Просто худеть недостаточно: начинается гонка за «качество» снижения веса
Ещё недавно гонку на рынке препаратов от ожирения было довольно просто измерять: процент снижения массы тела. Теперь, похоже, появляется второй параметр — из чего именно складываются потерянные килограммы.
💊 На этой неделе Genentech, входящая в Roche, лицензировала у корейской Hanmi Pharmaceutical экспериментальный препарат HM17321. За права Hanmi получит $190 млн авансом, а общая стоимость сделки с выплатами за успешную разработку и коммерциализацию может достигнуть $2,3 млрд. Для препарата, который пока находится только в первой фазе клинических исследований, ставка довольно высока.
🔎 Причина интереса — необычная задача HM17321. Это не очередной GLP-1 агонист: препарат представляет собой длительно действующий аналог урокортина-2 (UCN2) и активирует рецептор CRF2. Его пытаются разработать так, чтобы преимущественно уменьшать жировую массу, сохраняя и даже потенциально увеличивая мышечную. В доклинических исследованиях Hanmi сообщала о таком эффекте как при монотерапии, так и при комбинации с GLP-1; сейчас это ещё предстоит подтвердить у людей. После завершения фазы 1 дальнейшую разработку с фазой 2 возьмёт на себя Genentech.
💪 Почему это вообще стало дорогостоящей проблемой? Современные GLP-1-препараты дают впечатляющее снижение веса, но вместе с жиром пациенты теряют и часть безжировой массы. Например, в исследовании Regeneron COURAGE около 35% потери веса на семаглутиде на 26-й неделе приходилось на безжировую массу. Особенно важным этот вопрос становится для пожилых пациентов и людей с исходно небольшой мышечной массой.
📝И Roche здесь не одна. Lilly ещё в 2023 году заплатила до $1,925 млрд за Versanis Bio, чтобы получить bimagrumab — препарат, способный влиять на соотношение жировой и мышечной массы. Regeneron изучает добавление антитела trevogrumab к семаглутиду, а в июне этого года в Nature Medicine вышли результаты Phase 2 другого подхода — комбинации tirzepatide с ингибитором миостатина apitegromab для сохранения безжировой.
‼️ Первая волна obesity R&D доказала, что фармакологически можно убрать от 15–20% массы тела. Теперь начинается борьба за то, какие именно килограммы пациент потеряет.
Открывается новый слой рынка поверх GLP-1: препараты для сохранения мышц, комбинации, альтернативные метаболические механизмы и, возможно, отдельные решения для пожилых пациентов. И $2,3 млрд, которые Roche готова поставить на пока ещё ранний HM17321, хорошо показывают, что «качество похудения» постепенно превращается из красивого дополнительного свойства в самостоятельную коммерческую цель.
Ещё недавно гонку на рынке препаратов от ожирения было довольно просто измерять: процент снижения массы тела. Теперь, похоже, появляется второй параметр — из чего именно складываются потерянные килограммы.
💊 На этой неделе Genentech, входящая в Roche, лицензировала у корейской Hanmi Pharmaceutical экспериментальный препарат HM17321. За права Hanmi получит $190 млн авансом, а общая стоимость сделки с выплатами за успешную разработку и коммерциализацию может достигнуть $2,3 млрд. Для препарата, который пока находится только в первой фазе клинических исследований, ставка довольно высока.
🔎 Причина интереса — необычная задача HM17321. Это не очередной GLP-1 агонист: препарат представляет собой длительно действующий аналог урокортина-2 (UCN2) и активирует рецептор CRF2. Его пытаются разработать так, чтобы преимущественно уменьшать жировую массу, сохраняя и даже потенциально увеличивая мышечную. В доклинических исследованиях Hanmi сообщала о таком эффекте как при монотерапии, так и при комбинации с GLP-1; сейчас это ещё предстоит подтвердить у людей. После завершения фазы 1 дальнейшую разработку с фазой 2 возьмёт на себя Genentech.
💪 Почему это вообще стало дорогостоящей проблемой? Современные GLP-1-препараты дают впечатляющее снижение веса, но вместе с жиром пациенты теряют и часть безжировой массы. Например, в исследовании Regeneron COURAGE около 35% потери веса на семаглутиде на 26-й неделе приходилось на безжировую массу. Особенно важным этот вопрос становится для пожилых пациентов и людей с исходно небольшой мышечной массой.
📝И Roche здесь не одна. Lilly ещё в 2023 году заплатила до $1,925 млрд за Versanis Bio, чтобы получить bimagrumab — препарат, способный влиять на соотношение жировой и мышечной массы. Regeneron изучает добавление антитела trevogrumab к семаглутиду, а в июне этого года в Nature Medicine вышли результаты Phase 2 другого подхода — комбинации tirzepatide с ингибитором миостатина apitegromab для сохранения безжировой.
‼️ Первая волна obesity R&D доказала, что фармакологически можно убрать от 15–20% массы тела. Теперь начинается борьба за то, какие именно килограммы пациент потеряет.
Открывается новый слой рынка поверх GLP-1: препараты для сохранения мышц, комбинации, альтернативные метаболические механизмы и, возможно, отдельные решения для пожилых пациентов. И $2,3 млрд, которые Roche готова поставить на пока ещё ранний HM17321, хорошо показывают, что «качество похудения» постепенно превращается из красивого дополнительного свойства в самостоятельную коммерческую цель.
👍11🔥8❤4
AlphaFold: от сворачивания белков — к поиску лекарств
Еще совсем недавно предсказание трехмерной структуры белка оставалось одной из тех задач, где эксперимент был практически единственным решением. Вычислительные методы постепенно сокращали разрыв между числом известных последовательностей и экспериментально расшифрованных структур, но настоящий прорыв случился с появлением AlphaFold 1/2.
Что делать с этой структурой дальше? Для структурной биологии достаточно хорошо предсказать архитектуру белка, но для медицинской химии важны куда более детализированные знания. При докинге малой молекулы важны положение отдельных боковых цепей, вода и кофакторы, форма кармана и разные конформационные состояния белка.
Продолжение этой истории — AlphaFold 3. Здесь модель уже пытается предсказывать не только сам белок, но и целые молекулярные комплексы: с малыми молекулами, нуклеиновыми кислотами и другими партнерами. Как в AlphaFold пришли диффузионные модели, что именно изменилось по сравнению с предыдущими поколениями и насколько близко это подводит нас к надежному предсказанию белок–лигандных комплексов — подробно разбирают наши партнеры из «Биомолекулы» в статье Георгия Куракина: «AlphaFold 3: как диффузионные модели пришли в предсказание структуры белков».
А если хочется посмотреть на ту же технологию глазами медицинского химика, приглашаем к нашей статье «AlphaFold for a medicinal chemist: tool or toy?». В ней разбираемся, насколько структуры AlphaFold действительно пригодны для докинга и виртуального скрининга малых молекул, где модели начинают ошибаться и почему для drug discovery красивой структуры белка иногда все еще недостаточно.
Еще совсем недавно предсказание трехмерной структуры белка оставалось одной из тех задач, где эксперимент был практически единственным решением. Вычислительные методы постепенно сокращали разрыв между числом известных последовательностей и экспериментально расшифрованных структур, но настоящий прорыв случился с появлением AlphaFold 1/2.
Что делать с этой структурой дальше? Для структурной биологии достаточно хорошо предсказать архитектуру белка, но для медицинской химии важны куда более детализированные знания. При докинге малой молекулы важны положение отдельных боковых цепей, вода и кофакторы, форма кармана и разные конформационные состояния белка.
Продолжение этой истории — AlphaFold 3. Здесь модель уже пытается предсказывать не только сам белок, но и целые молекулярные комплексы: с малыми молекулами, нуклеиновыми кислотами и другими партнерами. Как в AlphaFold пришли диффузионные модели, что именно изменилось по сравнению с предыдущими поколениями и насколько близко это подводит нас к надежному предсказанию белок–лигандных комплексов — подробно разбирают наши партнеры из «Биомолекулы» в статье Георгия Куракина: «AlphaFold 3: как диффузионные модели пришли в предсказание структуры белков».
А если хочется посмотреть на ту же технологию глазами медицинского химика, приглашаем к нашей статье «AlphaFold for a medicinal chemist: tool or toy?». В ней разбираемся, насколько структуры AlphaFold действительно пригодны для докинга и виртуального скрининга малых молекул, где модели начинают ошибаться и почему для drug discovery красивой структуры белка иногда все еще недостаточно.
❤15🔥8💯3❤🔥1
Поймать BAX в неактивной форме
BAX — хорошо известный участник митохондриального апоптоза. В новой работе Nature Chemical Biology его попробовали фармакологически «поймать» в неактивной конформации — до того, как белок успеет перестроиться, переместиться к митохондриям и запустить клеточную гибель.
🗝️ Ключом стал Cys126 — доступная для модификации аминокислота в регуляторной области BAX. Авторы нашли акриламидный лиганд, который энантиоселективно и ковалентно связывается с Cys126. Такая модификация ограничивает движения сразу нескольких структурных доменов, необходимых для ранних стадий активации BAX. В результате белок хуже транслоцируется к митохондриям и не запускает высвобождение цитохрома-c.
🎯 После оптимизации в контексте медицинской химии, появился мало-молекулярный ингибитор ВАХ: CBI-3 — более стабильный аналог, пригодный для экспериментов in vivo. Он снижал BAX-зависимый апоптоз в клеточных моделях, защищал первичные нейроны, а в модели Fas-индуцированного острого повреждения печени у мышей уменьшал гибель гепатоцитов и улучшал выживаемость. Отдельно авторы показали защитный эффект на человеческих моторных нейронах, включая клетки от донора с ALS.
💡 Самая интересная деталь этой работы — фармакологическая постановка задачи. BAX не нужно «выключать» через классический активный центр: достаточно найти точку, через которую можно зафиксировать его динамику и не позволить пройти определяющую конформационную перестройку. По сути, ковалентная малая молекула работает здесь как структурный стопор для белка.
✳️ Конечно, это не означает, что апоптоз стоит подавлять системно и надолго. Скорее работа показывает, что временное и адресное торможение BAX может быть отдельной терапевтической стратегией для состояний, где патологическая гибель клеток становится этапом развития патологии.
BAX — хорошо известный участник митохондриального апоптоза. В новой работе Nature Chemical Biology его попробовали фармакологически «поймать» в неактивной конформации — до того, как белок успеет перестроиться, переместиться к митохондриям и запустить клеточную гибель.
🗝️ Ключом стал Cys126 — доступная для модификации аминокислота в регуляторной области BAX. Авторы нашли акриламидный лиганд, который энантиоселективно и ковалентно связывается с Cys126. Такая модификация ограничивает движения сразу нескольких структурных доменов, необходимых для ранних стадий активации BAX. В результате белок хуже транслоцируется к митохондриям и не запускает высвобождение цитохрома-c.
🎯 После оптимизации в контексте медицинской химии, появился мало-молекулярный ингибитор ВАХ: CBI-3 — более стабильный аналог, пригодный для экспериментов in vivo. Он снижал BAX-зависимый апоптоз в клеточных моделях, защищал первичные нейроны, а в модели Fas-индуцированного острого повреждения печени у мышей уменьшал гибель гепатоцитов и улучшал выживаемость. Отдельно авторы показали защитный эффект на человеческих моторных нейронах, включая клетки от донора с ALS.
💡 Самая интересная деталь этой работы — фармакологическая постановка задачи. BAX не нужно «выключать» через классический активный центр: достаточно найти точку, через которую можно зафиксировать его динамику и не позволить пройти определяющую конформационную перестройку. По сути, ковалентная малая молекула работает здесь как структурный стопор для белка.
✳️ Конечно, это не означает, что апоптоз стоит подавлять системно и надолго. Скорее работа показывает, что временное и адресное торможение BAX может быть отдельной терапевтической стратегией для состояний, где патологическая гибель клеток становится этапом развития патологии.
🔥15❤3👍3
Когда способ введения становится миллиардным активом
На днях Novartis заключила с корейской компаний Alteogen соглашение на сумму до $3,223 млрд за доступ к разработке ALT-B4 — технологии, которая позволяет перейти от внутривенной формы введения биологического препарата к подкожному. Причём соглашение охватывает потенциально несколько препаратов Novartis, а Alteogen дополнительно сможет получать роялти с продаж будущих подкожных форм.
⚙️ ALT-B4 — рекомбинантная гиалуронидаза, которая временно повышает проницаемость подкожной ткани и позволяет вводить большие объёмы биопрепарата без длительной инфузии.
📈 Для многих биологических препаратов это вопрос не только удобства: подкожная форма может сократить время введения, уменьшить нагрузку на клинику и дать производителю дополнительное конкурентное преимущество на рынке. У Alteogen уже есть показательный пример: Merck использовала ALT-B4 для создания подкожной Keytruda — Keytruda Qlex. FDA одобрило препарат в 2025 году, а сама Alteogen может получить от Merck до $1 млрд sales milestones и роялти.
💰 Теперь Alteogen масштабирует эту модель. Только за 2026 год компания заключила ещё несколько крупных соглашений:
— GSK/Tesaro: до $285 млн и роялти за подкожную версию dostarlimab;
— Biogen: до $579 млн и роялти для двух биопрепаратов, первым из которых стал felzartamab;
— ещё одна неназванная фармкомпания: до $365 млн плюс роялти;
— и теперь Novartis: до $3,223 млрд.
В сумме потенциальная стоимость только этих соглашений 2026 года достигает примерно $4,45 млрд. 💲💲💲
🤔 Конечно, большая часть этих сумм — не деньги, уже полученные Alteogen, а будущие опционы и milestones. Но именно повторяемость сделок здесь важнее: одна и та же технологическая платформа постепенно становится инфраструктурой для целого класса биологических препаратов.
💡Особенно ценно это для зрелых блокбастеров. Когда препарат приближается к окончанию патентной защиты, новая форма введения может стать частью управления его жизненным циклом — сделать терапию удобнее и одновременно помочь сохранить рыночную долю.
На днях Novartis заключила с корейской компаний Alteogen соглашение на сумму до $3,223 млрд за доступ к разработке ALT-B4 — технологии, которая позволяет перейти от внутривенной формы введения биологического препарата к подкожному. Причём соглашение охватывает потенциально несколько препаратов Novartis, а Alteogen дополнительно сможет получать роялти с продаж будущих подкожных форм.
⚙️ ALT-B4 — рекомбинантная гиалуронидаза, которая временно повышает проницаемость подкожной ткани и позволяет вводить большие объёмы биопрепарата без длительной инфузии.
📈 Для многих биологических препаратов это вопрос не только удобства: подкожная форма может сократить время введения, уменьшить нагрузку на клинику и дать производителю дополнительное конкурентное преимущество на рынке. У Alteogen уже есть показательный пример: Merck использовала ALT-B4 для создания подкожной Keytruda — Keytruda Qlex. FDA одобрило препарат в 2025 году, а сама Alteogen может получить от Merck до $1 млрд sales milestones и роялти.
💰 Теперь Alteogen масштабирует эту модель. Только за 2026 год компания заключила ещё несколько крупных соглашений:
— GSK/Tesaro: до $285 млн и роялти за подкожную версию dostarlimab;
— Biogen: до $579 млн и роялти для двух биопрепаратов, первым из которых стал felzartamab;
— ещё одна неназванная фармкомпания: до $365 млн плюс роялти;
— и теперь Novartis: до $3,223 млрд.
В сумме потенциальная стоимость только этих соглашений 2026 года достигает примерно $4,45 млрд. 💲💲💲
🤔 Конечно, большая часть этих сумм — не деньги, уже полученные Alteogen, а будущие опционы и milestones. Но именно повторяемость сделок здесь важнее: одна и та же технологическая платформа постепенно становится инфраструктурой для целого класса биологических препаратов.
💡Особенно ценно это для зрелых блокбастеров. Когда препарат приближается к окончанию патентной защиты, новая форма введения может стать частью управления его жизненным циклом — сделать терапию удобнее и одновременно помочь сохранить рыночную долю.
❤13👍8🔥7
Как химической структурой задать направление сигнала рецептора
GPCR-рецепторы давно рассматривают не только как бинарные переключатели, но как динамические белковые системы, способные избирательно взаимодействовать с различными внутриклеточными эффекторами. Один и тот же рецептор может, например, активировать G-белковый путь или рекрутировать β-аррестины, а соотношение этих ветвей зависит от структуры лиганда.
Именно такую функциональную селективность авторы новой работы в Nature Communications разбирают на примере иммунометаболического рецептора GPR84.
🤔 Авторы сравнили три близких по структуре агониста. Все они эффективно активировали GPR84 через Gi-белок, но сильно различались по способности рекрутировать β-аррестин. Особенно показательной оказалась пара OX04954 и OX04529: замена небольшого CH₃ на CF₃ практически выключала β-аррестиновую ветвь, при этом Gi-сигнализация сохранялась.
🔬 Cryo-EM структура комплекса OX04529–GPR84–Gi с разрешением 3,03 Å и молекулярная динамика позволили проследить механизм на атомном уровне. Объёмная CF₃-группа OX04529 создаёт стерическое напряжение в области Leu336 и Phe187 в области кармана и смещает взаимное положение трансмембранных спиралей TM5 и TM6. Это перестраивает внутреннюю сеть полярных контактов с участием Tyr332, Asn104 и Asn362, которая оказывается критичной именно для последующего рекрутирования β-аррестина.
⚙️ Функционально это проявляется ещё глубже. При связывании OX04529 рецептор хуже фосфорилируется по Thr263/Thr264 во внутриклеточной петле ICL3, а значит, хуже создаёт платформу для связывания β-аррестина. В результате снижаются и рекрутирование β-аррестина, и интернализация рецептора, тогда как Gi-зависимая сигнализация остаётся высокой.
🔎 Особенно убедительный контроль авторы провели с самим рецептором. Когда объёмный Leu336 заменили на маленький аланин и тем самым сняли стерическое ограничение, тот же OX04529 снова начал эффективно рекрутировать β-аррестины. Иначе говоря, функциональная селективность определялась не абстрактным «свойством молекулы», а конкретной геометрией взаимодействия лиганда с рецептором.
☑ Дальше авторы превратили это наблюдение в правило для рационального дизайна. Они синтезировали серию аналогов OX04529 с заместителями разного размера и показали, что эффективность рекрутирования β-аррестина уменьшается по мере роста стерической нагрузки в области контакта с Leu336.
При этом активация Gi-пути у большинства соединений сохранялась.
💡 То есть в данном случае удалось связать размер одного заместителя, локальную перестройку трансмембранных спиралей, изменение внутриклеточной конформации рецептора и выбор сигнальной ветви.
Работа очень интересна для медицинской химии. Здесь оптимизируют уже не только аффинность, селективность или активность соединения, но и профиль сигнального ответа рецептора — то есть какую именно эффекторную программу запустит одна и та же мишень.
GPCR-рецепторы давно рассматривают не только как бинарные переключатели, но как динамические белковые системы, способные избирательно взаимодействовать с различными внутриклеточными эффекторами. Один и тот же рецептор может, например, активировать G-белковый путь или рекрутировать β-аррестины, а соотношение этих ветвей зависит от структуры лиганда.
Именно такую функциональную селективность авторы новой работы в Nature Communications разбирают на примере иммунометаболического рецептора GPR84.
🤔 Авторы сравнили три близких по структуре агониста. Все они эффективно активировали GPR84 через Gi-белок, но сильно различались по способности рекрутировать β-аррестин. Особенно показательной оказалась пара OX04954 и OX04529: замена небольшого CH₃ на CF₃ практически выключала β-аррестиновую ветвь, при этом Gi-сигнализация сохранялась.
🔬 Cryo-EM структура комплекса OX04529–GPR84–Gi с разрешением 3,03 Å и молекулярная динамика позволили проследить механизм на атомном уровне. Объёмная CF₃-группа OX04529 создаёт стерическое напряжение в области Leu336 и Phe187 в области кармана и смещает взаимное положение трансмембранных спиралей TM5 и TM6. Это перестраивает внутреннюю сеть полярных контактов с участием Tyr332, Asn104 и Asn362, которая оказывается критичной именно для последующего рекрутирования β-аррестина.
⚙️ Функционально это проявляется ещё глубже. При связывании OX04529 рецептор хуже фосфорилируется по Thr263/Thr264 во внутриклеточной петле ICL3, а значит, хуже создаёт платформу для связывания β-аррестина. В результате снижаются и рекрутирование β-аррестина, и интернализация рецептора, тогда как Gi-зависимая сигнализация остаётся высокой.
🔎 Особенно убедительный контроль авторы провели с самим рецептором. Когда объёмный Leu336 заменили на маленький аланин и тем самым сняли стерическое ограничение, тот же OX04529 снова начал эффективно рекрутировать β-аррестины. Иначе говоря, функциональная селективность определялась не абстрактным «свойством молекулы», а конкретной геометрией взаимодействия лиганда с рецептором.
☑ Дальше авторы превратили это наблюдение в правило для рационального дизайна. Они синтезировали серию аналогов OX04529 с заместителями разного размера и показали, что эффективность рекрутирования β-аррестина уменьшается по мере роста стерической нагрузки в области контакта с Leu336.
При этом активация Gi-пути у большинства соединений сохранялась.
💡 То есть в данном случае удалось связать размер одного заместителя, локальную перестройку трансмембранных спиралей, изменение внутриклеточной конформации рецептора и выбор сигнальной ветви.
Работа очень интересна для медицинской химии. Здесь оптимизируют уже не только аффинность, селективность или активность соединения, но и профиль сигнального ответа рецептора — то есть какую именно эффекторную программу запустит одна и та же мишень.
❤16👍5🔥3🥰2
🧪 Экономика одной молекулы: как результаты II фазы клиники добавили компании $4,7 млрд
Сколько стоит лекарственная молекула?
История mosliciguat доказывает, что на этот вопрос невозможно ответить одной цифрой.
Mosliciguat — ингаляционная малая молекула, активирующая растворимую гуанилатциклазу (sGC). Её разрабатывают для пациентов с лёгочной гипертензией на фоне интерстициальных заболеваний лёгких — PH-ILD.
⏳ Несколько лет назад препарат находился в разработке Bayer. В 2022 году программа исчезла из активов портфеля компании, а в июле 2023-го права на неё получила Pulmovant — дочерняя компания Roivant. Roivant заплатил за вход всего около $14 млн.
🧐 На первый взгляд сумма почти удивительная для препарата, который сегодня рассматривается как потенциальный блокбастер. Но $14 млн — это только аванс. Если разработка окажется успешной, Bayer может получить ещё до $280 млн за достижение клинических, регуляторных и коммерческих этапов, а после выхода препарата на рынок — высокий процент с продаж.
💥 Здесь и начинается экономика риска: чем меньше мы знаем о будущем препарата, тем меньшую часть его потенциальной стоимости покупатель готов отдать сегодня.
📑 8 сентября 2026 года были опубликованы новости, которые резко изменили представление о перспективах этой молекулы. Roivant и Pulmovant опубликовали первые основные результаты исследования II фазы клиники. В тот же день данные представили на международном конгрессе European Respiratory Society, а руководство Roivant провело отдельную конференцию для инвесторов. То есть речь шла не об очередном финансовом отчёте компании, а о долгожданных клинических результатах mosliciguat.
💊 Результаты оказались сильными.
В исследовании участвовали 135 пациентов. Через 16 недель mosliciguat снижал лёгочное сосудистое сопротивление на 56,3% по сравнению с плацебо. Улучшился и более понятный клинический показатель: в тесте шестиминутной ходьбы пациенты проходили в среднем на 35,2 м больше, чем в группе плацебо. Через 24 недели разница достигала уже 52,7 м. Параллельно компания сообщила, что исследование III фазы уже началось.
💰 А дальше самое интересное - инвесторы начали покупать акции Roivant.
Накануне объявления одна акция компании стоила $34,93. К закрытию торгов 8 сентября — уже $41,48. За один день цена выросла на 18,75%.
Почему мы вообще смотрим на акции, если говорим о стоимости молекулы?
Потому что цена акции — это, упрощённо, то, сколько инвесторы готовы сегодня платить за долю во всём будущем бизнесе компании. А число акций Roivant за один день практически не изменилось. Поэтому рост цены с $34,93 до $41,48 означает, что рыночная стоимость всей компании увеличилась примерно на $4,7 млрд: разницу в $6,55 на акцию можно умножить примерно на 722 млн акций Roivant.
Откуда вообще может появиться уверенность на миллиарды?
⭐️ Во-первых, потенциальный рынок довольно большой. По оценке Roivant, в США и Европе живёт около 200 тысяч пациентов с PH-ILD.
⭐️ Во-вторых, здесь уже существует коммерчески успешная терапия — ингаляционный трепростинил Tyvaso. А значит, инвесторам не приходится гадать, существует ли в принципе платёжеспособный рынок лечения таких пациентов.
⭐️ В-третьих, у mosliciguat есть потенциально удобное отличие: препарат исследуется в режиме одной ингаляции в сутки.
Когда Pulmovant получила права на mosliciguat, оставалось много вопросов: подтвердится ли эффект в более крупном исследовании, будет ли он клинически значимым, насколько хорошо препарат будут переносить пациенты и сможет ли он конкурировать с существующей терапией.
$14 млн — цена доступа к молекуле, когда значительная часть риска ещё впереди.
Около +$4,7 млрд капитализации — реакция рынка на результаты II фазы клиники.
🎯 Пожалуй, это один из самых наглядных примеров из экономики, демонстрирующий принцип: стоимость создаёт не только сама молекула, но и информация, которая постепенно делает её превращение в лекарство всё менее неопределённым.
Сколько стоит лекарственная молекула?
История mosliciguat доказывает, что на этот вопрос невозможно ответить одной цифрой.
Mosliciguat — ингаляционная малая молекула, активирующая растворимую гуанилатциклазу (sGC). Её разрабатывают для пациентов с лёгочной гипертензией на фоне интерстициальных заболеваний лёгких — PH-ILD.
⏳ Несколько лет назад препарат находился в разработке Bayer. В 2022 году программа исчезла из активов портфеля компании, а в июле 2023-го права на неё получила Pulmovant — дочерняя компания Roivant. Roivant заплатил за вход всего около $14 млн.
🧐 На первый взгляд сумма почти удивительная для препарата, который сегодня рассматривается как потенциальный блокбастер. Но $14 млн — это только аванс. Если разработка окажется успешной, Bayer может получить ещё до $280 млн за достижение клинических, регуляторных и коммерческих этапов, а после выхода препарата на рынок — высокий процент с продаж.
💥 Здесь и начинается экономика риска: чем меньше мы знаем о будущем препарата, тем меньшую часть его потенциальной стоимости покупатель готов отдать сегодня.
📑 8 сентября 2026 года были опубликованы новости, которые резко изменили представление о перспективах этой молекулы. Roivant и Pulmovant опубликовали первые основные результаты исследования II фазы клиники. В тот же день данные представили на международном конгрессе European Respiratory Society, а руководство Roivant провело отдельную конференцию для инвесторов. То есть речь шла не об очередном финансовом отчёте компании, а о долгожданных клинических результатах mosliciguat.
💊 Результаты оказались сильными.
В исследовании участвовали 135 пациентов. Через 16 недель mosliciguat снижал лёгочное сосудистое сопротивление на 56,3% по сравнению с плацебо. Улучшился и более понятный клинический показатель: в тесте шестиминутной ходьбы пациенты проходили в среднем на 35,2 м больше, чем в группе плацебо. Через 24 недели разница достигала уже 52,7 м. Параллельно компания сообщила, что исследование III фазы уже началось.
💰 А дальше самое интересное - инвесторы начали покупать акции Roivant.
Накануне объявления одна акция компании стоила $34,93. К закрытию торгов 8 сентября — уже $41,48. За один день цена выросла на 18,75%.
Почему мы вообще смотрим на акции, если говорим о стоимости молекулы?
Потому что цена акции — это, упрощённо, то, сколько инвесторы готовы сегодня платить за долю во всём будущем бизнесе компании. А число акций Roivant за один день практически не изменилось. Поэтому рост цены с $34,93 до $41,48 означает, что рыночная стоимость всей компании увеличилась примерно на $4,7 млрд: разницу в $6,55 на акцию можно умножить примерно на 722 млн акций Roivant.
Откуда вообще может появиться уверенность на миллиарды?
⭐️ Во-первых, потенциальный рынок довольно большой. По оценке Roivant, в США и Европе живёт около 200 тысяч пациентов с PH-ILD.
⭐️ Во-вторых, здесь уже существует коммерчески успешная терапия — ингаляционный трепростинил Tyvaso. А значит, инвесторам не приходится гадать, существует ли в принципе платёжеспособный рынок лечения таких пациентов.
⭐️ В-третьих, у mosliciguat есть потенциально удобное отличие: препарат исследуется в режиме одной ингаляции в сутки.
Когда Pulmovant получила права на mosliciguat, оставалось много вопросов: подтвердится ли эффект в более крупном исследовании, будет ли он клинически значимым, насколько хорошо препарат будут переносить пациенты и сможет ли он конкурировать с существующей терапией.
$14 млн — цена доступа к молекуле, когда значительная часть риска ещё впереди.
Около +$4,7 млрд капитализации — реакция рынка на результаты II фазы клиники.
🎯 Пожалуй, это один из самых наглядных примеров из экономики, демонстрирующий принцип: стоимость создаёт не только сама молекула, но и информация, которая постепенно делает её превращение в лекарство всё менее неопределённым.
👍13❤6🔥6
Очень интересный подход в исследовании опухолевых мишеней: RTK-микроокружение.
🎯 При разработке таргетной онкотерапии обычно ищут белок, которого на опухолевой клетке больше, чем на нормальной. Но идеальных антигенов почти не бывает: тот же EGFR присутствует и в здоровых тканях, поэтому высокая эффективность часто упирается в токсичность.
В новой работе в Nature исследователи из InduPro предлагают смотреть на поверхность опухолевой клетки как на пространственную карту их соседства.
🤯 С помощью фотокаталитической маркировки они построили 248 карт мембранного микроокружения для 12 рецепторных тирозинкиназ в 28 опухолевых клеточных системах. К интересующему рецептору подводили фотокатализатор, а короткоживущие реакционноспособные частицы метили белки в ближайшем окружении. Затем этот «молекулярный круг соседей» считывали масс-спектрометрией.
🗺️ Данные объединили в систему MetaMap и дополнили графовым машинным обучением. В результате авторы предложили новый класс мишеней — TAPA, tumour-associated proximity antigens. Это белки, которые интересны не столько собственной опухоль-специфичной экспрессией, сколько тем, что в опухоли они оказываются пространственно связаны с уже известной терапевтической мишенью.
💡 Одной из самых перспективных пар стала EGFR и CDCP1.
Оба белка могут присутствовать и в нормальных клетках. Но в опухолевых системах они значительно чаще оказывались в одном мембранном микроокружении. Авторы использовать эту разницу для предложения идеи повышения специфичности терапий.
🌟 Они создали биспецифический ADC против EGFR×CDCP1. Он эффективнее интернализовался в опухолевые клетки и превосходил моноспецифические ADC. В модели колоректальной опухоли биспецифический ADC практически полностью подавлял рост опухоли, тогда как EGFR-only ADC обеспечивал около 43% ингибирования роста. А после снижения экспрессии CDCP1 эффективность двойного препарата заметно падала.
🌟 Тот же принцип сработал и для T-cell engager: триспецифическая конструкция EGFR×CDCP1×CD3 превосходила варианты, распознающие только один опухолевый антиген.
Если этот подход подтвердится на первичных тканях и более сложных моделях, пространственная организация клеточной поверхности может стать ещё одним регулятором селективности при разработке биспецифических антител, ADC и других мультиспецифических препаратов.
🎯 При разработке таргетной онкотерапии обычно ищут белок, которого на опухолевой клетке больше, чем на нормальной. Но идеальных антигенов почти не бывает: тот же EGFR присутствует и в здоровых тканях, поэтому высокая эффективность часто упирается в токсичность.
В новой работе в Nature исследователи из InduPro предлагают смотреть на поверхность опухолевой клетки как на пространственную карту их соседства.
🤯 С помощью фотокаталитической маркировки они построили 248 карт мембранного микроокружения для 12 рецепторных тирозинкиназ в 28 опухолевых клеточных системах. К интересующему рецептору подводили фотокатализатор, а короткоживущие реакционноспособные частицы метили белки в ближайшем окружении. Затем этот «молекулярный круг соседей» считывали масс-спектрометрией.
🗺️ Данные объединили в систему MetaMap и дополнили графовым машинным обучением. В результате авторы предложили новый класс мишеней — TAPA, tumour-associated proximity antigens. Это белки, которые интересны не столько собственной опухоль-специфичной экспрессией, сколько тем, что в опухоли они оказываются пространственно связаны с уже известной терапевтической мишенью.
💡 Одной из самых перспективных пар стала EGFR и CDCP1.
Оба белка могут присутствовать и в нормальных клетках. Но в опухолевых системах они значительно чаще оказывались в одном мембранном микроокружении. Авторы использовать эту разницу для предложения идеи повышения специфичности терапий.
🌟 Они создали биспецифический ADC против EGFR×CDCP1. Он эффективнее интернализовался в опухолевые клетки и превосходил моноспецифические ADC. В модели колоректальной опухоли биспецифический ADC практически полностью подавлял рост опухоли, тогда как EGFR-only ADC обеспечивал около 43% ингибирования роста. А после снижения экспрессии CDCP1 эффективность двойного препарата заметно падала.
🌟 Тот же принцип сработал и для T-cell engager: триспецифическая конструкция EGFR×CDCP1×CD3 превосходила варианты, распознающие только один опухолевый антиген.
Если этот подход подтвердится на первичных тканях и более сложных моделях, пространственная организация клеточной поверхности может стать ещё одним регулятором селективности при разработке биспецифических антител, ADC и других мультиспецифических препаратов.
🔥12❤4🤯2
За что Big Pharma платит в малых молекулах в 2026 году?
🤔 В первом полугодии 2026-го на малые молекулы пришлось 40 из 70 M&A-сделок. Это примерно $70 млрд совокупной стоимости. Это больше любой другой модальности.
Интересно, что именно покупают за эти деньги.
💰Самые крупные чеки по-прежнему достаются активам, где большая часть риска уже снята. GSK заплатила $10,6 млрд за Nuvalent и несколько онкологических программ, главные из которых направлены на ROS1 и ALK при немелкоклеточном раке лёгкого. Это давно подтверждённые мишени, но Nuvalent пыталась сделать следующее поколение ингибиторов — более селективное и способное работать в том числе при мутациях резистентности.
💊 Очень похожая логика у Vertex и Crinetics - $10 млрд. Здесь речь уже об эндокринологии. В сделку вошёл paltusotine — пероральный агонист рецептора SST2 для лечения акромегалии, который уже вышел на рынок, и atumelnant - антагонист рецептора ACTH/MC2R для врождённой гиперплазии надпочечников, находящийся в III фазе. То есть Vertex покупает не только хорошие молекулы, но и довольно зрелую идею будущего бизнеса.
🤯 При этом ранняя стадия сама по себе уже не означает маленький ценник. Merck купила Terns за $6,7 млрд, хотя её основной актив TERN-701 находился лишь в фазе I/II. Это аллостерический ингибитор BCR:ABL1 для хронического миелоидного лейкоза. Таргет абсолютно не новый, именно вокруг BCR:ABL1 построена современная терапия ХМЛ. Новизна здесь в химии: молекула связывает белок не так, как классические ингибиторы тирозинкиназ.
⭐️ Еще нагляднее сделка Lilly с Ajax: до $2,3 млрд. AJ1-11095 - ингибитор JAK2 для миелофиброза и истинной полицитемии. JAK2 тоже прекрасно известная мишень, но существующие препараты связывают преимущественно одну конформацию фермента, а AJ1-11095 - новую. На момент сделки препарат был только в I фазе, то есть Lilly фактически платила не за попытку решить химическим способом ограничения уже существующего класса препаратов.
⚙️ Ещё один тренд, особенно интересный - смена формата введения препарата. BioMarin заплатила $275 млн за Alesta и её ALE1, пока находящийся в фазе I/IIa. Препарат разрабатывается для гипофосфатазии - редкого генетического заболевания костей. Точная молекулярная мишень пока публично не раскрыта; известно, что ALE1 должен снижать избыток неорганического пирофосфата - одного из ключевых звеньев патологии. Главное коммерческое отличие: это потенциально первая пероральная терапия заболевания, которое сегодня лечат ферментным препаратом.
Big Pharma в 2026 году далеко не всегда покупает «новый таргет». Наоборот, некоторые из самых дорогих сделок строятся вокруг давно известной биологии - ROS1, ALK, BCR:ABL1, JAK2. Но новая молекула должна дать что-то, чего раньше не было: лучше работать против резистентности, быть селективнее, связывать другую конформацию белка или заменить инъекционную терапию таблеткой.
🧪🧫 И, конечно, стадия разработки всё ещё имеет огромное значение. Но сделки этого года подтверждают и другой тезис - сильная медхимия сама по себе может заметно повлиять на стоимость актива ещё до поздних клинических стадий.
🤔 В первом полугодии 2026-го на малые молекулы пришлось 40 из 70 M&A-сделок. Это примерно $70 млрд совокупной стоимости. Это больше любой другой модальности.
Интересно, что именно покупают за эти деньги.
💰Самые крупные чеки по-прежнему достаются активам, где большая часть риска уже снята. GSK заплатила $10,6 млрд за Nuvalent и несколько онкологических программ, главные из которых направлены на ROS1 и ALK при немелкоклеточном раке лёгкого. Это давно подтверждённые мишени, но Nuvalent пыталась сделать следующее поколение ингибиторов — более селективное и способное работать в том числе при мутациях резистентности.
💊 Очень похожая логика у Vertex и Crinetics - $10 млрд. Здесь речь уже об эндокринологии. В сделку вошёл paltusotine — пероральный агонист рецептора SST2 для лечения акромегалии, который уже вышел на рынок, и atumelnant - антагонист рецептора ACTH/MC2R для врождённой гиперплазии надпочечников, находящийся в III фазе. То есть Vertex покупает не только хорошие молекулы, но и довольно зрелую идею будущего бизнеса.
🤯 При этом ранняя стадия сама по себе уже не означает маленький ценник. Merck купила Terns за $6,7 млрд, хотя её основной актив TERN-701 находился лишь в фазе I/II. Это аллостерический ингибитор BCR:ABL1 для хронического миелоидного лейкоза. Таргет абсолютно не новый, именно вокруг BCR:ABL1 построена современная терапия ХМЛ. Новизна здесь в химии: молекула связывает белок не так, как классические ингибиторы тирозинкиназ.
⭐️ Еще нагляднее сделка Lilly с Ajax: до $2,3 млрд. AJ1-11095 - ингибитор JAK2 для миелофиброза и истинной полицитемии. JAK2 тоже прекрасно известная мишень, но существующие препараты связывают преимущественно одну конформацию фермента, а AJ1-11095 - новую. На момент сделки препарат был только в I фазе, то есть Lilly фактически платила не за попытку решить химическим способом ограничения уже существующего класса препаратов.
⚙️ Ещё один тренд, особенно интересный - смена формата введения препарата. BioMarin заплатила $275 млн за Alesta и её ALE1, пока находящийся в фазе I/IIa. Препарат разрабатывается для гипофосфатазии - редкого генетического заболевания костей. Точная молекулярная мишень пока публично не раскрыта; известно, что ALE1 должен снижать избыток неорганического пирофосфата - одного из ключевых звеньев патологии. Главное коммерческое отличие: это потенциально первая пероральная терапия заболевания, которое сегодня лечат ферментным препаратом.
Big Pharma в 2026 году далеко не всегда покупает «новый таргет». Наоборот, некоторые из самых дорогих сделок строятся вокруг давно известной биологии - ROS1, ALK, BCR:ABL1, JAK2. Но новая молекула должна дать что-то, чего раньше не было: лучше работать против резистентности, быть селективнее, связывать другую конформацию белка или заменить инъекционную терапию таблеткой.
🧪🧫 И, конечно, стадия разработки всё ещё имеет огромное значение. Но сделки этого года подтверждают и другой тезис - сильная медхимия сама по себе может заметно повлиять на стоимость актива ещё до поздних клинических стадий.
🔥12❤8👍4
37 000 AI-агентов вместо отдела R&D? Stanford собрал виртуальную биотехнологическую компанию
В Science вышла работа команды Stanford о Virtual Biotech — системе AI-агентов, организованной примерно по принципу настоящей фармкомпании.
Здесь нет одного универсального «ИИ-учёного». Виртуальный Chief Scientific Officer получает исследовательский вопрос, разбивает его на задачи и передаёт специализированным агентам: одним — генетику, другим — single-cell данные, фармакологию, клинические исследования и т. д. Отдельный AI-reviewer проверяет качество доказательств и при необходимости отправляет анализ на доработку.
📝 Чтобы проверить, способен ли такой «виртуальный biotech» работать над реальной задачей разработки, исследователи дали ему данные 55 984 клинических исследований. Для их обработки система развернула более 37 тысяч AI-агентов.
📊 В ретроспективных данных нашлась интересная закономерность: препараты, направленные на мишени с более специфичной экспрессией в определённых типах клеток, чаще проходили клиническую разработку. Они на 40% чаще переходили из I во II фазу, на 48% чаще доходили до рынка и были связаны с меньшей частотой нежелательных явлений (на 32%).
🤔 Звучит впечатляюще, но здесь важно не перепутать корреляцию с предсказательной силой. Это анализ уже завершившихся программ, а значит, пока неизвестно, поможет ли такой критерий действительно выбирать более успешные мишени проспективно. Кроме того, клеточная специфичность может быть связана с множеством других факторов — особенностями класса мишени, заболевания, модальности или самой стратегии разработки.
🩻 Систему проверили на задаче оценки B7-H3/CD276 как мишени при раке лёгкого.
🦠 Virtual Biotech объединил данные генетики, single-cell и пространственной транскриптомики. В первую очередь была подтверждена высокая экспрессия B7-H3 в опухоль-ассоциированных фибробластах. B7-H3-положительные области опухоли при этом были связаны с иммунно-«холодным» микроокружением. В качестве терапевтической стратегии система выбрала B7-H3-направленный ADC — антитело, доставляющее цитотоксический payload к клеткам, экспрессирующим мишень.
⏳ Весь анализ занял менее суток и обошёлся примерно в $46 API-расходов (именно как стоимость LLM-токенов для одного уже настроенного аналитического кейса).
❗️Здесь есть существенное «но». B7-H3 не была новой мишенью, а ADC против неё уже разрабатывались. То есть AI не открыл неожиданную биологию и не создал новую молекулу с нуля. Скорее, он очень быстро собрал уже существующие данные, связал их между собой и пришёл к направлению, которое фарминдустрия и так считала перспективным.
💡 Позднее клинические данные B7-H3 ADC при мелкоклеточном раке лёгкого действительно подтвердили активность этого подхода. Но это ещё не доказывает, что именно рассуждения Virtual Biotech способны надёжно предсказывать успех новых программ: для этого нужны проспективные кейсы, где система предложит гипотезу до появления подтверждающих клинических данных, а затем эта гипотеза выдержит экспериментальную проверку.
✨ Важно не очаровываться: основной результат работы нельзя сформулировать в емкое «AI нашёл лекарство». Он этого не сделал.
Интереснее другое: AI-системы постепенно переходят от автоматизации одной узкой задачи к попытке воспроизвести целую цепочку научного принятия решений — поиск литературы, omics-анализ, оценку мишени, выбор модальности и формирование гипотезы.
Пока это скорее очень быстрый и дешёвый интегратор уже существующих знаний, чем полноценная замена R&D-команды.
Может ли AI систематически предлагать такие гипотезы, которые люди ещё не сформулировали — и которые затем выдержат реальный эксперимент?
Вот это уже будет настоящим тестом для виртуального biotech.
В Science вышла работа команды Stanford о Virtual Biotech — системе AI-агентов, организованной примерно по принципу настоящей фармкомпании.
Здесь нет одного универсального «ИИ-учёного». Виртуальный Chief Scientific Officer получает исследовательский вопрос, разбивает его на задачи и передаёт специализированным агентам: одним — генетику, другим — single-cell данные, фармакологию, клинические исследования и т. д. Отдельный AI-reviewer проверяет качество доказательств и при необходимости отправляет анализ на доработку.
📝 Чтобы проверить, способен ли такой «виртуальный biotech» работать над реальной задачей разработки, исследователи дали ему данные 55 984 клинических исследований. Для их обработки система развернула более 37 тысяч AI-агентов.
📊 В ретроспективных данных нашлась интересная закономерность: препараты, направленные на мишени с более специфичной экспрессией в определённых типах клеток, чаще проходили клиническую разработку. Они на 40% чаще переходили из I во II фазу, на 48% чаще доходили до рынка и были связаны с меньшей частотой нежелательных явлений (на 32%).
🤔 Звучит впечатляюще, но здесь важно не перепутать корреляцию с предсказательной силой. Это анализ уже завершившихся программ, а значит, пока неизвестно, поможет ли такой критерий действительно выбирать более успешные мишени проспективно. Кроме того, клеточная специфичность может быть связана с множеством других факторов — особенностями класса мишени, заболевания, модальности или самой стратегии разработки.
🩻 Систему проверили на задаче оценки B7-H3/CD276 как мишени при раке лёгкого.
🦠 Virtual Biotech объединил данные генетики, single-cell и пространственной транскриптомики. В первую очередь была подтверждена высокая экспрессия B7-H3 в опухоль-ассоциированных фибробластах. B7-H3-положительные области опухоли при этом были связаны с иммунно-«холодным» микроокружением. В качестве терапевтической стратегии система выбрала B7-H3-направленный ADC — антитело, доставляющее цитотоксический payload к клеткам, экспрессирующим мишень.
⏳ Весь анализ занял менее суток и обошёлся примерно в $46 API-расходов (именно как стоимость LLM-токенов для одного уже настроенного аналитического кейса).
❗️Здесь есть существенное «но». B7-H3 не была новой мишенью, а ADC против неё уже разрабатывались. То есть AI не открыл неожиданную биологию и не создал новую молекулу с нуля. Скорее, он очень быстро собрал уже существующие данные, связал их между собой и пришёл к направлению, которое фарминдустрия и так считала перспективным.
💡 Позднее клинические данные B7-H3 ADC при мелкоклеточном раке лёгкого действительно подтвердили активность этого подхода. Но это ещё не доказывает, что именно рассуждения Virtual Biotech способны надёжно предсказывать успех новых программ: для этого нужны проспективные кейсы, где система предложит гипотезу до появления подтверждающих клинических данных, а затем эта гипотеза выдержит экспериментальную проверку.
✨ Важно не очаровываться: основной результат работы нельзя сформулировать в емкое «AI нашёл лекарство». Он этого не сделал.
Интереснее другое: AI-системы постепенно переходят от автоматизации одной узкой задачи к попытке воспроизвести целую цепочку научного принятия решений — поиск литературы, omics-анализ, оценку мишени, выбор модальности и формирование гипотезы.
Пока это скорее очень быстрый и дешёвый интегратор уже существующих знаний, чем полноценная замена R&D-команды.
Может ли AI систематически предлагать такие гипотезы, которые люди ещё не сформулировали — и которые затем выдержат реальный эксперимент?
Вот это уже будет настоящим тестом для виртуального biotech.
👍10❤8🔥4🤔1
1 702 препарата, но всего 686 мишеней: как на самом деле расширяется фармрынок
В новом обзоре Nature Reviews Drug Discovery обсуждают, как фармацевтическая индустрия расширяла пространство доступной биологии за последние 25 лет.
💊 В базе авторов — 1 702 препарата, одобренных FDA, EMA или PMDA к июню 2025 года. Все вместе они воздействуют на 686 уникальных терапевтических мишеней: 610 человеческих и 76 принадлежащих патогенам. Это не весь потенциально доступный протеом, а карта клинически освоенной биологии — только тех мишеней, для которых уже существует одобренный препарат с подтверждённым механизмом действия.
⏳ За последние 25 лет эта карта заметно расширилась: авторы насчитали 312 мишеней, для которых первые одобренные препараты появились после 2000 года. Но рост был крайне неравномерным. Число мишеней среди эндогенных пептидов выросло в 7,2 раза, каталитических рецепторов — примерно вдвое. А ионные каналы увеличились лишь с 83 до 91 штук, ядерные гормональные рецепторы — с 18 до 19. Темп появления новых GPCR-мишеней тоже со временем замедлялся.
⚙️ Быстрее всех развиваются области, где появляется новый технологический инструмент. Моноклональные антитела открыли доступ к внеклеточным белкам — цитокинам, факторам роста и мембранным рецепторам. При этом внутриклеточные ферменты, ядерные рецепторы, ионные каналы и многие транспортеры остаются преимущественно территорией малых молекул. RNA-терапии добавляют ещё один путь — воздействие через транскрипт.
🦠 Наиболее заметно технологическое развитие в онкологии и иммунологии. Здесь авторы насчитали 210 мишеней и 322 препарата. Около 70% всех освоенных каталитических рецепторов и примерно половина эндогенных пептидных мишеней используются именно в этой группе заболеваний. Биологические препараты уже составляют 42% одобренных средств.
⭐️ Киназы — особенно наглядный пример: к 2025 году существовало 136 одобренных ингибиторов киназ (на 67 разных киназ). 78% из них — малые молекулы, и большинство используется в онкологии.
🧠 Совсем иначе выглядит неврология: 122 мишени и 260 препаратов, но 94% препаратов здесь остаются малыми молекулами, а основой по-прежнему служат GPCR и ионные каналы.
🫀В сердечно-сосудистой области — 105 мишеней и 187 препаратов, преимущественно для GPCR, киназ и ионных каналов.
💰С 2000 по 2024 год FDA, EMA и PMDA одобрили 1 091 препарат, а новых мишеней появлялось в среднем лишь около 12 в год. То есть число продуктов растёт быстрее, чем количество изученных мишеней.
🎯 После успешной клинической валидации индустрия может годами развивать вокруг неё новые поколения лекарств. EGFR — хороший пример: к 2024 году эта мишень использовалась уже в 14 одобренных препаратах — десяти малых молекулах и четырёх антителах.
Биологическая и продуктовая инновация — не одно и то же. Первый препарат доказывает работоспособность мишени, а дальше начинается конкуренция за селективность, безопасность, преодоление резистентности и новые показания.
В новом обзоре Nature Reviews Drug Discovery обсуждают, как фармацевтическая индустрия расширяла пространство доступной биологии за последние 25 лет.
💊 В базе авторов — 1 702 препарата, одобренных FDA, EMA или PMDA к июню 2025 года. Все вместе они воздействуют на 686 уникальных терапевтических мишеней: 610 человеческих и 76 принадлежащих патогенам. Это не весь потенциально доступный протеом, а карта клинически освоенной биологии — только тех мишеней, для которых уже существует одобренный препарат с подтверждённым механизмом действия.
⏳ За последние 25 лет эта карта заметно расширилась: авторы насчитали 312 мишеней, для которых первые одобренные препараты появились после 2000 года. Но рост был крайне неравномерным. Число мишеней среди эндогенных пептидов выросло в 7,2 раза, каталитических рецепторов — примерно вдвое. А ионные каналы увеличились лишь с 83 до 91 штук, ядерные гормональные рецепторы — с 18 до 19. Темп появления новых GPCR-мишеней тоже со временем замедлялся.
⚙️ Быстрее всех развиваются области, где появляется новый технологический инструмент. Моноклональные антитела открыли доступ к внеклеточным белкам — цитокинам, факторам роста и мембранным рецепторам. При этом внутриклеточные ферменты, ядерные рецепторы, ионные каналы и многие транспортеры остаются преимущественно территорией малых молекул. RNA-терапии добавляют ещё один путь — воздействие через транскрипт.
🦠 Наиболее заметно технологическое развитие в онкологии и иммунологии. Здесь авторы насчитали 210 мишеней и 322 препарата. Около 70% всех освоенных каталитических рецепторов и примерно половина эндогенных пептидных мишеней используются именно в этой группе заболеваний. Биологические препараты уже составляют 42% одобренных средств.
⭐️ Киназы — особенно наглядный пример: к 2025 году существовало 136 одобренных ингибиторов киназ (на 67 разных киназ). 78% из них — малые молекулы, и большинство используется в онкологии.
🧠 Совсем иначе выглядит неврология: 122 мишени и 260 препаратов, но 94% препаратов здесь остаются малыми молекулами, а основой по-прежнему служат GPCR и ионные каналы.
🫀В сердечно-сосудистой области — 105 мишеней и 187 препаратов, преимущественно для GPCR, киназ и ионных каналов.
💰С 2000 по 2024 год FDA, EMA и PMDA одобрили 1 091 препарат, а новых мишеней появлялось в среднем лишь около 12 в год. То есть число продуктов растёт быстрее, чем количество изученных мишеней.
🎯 После успешной клинической валидации индустрия может годами развивать вокруг неё новые поколения лекарств. EGFR — хороший пример: к 2024 году эта мишень использовалась уже в 14 одобренных препаратах — десяти малых молекулах и четырёх антителах.
Биологическая и продуктовая инновация — не одно и то же. Первый препарат доказывает работоспособность мишени, а дальше начинается конкуренция за селективность, безопасность, преодоление резистентности и новые показания.
❤8👍6🔥2
🧬 Как сегодня перепроектируют белки?
У наших коллег из «Биомолекулы» вышла новая статья цикла «ИИ в биологии» — о том, как меняются подходы к редизайну белков.
От точечных мутаций — к поиску белков с нужными свойствами, навигации по белковой вселенной и перепроектированию структуры. На практических примерах авторы разбирают, как разные подходы помогают получать и оптимизировать ферменты для промышленности, антитела для клиники и другие терапевтические белки.
Особенно интересно разобрали, чем дизайн белков de novo — тот самый, за который дали Нобелевскую премию — отличается от более прикладного редизайна уже существующих белков.
Разбирается в теме автор «Биомолекулы» Андрей Кузнецов с Еленой Кудряшовой — руководителем Лаборатории таргетной терапии и предиктивной диагностики Центрального университета.
Читайте на сайте «Биомолекулы».
Автор: Андрей Кузнецов
У наших коллег из «Биомолекулы» вышла новая статья цикла «ИИ в биологии» — о том, как меняются подходы к редизайну белков.
От точечных мутаций — к поиску белков с нужными свойствами, навигации по белковой вселенной и перепроектированию структуры. На практических примерах авторы разбирают, как разные подходы помогают получать и оптимизировать ферменты для промышленности, антитела для клиники и другие терапевтические белки.
Особенно интересно разобрали, чем дизайн белков de novo — тот самый, за который дали Нобелевскую премию — отличается от более прикладного редизайна уже существующих белков.
Разбирается в теме автор «Биомолекулы» Андрей Кузнецов с Еленой Кудряшовой — руководителем Лаборатории таргетной терапии и предиктивной диагностики Центрального университета.
Читайте на сайте «Биомолекулы».
Автор: Андрей Кузнецов
👍7🔥3❤2