Искусственный интеллект в медицине: Profluent ищет антибиотики за недели вместо лет
Компания Profluent, основанная выходцами из Salesforce Research, представила в июне 2025 года открытую платформу ProSAR-2, которая использует искусственный интеллект в медицине для поиска новых антимикробных молекул, способных бороться с устойчивыми к антибиотикам бактериями.
Устойчивость бактерий к антибиотикам убивает больше миллиона человек в год по всему миру, и фармацевтический конвейер за последние десятилетия почти не выдавал новых классов антибиотиков. Открытая ИИ-платформа для генерации антимикробных молекул может ускорить этот процесс на порядок.
Проблема антибиотикорезистентности (когда бактерии перестают реагировать на существующие лекарства) нарастает по всему миру, включая Россию. Традиционная разработка нового антибиотика занимает от 10 до 15 лет и стоит сотни миллионов долларов. Платформа ProSAR-2, по заявлению Profluent, сокращает этап поиска молекул-кандидатов с нескольких лет до нескольких недель. Искусственный интеллект в медицине здесь работает не как поисковик, а как генератор: модель создаёт новые белковые последовательности, которых не существует в природе, и оценивает их способность уничтожать целевые бактерии.
| Что | Когда | Кто выпустил | Цена |
|---|---|---|---|
| ProSAR-2, ИИ-платформа для генерации антимикробных молекул | Июнь 2025 | Profluent (США) | Открытая модель, доступна бесплатно для исследователей |
Что умеет ProSAR-2?
- Генерирует новые молекулы с нуля. Модель обучена на базе известных антимикробных пептидов (коротких белков, убивающих бактерии) и предлагает варианты, которых раньше не существовало.
- Оценивает эффективность до лабораторных тестов. Встроенный модуль предсказывает, насколько вероятно, что сгенерированная молекула сработает против конкретного штамма бактерий, это экономит месяцы мокрой лабораторной работы.
- Работает с открытыми весами. Исследователи могут скачать модель, запустить её локально и провести дообучение (fine-tuning, обучение модели на собственных данных под узкую задачу) на своих данных.
- Учитывает токсичность. Отдельный фильтр отсеивает молекулы, которые с высокой вероятностью окажутся опасными для клеток человека.
Как попробовать?
- Перейдите на страницу проекта Profluent и скачайте открытые веса модели ProSAR-2.
- Установите модель на сервер с GPU (видеокартой для вычислений) или воспользуйтесь облачным сервисом, подойдёт Google Colab или аналогичная среда.
- Загрузите свой набор данных об антимикробных пептидах или используйте встроенный датасет для первых экспериментов.
- Запустите генерацию молекул-кандидатов и отфильтруйте результаты по предсказанной эффективности и токсичности.
Есть ли что-то похожее в России?
В РФ пока нет прямого аналога ProSAR-2 как открытой платформы для генерации антимикробных молекул. Однако несколько направлений пересекаются:
- Инсилико Медицина (Insilico Medicine), компания с российскими корнями, использует ИИ для разработки лекарств, но её инструменты закрытые и коммерческие.
- YandexGPT и GigaChat не предназначены для молекулярного дизайна, но могут помочь исследователям быстро обработать научные статьи, составить обзор литературы или сгенерировать код для анализа данных.
Для автора Дзена или маркетолога в фармсекторе ProSAR-2 интересна не как инструмент для прямого использования, а как пример того, как открытые ИИ-модели меняют целые отрасли.
Кому это полезно прямо сейчас?
Авторам Дзена, пишущим о здоровье и науке. Тема антибиотикорезистентности собирает стабильный трафик. Материал о том, как ИИ ищет новые антибиотики, хорошо работает в формате «объясняю простыми словами» и выделяется на фоне типичных новостей о ChatGPT.
Маркетологам в фармацевтике. Если ваш клиент или работодатель связан с разработкой лекарств, понимание инструментов вроде ProSAR-2 даёт язык для общения с R&D-отделом (подразделением исследований и разработок) и материал для экспертного контента.
Предпринимателям в биотехе. Открытые веса означают, что можно протестировать платформу без лицензионных платежей и оценить, стоит ли строить на ней продукт для российского рынка, где проблема устойчивых инфекций стоит остро.
ProSAR-2 не вылечит суперинфекцию завтра. От сгенерированной молекулы до таблетки в аптеке по-прежнему годы клинических испытаний. Но для индустрии это принципиальный сдвиг: раньше поиск молекулы-кандидата был узким горлышком, а теперь ИИ способен выдать тысячи вариантов за выходные.
Для тех, кто далёк от биохимии, главный вывод другой: открытые ИИ-модели добрались до задач, которые ещё три года назад считались исключительно лабораторными. Если вы автор на Дзене, попробуйте сделать разбор одного конкретного применения ИИ в медицине на примере ProSAR-2. Такой контент выигрывает у общих обзоров, потому что в нём есть конкретное название, конкретная задача и понятный результат.
Оговорка: я не проверял модель лично, информация основана на заявлениях Profluent. Реальная эффективность сгенерированных молекул станет ясна только после лабораторной валидации.
Частые вопросы
Можно ли использовать ProSAR-2 без знания биохимии?
Саму платформу запустить может любой, кто умеет работать с Python и командной строкой. Но интерпретировать результаты, понять, какая молекула перспективна, а какая бесполезна, без биохимической подготовки не получится. Для авторов и журналистов платформа полезна как источник фактуры, а не как рабочий инструмент.
Заменит ли ИИ фармацевтов и разработчиков лекарств?
Нет. ProSAR-2 закрывает только один этап: генерацию и предварительный отбор молекул. Дальше нужны лабораторные тесты, доклинические исследования на животных, три фазы клинических испытаний и регуляторное одобрение. Искусственный интеллект в медицине ускоряет начало пути, но не отменяет сам путь.
Доступна ли платформа из России?
Открытые веса модели размещены на публичных репозиториях. Прямых ограничений по географии на момент публикации Profluent не объявляла. Однако для полноценной работы потребуется доступ к серверу с мощной видеокартой, что в текущих условиях может потребовать облачных сервисов за пределами РФ.
Кто первым из российских биотех-команд запустит дообучение ProSAR-2 на локальных штаммах, получит фору в месяцы, а в борьбе с суперинфекциями месяцы стоят жизней.

Основатель dzen.guru. Эксперт по монетизации и продвижению на Дзен. Автор курса «Старт на Дзен 2026».
Читайте также

Gemini в Google Таблицах: параллельные запросы экономят до 80 секунд на пачку
Google Таблица, скрипт на Google Apps Script и модель Gemini позволяют собрать автономный анализатор новостей без выделенного сервера, и ключевой приём здесь в…

MCP-протокол перегружает контекст модели: toolhub заменяет JSON-схемы деревом навигации
MCP протокол (Model Context Protocol, протокол контекста модели) обещает стандартизировать подключение инструментов к языковым моделям, но на практике…

9 ошибок при внедрении AI в продукте: чек-лист из провалов российского EdTech
Андрей Коптелов, бизнес-архитектор и менеджер образовательных продуктов, опубликовал на Хабре разбор девяти ошибок, которые допускают менеджеры при внедрении…
Комментарии