Flagship Pioneering инвестирует £100 млн в создание ИИ-компаний для разработки лекарств

Создатель Moderna вложит £100 млн в британскую биотехнологию: ИИ становится основой разработки лекарств

Американская Flagship Pioneering, создавшая Moderna и более 130 других компаний, объявила об инвестициях £100 млн в первую зарубежную лабораторию по созданию биотехнологических предприятий. Новая структура в Лондоне будет разрабатывать научные платформы, изначально построенные вокруг искусственного интеллекта. Компания рассчитывает привлечь ещё £500 млн от партнёров. Однако наиболее существенная часть стратегии связана не с автоматизацией поиска молекул, а с использованием медицинских данных для понимания причин заболеваний ещё до начала разработки лекарств.

Газетная иллюстрация: лондонский дом на золотистом фундаменте инвестиций, над которым кран возводит новые биотехнологические мастерские.
Flagship Pioneering выделяет £100 млн на британскую лабораторию, которая будет создавать новые компании на основе научных платформ и ИИ.

Flagship Pioneering переносит в Лондон модель создания компаний, а не обычный венчурный фонд

16 ноября 2026 года Flagship Pioneering объявила о создании Flagship Origination Lab, U.K. Это первая за более чем 25 лет работы компании специализированная структура по созданию новых предприятий за пределами США.

Для Flagship такой шаг принципиален. В отличие от традиционных венчурных инвесторов, которые выбирают перспективные компании и приобретают доли в их капитале, Flagship самостоятельно формирует научные гипотезы, проверяет их экспериментально, создаёт технологические платформы и только затем учреждает предприятия для их коммерческого развития.

Именно по этой модели появилась Moderna, ставшая одним из наиболее известных разработчиков лекарственных технологий на основе матричной РНК.

Британское подразделение должно воспроизвести этот подход с новым технологическим условием: искусственный интеллект будет встроен в работу создаваемых компаний с самого начала, а не добавлен позднее в качестве вспомогательного инструмента.

Flagship первоначально планирует привлечь около 50 учёных-предпринимателей и специалистов по развитию бизнеса. Их задачей станет не просто создание отдельных лекарственных кандидатов, а формирование научных платформ, способных впоследствии давать начало нескольким продуктам.

При этом направления деятельности лаборатории не ограничиваются фармацевтикой. Компания рассматривает также технологии для охраны окружающей среды, сельского хозяйства и других областей биологических наук.

Британская NHS интересует инвестора не меньше, чем научные лаборатории

Выбор Великобритании связан с сочетанием фундаментальной науки, клинической инфраструктуры и больших массивов медицинской информации.

В интервью Reuters основатель и генеральный директор Flagship Pioneering Нубар Афеян выделил Национальную службу здравоохранения Великобритании (NHS) как одно из главных преимуществ страны.

На протяжении десятилетий NHS собирала сведения о заболеваниях, лечении и состоянии пациентов. Для исследователей такие данные позволяют изучать не только отдельные биологические процессы, но и то, как болезни развиваются у людей в повседневной жизни.

Это принципиально отличается от классической последовательности разработки лекарств.

Традиционно исследователь может начать с известного белка или биологического механизма, предположить его роль в заболевании и создать вещество, воздействующее на выбранную мишень.

Новая стратегия предполагает движение и в обратном направлении: сначала анализировать клинические данные, выявлять закономерности заболевания, затем искать биологические механизмы, способные их объяснить.

Например, алгоритмы могут обнаруживать группы пациентов, у которых одно заболевание развивается с разной скоростью или сопровождается различными осложнениями. Сопоставление таких наблюдений с генетической и молекулярной информацией помогает сформулировать гипотезы о причинах этих различий.

Подобный подход использует данные реальной клинической практики — сведения о пациентах, полученные за пределами специально организованных экспериментов.

Однако найденная алгоритмом закономерность не обязательно означает причинно-следственную связь. Различия могут объясняться возрастом, сопутствующими заболеваниями, образом жизни или особенностями лечения. Поэтому компьютерный анализ остаётся способом выдвижения гипотез, требующих дальнейшей проверки.

Есть и регуляторные ограничения. NHS развивает защищённые исследовательские среды, в которых доступ к медицинской информации получают только уполномоченные пользователи, а исходные данные остаются внутри контролируемой инфраструктуры.

Наличие масштабных медицинских баз само по себе не означает, что любая коммерческая компания может свободно использовать содержащуюся в них информацию.

Искусственный интеллект меняет не только скорость, но и последовательность разработки лекарств

Наиболее интересная особенность стратегии Flagship заключается в попытке объединить несколько процессов, которые исторически выполнялись разными организациями.

Первый — поиск биологических причин заболеваний.

Второй — проектирование молекул, способных воздействовать на выявленные механизмы.

Третий — экспериментальная проверка созданных конструкций.

Чвёртый — планирование клинических исследований с использованием накопленных медицинских данных.

В традиционной модели эти этапы часто разделены между университетами, небольшими биотехнологическими компаниями, фармацевтическими производителями и специализированными исследовательскими организациями.

Flagship стремится построить предприятия, в которых вычислительные методы, экспериментальная биология и разработка лекарств будут работать как единая система.

Особое значение имеет обратная связь между алгоритмами и лабораторными экспериментами. Искусственный интеллект предлагает молекулярную конструкцию или биологическую гипотезу, исследователи проверяют её, а полученные результаты используются для дальнейшего уточнения моделей.

Таким образом, компьютерная система не просто анализирует уже существующие знания. Она может участвовать в выборе следующих экспериментов и постепенно улучшать качество собственных прогнозов.

При этом Афеян осторожно оценивает нынешние возможности технологии. По его мнению, первоначальный и наиболее фундаментальный вклад ИИ может заключаться в более глубоком понимании механизмов заболеваний.

Это существенно более сдержанная позиция, чем распространённое представление о том, что алгоритмы вскоре смогут автоматически создавать готовые лекарства.

GB-0895 показывает, насколько далеко продвинулось компьютерное проектирование биопрепаратов

Практический пример подхода Flagship — компания Generate Biomedicines, разрабатывающая терапевтические белки с применением искусственного интеллекта.

Reuters сообщает, что компания уже завершила раннее клиническое исследование созданного с помощью ИИ препарата против астмы в Манчестере.

Дополнительные сведения содержатся в опубликованном 12 ноября 2026 года корпоративном отчёте Generate Biomedicines.

Наиболее продвинутая собственная разработка компании, GB-0895, представляет собой экспериментальное моноклональное антитело против TSLP.

TSLP — сигнальный белок, участвующий в запуске воспалительных реакций дыхательных путей. Его блокирование рассматривается как способ уменьшения воспаления при тяжёлой астме.

Особенность GB-0895 заключается в использовании вычислительных методов для проектирования антитела с длительным действием. Разработчики стремятся обеспечить возможность введения препарата всего два раза в год.

По представленным компанией результатам I фазы, однократная инъекция поддерживала снижение воспалительных биомаркеров не менее шести месяцев у участников с лёгкой и умеренной астмой.

К ноябрю 2026 года GB-0895 уже изучается в двух международных исследованиях III фазы SOLAIRIA-1 и SOLAIRIA-2 у пациентов с тяжёлой неконтролируемой астмой.

Главная задача этих исследований — определить, уменьшает ли препарат частоту клинически значимых обострений заболевания по сравнению с плацебо при наблюдении в течение 52 недель.

Это принципиальное различие. Продолжительное подавление биологического маркера показывает, что препарат воздействует на выбранный механизм. Но только полноценное клиническое исследование может установить, приводит ли такое воздействие к существенной пользе для пациентов.

Поэтому продвижение GB-0895 до III фазы подтверждает способность платформы Generate создавать молекулы, пригодные для клинической разработки, но ещё не доказывает эффективность самого препарата.

Лондонская лаборатория выросла из трёхлетней подготовки

Объявленные инвестиции не стали внезапным решением.

Flagship открыла офис в Лондоне в 2023 году и тогда же подписала меморандум о сотрудничестве с британским правительством.

Одним из результатов стала Quotient Therapeutics, компания, работающая одновременно в американской и британской научных экосистемах.

Quotient занимается соматической геномикой — исследованием генетических изменений, возникающих в клетках организма в течение жизни.

В отличие от наследственных вариантов генов, присутствующих с рождения, соматические изменения могут накапливаться по мере старения и под воздействием различных факторов. Их изучение помогает выявлять связи между изменениями в клетках и развитием заболеваний.

Среди научных организаций, участвовавших в становлении Quotient, был британский Институт Сенгера, известный исследованиями генома человека.

Этот пример показывает, что Flagship уже использует британскую научную инфраструктуру для создания самостоятельных биотехнологических предприятий.

Новая лаборатория должна сделать такую деятельность систематической, расширив её масштаб и усилив роль искусственного интеллекта.

£500 млн дополнительного капитала пока остаются инвестиционной целью

Финансовая структура проекта требует отдельного пояснения.

Flagship объявила о первоначальном обязательстве направить £100 млн на создание и развитие британского подразделения.

Дополнительно компания рассчитывает привлечь не менее £500 млн от университетов, корпораций, финансовых организаций и других партнёров.

Следовательно, потенциальный совокупный масштаб инициативы может достигнуть £600 млн, но это не означает, что вся указанная сумма уже выделена или обеспечена обязательствами инвесторов.

Bloomberg отмечает, что первоначальные инвестиции предполагается распределять в течение нескольких лет, а дополнительное финансирование зависит от будущих партнёрств.

Экономическая логика проекта заключается в распределении расходов на научные исследования и технологическую инфраструктуру между несколькими создаваемыми предприятиями.

Если одна платформа позволяет разрабатывать различные лекарственные продукты, затраты на вычислительные системы, лабораторную инфраструктуру и специализированные научные команды потенциально могут использоваться повторно.

Однако этот эффект зависит от того, насколько воспроизводимыми окажутся результаты исследований.

ИИ способен ускорять проектирование молекул, но не устраняет биологическую неопределённость, производственные сложности и вероятность неудачи в клинических испытаниях.

Компаниям также предстоит решать вопросы качества обучающих данных, воспроизводимости экспериментальных результатов, интеллектуальной собственности и соответствия требованиям регуляторов.

Для пациентов главный вопрос — превратятся ли вычислительные преимущества в клиническую пользу

В краткосрочной перспективе новая инициатива Flagship не меняет существующие рекомендации по лечению заболеваний и не обеспечивает появления дополнительных зарегистрированных препаратов.

Её потенциальное значение связано с более ранними этапами разработки терапии.

Если анализ медицинских и молекулярных данных позволит точнее определять причины заболеваний, исследователи смогут выбирать более обоснованные терапевтические мишени.

Если генеративные модели улучшат проектирование белков и других лекарственных молекул, часть экспериментальных неудач потенциально удастся обнаруживать раньше.

Для врачей и пациентов результат может проявиться в появлении новых механизмов лечения, более удобных режимов введения препаратов или терапии для групп больных, недостаточно хорошо отвечающих на существующие лекарства.

Но между вычислительным прогнозом и зарегистрированным препаратом сохраняется длинная последовательность проверок безопасности, эффективности и качества производства.

Более того, ускорение ранних исследований не обязательно приводит к пропорциональному сокращению всего срока разработки. Длительность наблюдения за пациентами и необходимость оценивать редкие нежелательные явления нельзя устранить исключительно вычислительными методами.

Поэтому успех лондонской инициативы следует оценивать не по количеству созданных компаний или объёму привлечённых средств, а по тому, сколько научных гипотез удастся превратить в воспроизводимые экспериментальные результаты и клинически значимые методы лечения.

Синтез от АПТЕКИУМ: Инвестиции Flagship Pioneering показывают важный поворот в развитии мировой биотехнологической отрасли: искусственный интеллект постепенно становится не отдельным инструментом поиска лекарств, а частью самой архитектуры научного предприятия. Британский проект объединяет три ресурса — медицинские данные, экспериментальную биологию и капитал для создания новых компаний. Его главный потенциальный результат состоит не в том, чтобы быстрее проектировать уже известные типы препаратов, а в возможности находить ранее неочевидные механизмы заболеваний. Однако экономическая и медицинская состоятельность такой модели будет определяться не возможностями алгоритмов сами по себе, а качеством научной проверки и результатами клинических исследований.

18+
Для профессионального сообщества:

Данная публикация предназначена для специалистов здравоохранения и участников фармрынка. Аналитические выводы редакции носят информационный характер и не являются призывом к самолечению или заменой очной консультации врача. При работе с лекарственными препаратами необходимо руководствоваться официальной инструкцией и мнением профильного специалиста. Полный текст дисклеймера.