Danaher запускает автономную лабораторию с ИИ для биологических исследований

Danaher строит автономную лабораторию: ИИ переходит от анализа данных к управлению реальным экспериментом

От лабораторного робота к системе, которая учится на собственных экспериментах

Автоматизация давно присутствует в биологических лабораториях. Роботы могут дозировать жидкости, переносить образцы, проводить измерения и выполнять тысячи повторяющихся операций точнее и быстрее человека. Но традиционная автоматизация принципиально ограничена: ученый заранее определяет последовательность действий, а машина ее выполняет.

Автономная лаборатория устроена иначе. Ее ключевой элемент — замкнутый цикл «спроектировать — создать — проверить — научиться». Алгоритм предлагает молекулу или эксперимент, роботизированная система физически выполняет работу, приборы получают результат, данные возвращаются модели, а она использует их для выбора следующего эксперимента.

Именно такой подход Danaher собирается реализовать в лаборатории на базе принадлежащей компании Abcam. Первой задачей станет разработка аффинных реагентов — молекул, способных избирательно связываться с определенной биологической мишенью. К ним относятся, в частности, антитела, широко используемые в биологических исследованиях, диагностике и разработке лекарств.

По данным Danaher, ИИ будет проектировать новые варианты, после чего лаборатория станет физически создавать и проверять их. Результат каждого эксперимента будет возвращаться в модель и влиять на следующий раунд разработки.

Это принципиальное отличие от распространенной сегодня модели применения ИИ, когда алгоритм делает прогноз, а дальнейшая экспериментальная работа остается отдельным процессом.

Danaher соединяет технологии нескольких компаний в одну экспериментальную цепочку

Проект интересен еще и структурой самой Danaher. Компания фактически располагает внутри одной группы значительной частью технологических компонентов, необходимых для построения автономной биологической лаборатории.

В проекте участвуют Abcam, Beckman Coulter Life Sciences, Cytiva, Genedata, Integrated DNA Technologies и Molecular Devices. За роботизированную интеграцию оборудования отвечает Automata.

Каждый из этих компонентов решает свою часть задачи: от проектирования и синтеза биологических конструкций до автоматизированной работы с образцами, измерений и анализа данных. Задача Danaher состоит в том, чтобы превратить набор отдельных приборов и программных систем в единый управляемый контур.

Это важно для понимания более широкой стратегии компании. Danaher говорит не только об одной лаборатории, но и о программе создания «умных» приборов, которыми можно программно управлять, которые производят пригодные для машинного анализа данные и способны объединяться в интегрированные рабочие процессы.

Если эта архитектура окажется работоспособной, ценность производителя лабораторного оборудования начнет определяться уже не только качеством отдельного прибора. Конкурентным продуктом становится вся экспериментальная система — оборудование, программное обеспечение, данные и алгоритмы, связанные между собой.

Почему замкнутый цикл способен ускорять поиск сильнее обычной автоматизации

В биологии существует огромное пространство возможных экспериментов. Даже сравнительно небольшое изменение последовательности белка может изменить его способность связываться с мишенью, стабильность, растворимость или другие свойства. Проверить все варианты физически невозможно.

Поэтому одна из наиболее перспективных функций ИИ состоит не просто в генерации новых молекул, а в выборе наиболее информативного следующего эксперимента.

Предположим, модель предложила сто возможных вариантов антитела. Вместо изготовления всех ста система может выбрать несколько конструкций, результаты которых дадут максимум новой информации. После проверки этих вариантов модель обновляет представление о связи между молекулярной структурой и результатом и выбирает следующую серию.

Таким образом, каждый эксперимент одновременно решает две задачи: проверяет конкретную молекулу и улучшает способность системы выбирать последующие эксперименты.

Подобный принцип уже продемонстрирован в академических автономных лабораториях. В 2024 году исследователи из Университета Висконсина в Мадисоне описали платформу SAMPLE для автономной инженерии белков. Алгоритм выбирал белковые последовательности, роботизированная лаборатория синтезировала и исследовала их, после чего экспериментальные результаты возвращались алгоритму.

Работы последних лет показывают, что такие замкнутые циклы становятся технически реализуемыми и в биотехнологии, хотя пока преимущественно для четко определенных и сравнительно узких экспериментальных задач.

Восемь раз быстрее — пока цель Danaher, а не установленный результат

Danaher заявляет, что новая система сможет ускорить получение аффинных реагентов до восьми раз и со временем увеличить их производство с десятков до сотен вариантов в год — то есть потенциально примерно в десять раз.

Эти цифры следует интерпретировать осторожно.

Лаборатория должна начать масштабную работу только в начале 2027 года, поэтому речь идет о целевых характеристиках, заявленных компанией, а не о результатах независимого сравнительного исследования работающей промышленной системы.

Не менее важно понимать, что ускорение разработки исследовательского реагента не означает восьмикратного ускорения создания нового лекарства.

Разработка лекарственного препарата включает множество последующих стадий: оптимизацию молекулы, доклинические исследования, оценку токсичности, разработку производственного процесса, клинические исследования и регуляторную экспертизу. Автономная лаборатория может существенно сократить один из ранних циклов исследований, но не устраняет остальные этапы.

Поэтому непосредственный эффект проекта Danaher следует оценивать прежде всего как ускорение экспериментальной биологии, а не как обещание создавать лекарства в восемь раз быстрее.

Главная проблема автономной науки — не робот, а качество экспериментальной обратной связи

Сам термин «автономная лаборатория» может создавать впечатление полностью самостоятельного ИИ-ученого. Современные системы значительно уже.

Обзор, опубликованный в Nature Reviews Chemistry в 2026 году, выделяет несколько условий, без которых автономные лаборатории трудно превратить из отдельных демонстрационных проектов в универсальную научную инфраструктуру. Среди них — масштабируемость, переносимость процессов между лабораториями, совместимость оборудования и программных систем, а также полная регистрация происхождения экспериментальных данных.

Последний пункт особенно важен.

Алгоритм учится не на абстрактной «науке», а на конкретных измерениях. Если робот неправильно дозировал реагент, прибор был недостаточно откалиброван или важные параметры эксперимента не попали в базу данных, модель может сделать вывод из ошибочного сигнала.

У человека-исследователя существует возможность заметить странность эксперимента, изменить протокол или поставить под сомнение результат. В автономной системе часть таких проверок необходимо формализовать и встроить в сам технологический контур.

Отсюда возникает еще одна задача — безопасность. Чем больше решений передается алгоритмам, тем важнее определить границы допустимых экспериментов, способы остановки процесса и правила проверки результатов человеком. В исследованиях автономных лабораторий 2025–2026 годов безопасность, воспроизводимость и контроль происхождения данных уже рассматриваются как центральные инженерные проблемы направления.

Danaher также подчеркивает, что ключевые научные решения в ее системе должны оставаться за исследователями. Поэтому правильнее говорить не о замене ученого, а о перераспределении работы между человеком и машиной.

Автономные лаборатории могут изменить экономику биологических исследований

Если подобные системы окажутся надежными, наиболее заметным последствием станет сокращение времени между научной гипотезой и экспериментальным ответом.

Сегодня исследователь может спроектировать эксперимент, подготовить образцы, провести измерения, обработать результаты и только после этого решить, какой опыт поставить следующим. Каждый оборот такого цикла требует времени и участия специалистов.

Автономная система способна выполнять последовательные циклы значительно быстрее и, потенциально, круглосуточно. При этом роботизация уменьшает вариабельность некоторых рутинных операций, а стандартизированная регистрация результатов создает большие массивы структурированных экспериментальных данных.

Возникает положительная обратная связь: автоматизация производит больше качественно описанных данных, эти данные улучшают модели, а улучшенные модели точнее выбирают следующие эксперименты.

Именно здесь автономные лаборатории соединяются с более широкой тенденцией развития ИИ в биомедицине. Ограничением современных моделей становится не только вычислительная мощность, но и количество качественных экспериментальных данных, на которых можно проверять их прогнозы.

Поэтому лаборатория постепенно превращается не просто в место проверки гипотез, а в систему целенаправленного производства данных для следующего поколения моделей.

Для исследователя ценность будет определяться не автономностью, а качеством полученного результата

Практическое значение технологии проявится прежде всего там, где требуется многократно повторять цикл проектирования и экспериментальной проверки.

Для разработчиков антител это может означать более быстрый доступ к новым исследовательским реагентам. Для биотехнологических и фармацевтических компаний — возможность раньше отбрасывать слабые варианты и концентрировать ресурсы на более перспективных молекулах. Для производителей лабораторного оборудования — переход от продажи отдельных приборов к созданию интегрированных исследовательских платформ.

Но автономность сама по себе не гарантирует лучшей науки. Система может очень быстро проводить плохо спроектированные эксперименты или оптимизировать показатель, который недостаточно хорошо отражает реальную биологическую задачу.

Поэтому главным испытанием проекта Danaher после запуска станет не способность роботов работать без постоянного участия человека. Важнее будет понять, воспроизводятся ли заявленные ускорение и рост производительности в реальных исследовательских программах, сохраняется ли качество получаемых реагентов и можно ли переносить такую архитектуру на более сложные биологические задачи.

Если ответы окажутся положительными, автономная лаборатория перестанет быть отдельным технологическим экспериментом и сможет стать новой моделью организации части биомедицинских исследований.