Przeciwciała stały się jednym z fundamentów współczesnej farmakologii, a ich rynkowa wartość i znaczenie stale rosną. Według danych opublikowanych w Journal of Biomedical Science, do sierpnia 2025 roku na rynku globalnym funkcjonowały już 144 leki oparte na przeciwciałach zatwierdzone przez amerykańską Agencję ds. Żywności i Leków (FDA). Globalna sprzedaż tej klasy preparatów przekroczyła w 2024 roku poziom 267 miliardów dolarów, co pokazuje gigantyczną skalę zapotrzebowania na innowacyjne terapie biologiczne.
Przełom w cyfrowym projektowaniu i problem ryzyka immunologicznego
Współczesna sztuczna inteligencja potrafi generować tysiące kandydatów na przeciwciała w rekordowo krótkim czasie. Algorytmy uczenia maszynowego oraz zaawansowane modele biologiczne rewolucjonizują wczesne etapy odkrywania leków, pozwalając na projektowanie cząsteczek od zera w celach zwalczania nowotworów, chorób autoimmunologicznych czy nowych zagrożeń wirusowych. Pojawia się jednak fundamentalne pytanie: czy układ odpornościowy pacjenta zaakceptuje tak zaprojektowaną cząsteczkę?
Gdy ludzki organizm traktuje terapeutyczne przeciwciało jako intruza, wytwarza przeciwciała antylekowe (ADA). Mogą one całkowicie osłabić działanie leku, zmienić sposób jego dystrybucji w ciele, a także wywołać poważne obawy związane z bezpieczeństwem terapii. Wykrycie tego ryzyka na późnym etapie rozwoju klinicznego potrafi zniweczyć lata pracy i pochłonąć ogromne środki finansowe. Tradycyjne metody weryfikacji immunogenności okazywały się jednak zbyt powolne i kosztowne, by badać tysiące wariantów generowanych automatycznie przez algorytmy.
Skalowanie analiz dzięki nowej infrastrukturze obliczeniowej
Sytuacja ta zaczyna ulegać gwałtownej zmianie za sprawą rosnącej wydajności oprogramowania do badań przesiewowych oraz nowoczesnych procesorów. Przełomowe inicjatywy pokazują, że zaawansowane platformy AI potrafią radzić sobie z gigantyczną skalą danych. Przykładowo, opublikowane niedawno analizy testowe platformy LensAI od MindWalk Holdings wykazały możliwość przesiewu niemal 900 tysięcy sekwencji przeciwciał (dokładnie 890 634) pod kątem ryzyka immunologicznego w czasie poniżej pięciu godzin. Wykorzystanie zaawansowanych klastrów chmurowych opartych na procesorach AMD EPYC pozwoliło na drastyczne obniżenie kosztów jednostkowych takich operacji, czyniąc rygorystyczne testy bezpieczeństwa standardem już na samym początku procesu badawczego.
Eksperci branżowi zwracają uwagę, że kluczem do sukcesu nowej generacji biotechnologii nie jest sama sztuczna inteligencja działająca w oderwaniu od rzeczywistości, lecz ścisła integracja modeli cyfrowych z walidacją laboratoryjną. Połączenie szybkich generacji cząsteczek z natychmiastową in silico oceną developability oraz ryzyka immunologicznego sprawia, że wąskie gardło polegające na braku możliwości sprawdzenia wszystkich projektów AI powoli odchodzi w przeszłość.
Źródło: Financial Post
