AI-platformmal gyorsítaná a kutatást az UCB
Stratégiai együttműködést jelentett be az UCB és a Cradle 2026. november 4-én. A brüsszeli központú UCB a Cradle mesterséges intelligenciára épülő fehérjetervező és fehérjemérnöki platformját használja majd kiválasztott antitestfelfedezési projektjeiben. A cél, hogy a rendszer ne csupán egyetlen kutatási feladathoz kapcsolódjon, hanem a fejlesztési folyamat több egymást követő szakaszában is szerepet kapjon.
Az együttműködésről az antitestfejlesztési partnerségről szóló beszámoló szerint a folyamat a kezdeti molekulajelöltek létrehozásával indul. Ezt a vezetőjelöltek optimalizálása követi, végül pedig a preklinikai fejlesztésre való előkészítés részeként alkalmazzák a platformot. Az UCB ezzel tovább bővíti digitális antitestfelfedezési és mérnöki programját.
A vállalat saját antitestfelfedezési képességeit számításos tudományos módszerekkel, betegségbiológiai ismeretekkel, valamint technológiai és kutatási partnerek hálózatával kapcsolja össze. Az új megállapodás ennek a megközelítésnek lehet a következő lépése.
A laboreredmények folyamatosan tanítják a modelleket
Az UCB tudósai több programban is használhatják a Cradle rendszerét. A közös munkamódszer egyik fontos eleme, hogy a kísérletek során kapott eredmények visszakerülnek az adott programhoz kapcsolódó modellekbe. A cégek ezt lab-in-the-loop, vagyis laboratóriummal összekapcsolt tanulási ciklusnak nevezik.
A megközelítésben a számítógépes előrejelzések nem váltják ki a laboratóriumi vizsgálatokat. A kutatók a modellek javaslatait kísérletekkel ellenőrzik, majd az új adatokat ismét felhasználják a következő tervezési körben. Így a rendszer a konkrét projektekben felhalmozott eredmények alapján fejlődhet tovább.
A cél az, hogy a kutatók a jelölteket a sikerhez szükséges tulajdonságok teljes köre szerint javíthassák. Ebben továbbra is meghatározó marad a szakmai tapasztalat és az emberi döntéshozatal. Az UCB szerint az AI hozzájárulhat jobb molekulák tervezéséhez, gyorsabb tanuláshoz és ahhoz, hogy a jó minőségű terápiás jelöltek korábban eljussanak a fejlesztés következő szakaszaiba.
Az emberi szakértelem kiegészítésére használják
Az UCB tudományos igazgatója, Alistair Henry szerint a vállalat nem önálló célként tekint a mesterséges intelligenciára. Megfogalmazása alapján az AI olyan tudományos erősítő lehet, amely kiegészíti a biológiában, a kémiában és a transzlációs kutatásban dolgozó szakemberek tudását.
Henry szerint a Cradle teljes körű platformjának bevonása lehetőséget ad arra, hogy a számításos módszereket szigorú, gyakorlati alkalmazásra összpontosító módon használják. A fejlesztés irányát tehát nem kizárólag az algoritmusok határozzák meg, hanem a kutatók értékelése és a laboratóriumi eredmények is.
Stef van Grieken, a Cradle vezérigazgatója és társalapítója úgy látja, hogy a mesterséges intelligencia akkor lehet igazán hatékony a biológiai gyógyszerek kutatásában, ha nem elszigetelt kísérletekhez kötődik. Szerinte a technológiának a kutatói munkafolyamat részeként, több programban és összetettebb mérnöki feladatoknál is skálázhatóan kell működnie.
Szélesebb digitális antitestprogramot épít az UCB
Az együttműködés az UCB kiválasztott felfedezési projektjeire vonatkozik, a kezdeti molekulajelöltek megalkotásától a preklinikai előkészítésig. A vállalat olyan betegségekre összpontosít, amelyeknél a betegeknek továbbra is jobb kezelési lehetőségekre van szükségük. A közös munka célja a mesterséges intelligencia beépítése a teljes felfedezési folyamatba.
Az UCB körülbelül 9000 munkatárssal van jelen mintegy 40 országban, és 2025-ben 7,7 milliárd eurós bevételt ért el. A Cradle tájékoztatása szerint fehérjemérnöki platformját több mint 80 aktív kutatási és fejlesztési programban alkalmazzák gyógyszeripari, ipari biotechnológiai, mezőgazdasági és fogyasztási cikkeket gyártó vállalatok.
A bejelentés ugyanakkor óvatosságra is int. A partnerség jövőbeli lehetőségeire vonatkozó állítások nem jelentenek garanciát a későbbi teljesítményre. Az új gyógyszerjelöltek felfedezése nem biztosított, és a preklinikai eredmények önmagukban nem garantálják, hogy egy jelölt emberekben biztonságosnak és hatásosnak bizonyul.
