фармацевтических организаций интерес представляет не только поиск новых веществ, но и интеграция искусственного интеллекта в процессы, которые традиционно требуют значительных затрат квалифицированного труда: анализ документации, подготовку регуляторных материалов, оценку научных программ и планирование исследований.

Однако увеличение числа потенциальных кандидатов одновременно повышает потребность в качественной экспериментальной проверке. Если лабораторная инфраструктура не успевает проверять предложенные моделью гипотезы, узкое место просто перемещается из вычислительной части в физический эксперимент.

Для пациентов наиболее важным результатом станет не количество сгенерированных молекул и не скорость работы алгоритма, а появление безопасных и эффективных препаратов, которые без этих технологий было бы значительно труднее разработать.

Пока такого результата представленные проекты не подтверждают.