AlphaFold i dizajn lijekova: koliko je AI stvarno ubrzao otkrivanje novih terapija

Više od tri milijuna istraživača u 190 zemalja svijeta otvorilo je istu bazu podataka — besplatnu, javno dostupnu, s predviđenim oblikom preko 240 milijuna proteina. To je AlphaFold Protein Structure Database, a broj posjeta govori više o stvarnom utjecaju umjetne inteligencije na znanost nego bilo koja najava s pozornice. Pitanje koje ostaje: je li taj utjecaj već stigao i do novih lijekova, ili je i dalje uglavnom obećanje?

Problem koji je AlphaFold riješio

Pola stoljeća biolozi su pokušavali predvidjeti kako se lanac aminokiselina savija u trodimenzionalni oblik proteina — jer taj oblik određuje što protein radi u tijelu i kako se lijek može na njega vezati. Eksperimentalno određivanje jedne strukture rendgenskom kristalografijom moglo je trajati mjesecima ili godinama. AlphaFold 2, koji su razvili Demis Hassabis i John Jumper iz Google DeepMinda uz Davida Bakera, riješio je taj problem s točnošću usporedivom s laboratorijskim mjerenjima — dovoljno da mu 2024. dodijele Nobelovu nagradu za kemiju.

Otad je AlphaFold izravno citiran u više od 40.000 znanstvenih radova, od kojih se 30% bavi proučavanjem bolesti, a jedna procjena kaže da je model izravno ili neizravno pridonio nastanku oko 200.000 istraživačkih publikacija.

Zašto struktura nije isto što i lijek

Poznavanje oblika proteina govori vam gdje bi se lijek mogao vezati, ali ne i kako dizajnirati malu molekulu koja će se stvarno tamo zalijepiti, ostati stabilna u krvotoku, ne otrovati jetru i proći kroz mjesece testiranja sigurnosti. Stručnjaci u farmaceutskoj industriji to ponavljaju otkad je AlphaFold postao poznat: znanje strukture je važno, ali potrebna je i tehnologija koja razumije kako se molekule vežu za proteine, a to je samo jedan dio golemog slagalice dovođenja novog lijeka na tržište. AlphaFold 3, predstavljen 2024., proširio je predviđanja na interakcije proteina s DNK, RNK i malim molekulama — bliže stvarnom procesu dizajna lijeka, ali i dalje ne zamjenjuje godine testiranja.

Isomorphic Labs i put prema pacijentima

Isomorphic Labs, tvrtka koju je Google DeepMind izdvojio upravo za primjenu AlphaFold tehnologije na dizajn lijekova, u 2025. je prikupila 600 milijuna dolara financiranja i sklopila partnerstva s velikim farmaceutskim kompanijama — Novartisom, Eli Lillyjem i Johnson & Johnsonom. U veljači 2026. tvrtka je objavila novi sustav za dizajn lijekova, nazvan IsoDDE, koji je u internom tehničkom izvještaju od 27 stranica pokazao da više nego udvostručuje točnost AlphaFold 3 na najtežim slučajevima predviđanja interakcije proteina i ligand molekula.

Vremenska crta kliničkih ispitivanja pomaknula se: na Svjetskom gospodarskom forumu u siječnju 2026. Demis Hassabis priznao je da se prva klinička ispitivanja lijekova dizajniranih uz pomoć AlphaFolda sada očekuju do kraja 2026., a ne 2025. kako se ranije najavljivalo. Odgoda od godinu dana dobar je podsjetnik koliko je teško predviđati brzinu stvarnog razvoja lijekova, čak i uz najbolju AI tehnologiju.

Brojevi koji pokazuju stvaran doseg

Neovisno o tempu kliničkih ispitivanja, znanstveni utjecaj je već mjerljiv i velik: baza AlphaFold sadrži predviđanja za više od 240 milijuna proteina, koristilo ju je preko tri milijuna istraživača u 190 zemalja — od toga više od milijun u zemljama s niskim i srednjim dohotkom, gdje pristup skupoj laboratorijskoj opremi inače ne postoji. To demokratizira ulazni korak istraživanja bolesti na način koji prije 2020. jednostavno nije bio moguć.

Hype naspram stvarnosti

Realna procjena zvuči ovako: AlphaFold je genuin znanstveni proboj koji je drastično ubrzao jedan kritičan, ali usko definiran korak u otkrivanju lijekova — razumijevanje oblika proteina. Nije čarobni štapić koji instantno čini razvoj lijekova uspješnijim, a uobičajene prepreke do tržišta i dalje ostaju iste. Većina lijekova koji uđu u kliničko ispitivanje svejedno ne prođe sve tri faze zbog toksičnosti, nuspojava ili jednostavno nedovoljne djelotvornosti kod ljudi — a to AI danas ne može predvidjeti s pouzdanošću koja bi promijenila tu statistiku.

Što realno možemo očekivati do kraja desetljeća

Ako Isomorphic Labs i konkurenti poput Xaire uspiju dovesti prve AI-dizajnirane molekule kroz klinička ispitivanja do kraja 2026. i dalje, to će biti dokaz koncepta, ne revolucija preko noći. Realniji scenarij je postupno skraćivanje ranih faza istraživanja — mjeseci umjesto godina za identifikaciju kandidata — dok kasnije, skuplje faze testiranja na ljudima ostaju jednako spore i regulirane kao i prije, jer sigurnost pacijenata ne može se ubrzati algoritmom.

Zaključak

Nobelova nagrada 2024. nije bila nagrada za izliječenu bolest, nego za alat koji je otvorio vrata bržem razumijevanju bioloških problema. Ta razlika je bitna: pravi test AlphaFolda i njegovih nasljednika dogodit će se tek kad prvi lijek dizajniran uz njihovu pomoć prođe treću fazu kliničkih ispitivanja i stigne do ljekarne — a taj trenutak je, prema najnovijim izjavama samog Hassabisa, i dalje pred nama, ne iza nas.

---

Izvori i dodatno čitanje

• AlphaFold: Five Years of Impact — Google DeepMind
• AlphaFold is five years old — these charts show how it revolutionized science — Nature
• What's next for AlphaFold: A conversation with a Google DeepMind Nobel laureate — MIT Technology Review
• Isomorphic Labs — Wikipedia
• Isomorphic Labs' New Drug-Design System Doubles AlphaFold 3 on Hardest Cases
• Why AlphaFold 3 is stirring up so much buzz in pharma — PharmaVoice