Разработка новых лекарств от рака сталкивается с серьезной проблемой: 95% препаратов, которые успешно работают на мышах, оказываются неэффективными для людей. Причина кроется не только в биологических различиях между видами, но и в методологии интерпретации результатов. Традиционно ученые анализируют, как препарат влияет на мышиную опухоль: какие гены активируются, какие белки изменяются. Однако этот переход от мышиных данных к человеческому прогнозу остается самым уязвимым местом исследований.
Компания Noetik AI предлагает революционный подход — систему Perturb-MARS, которая позволяет читать мышиные эксперименты через «человеческую линзу». Идея заключается в том, чтобы использовать мышей как экспериментальную площадку для быстрой проверки вмешательств, а затем с помощью ИИ интерпретировать изменения так, будто они происходят в человеческой биологии рака.
Система объединяет две ключевые технологии. Первая — Perturb-Map: лабораторная платформа, которая позволяет одновременно тестировать десятки генетических изменений опухоли внутри одной мыши. Обычно для изучения влияния каждого гена требуется отдельная группа мышей, что замедляет исследования и увеличивает их стоимость. Вторая технология — TARIO-2: ИИ-модель, обученная исключительно на тканях человеческого рака. Она анализирует обычный срез опухоли и по его структуре предсказывает, какие гены и где внутри опухоли, вероятно, активны.
Самое интересное начинается в момент соединения этих моделей. На мыши имитируют действие препарата и наблюдают, как меняется опухоль. Затем TARIO-2 анализирует срез этой опухоли не как набор мышиных данных, а как паттерн, похожий на человеческий рак. Модель не переводит мышиные гены в человеческие напрямую — она распознает структуру и поведение опухоли на изображении и проецирует их в координаты человеческой биологии: какие человеческие гены могли бы быть активны в похожем состоянии опухоли у пациента.
В перспективе такая система поможет создать полноценный симулятор человеческой биологии рака, что значительно ускорит разработку эффективных препаратов и снизит количество неудачных клинических испытаний.
