Каталог біо-AI моделей — хто ще моделює геном, білки й ліки (сусіди MAMMAL)
Категорія B (технології). Створено: 23 липня 2026. Мапа сімейств foundation-моделей у біології — щоб бачити, де серед них MAMMAL, ESM, AlphaFold і що ще варто знати для кар’єри. Стан на 2025–2026.
- Біо-AI — це не одна модель, а 6 сімейств: ДНК/геном, структура білків, дизайн білків, молекули/ліки, одноклітинні дані та мультимодальні (де живе MAMMAL).
- Іде гонка «відкриті проти закритих»: DeepMind (AlphaFold 3, AlphaGenome) тримає найсильніше за API, а спільнота відповідає відкритими аналогами (Boltz, Chai, ESM, Evo), які можна запускати й файнтюнити.
- Для тебе важливо: відкриті моделі = матеріал портфоліо. ESM, Evo 2, Boltz-2, Nucleotide Transformer, scGPT, RFdiffusion — усі качаються з HuggingFace/GitHub.
- Чесно: багато моделей вражають на бенчмарках, але на «held-out» задачах і в біології клітини часто ледь обганяють прості лінійні бейзлайни — тож дивись на незалежні порівняння, а не на прес-релізи.
Як читати цю мапу
Section titled “Як читати цю мапу”Для кожної моделі: хто зробив, що робить, доступ (🟢 відкрита / 🟡 обмежена / 🔴 закрита-API). MAMMAL і ESM ти вже знаєш — тут їхні «сусіди» по кожному напрямку.
1. 🧬 ДНК / геном (genomic language models)
Section titled “1. 🧬 ДНК / геном (genomic language models)”«Читають» послідовність ДНК і передбачають функцію або генерують нову ДНК.
| Модель | Хто | Що робить | Доступ |
|---|---|---|---|
| Evo 2 | Arc Institute + NVIDIA | 40B параметрів; прогноз + генерація ДНК/РНК/білків, контекст до 1 Mb | 🟢 відкрита |
| AlphaGenome | Google DeepMind | Регуляторна функція й ефект варіантів на 1 Mb, base-resolution | 🔴 API (некомерц.) |
| Nucleotide Transformer (v2/v3) | InstaDeep | Універсальний бекбон геноміки людини; v3 (кінець 2025) — спільне «послідовність↔функція» | 🟢 відкрита |
| Enformer → Borzoi | DeepMind / Calico | Передбачення експресії генів із послідовності | 🟢 відкрита |
| HyenaDNA | Stanford | Наддовгий контекст ДНК (до ~1 Mb) на архітектурі Hyena | 🟢 відкрита |
| Caduceus | Cornell/Stanford | Двонаправлена ДНК-модель на Mamba (SSM) | 🟢 відкрита |
| DNABERT-2 | акад. | BERT-стиль для геному, база для класифікації | 🟢 відкрита |
2. 🔗 Білки: передбачення структури
Section titled “2. 🔗 Білки: передбачення структури”«Рецепт → 3D-форма». Форма = функція, тож це фундамент розробки ліків.
| Модель | Хто | Що робить | Доступ |
|---|---|---|---|
| AlphaFold 3 | DeepMind / Isomorphic | Структура білків + комплекси з ДНК, РНК, лігандами | 🟡 сервер + код (некомерц.) |
| Boltz-1 / Boltz-2 | MIT | Відкритий аналог AF3; Boltz-2 додає афінність зв’язування; колаборація з Pfizer | 🟢 відкрита |
| Chai-1 | Chai Discovery | Ще один відкритий AF3-рівень для комплексів | 🟢 відкрита |
| ESMFold | Meta / EvolutionaryScale | Структура прямо з ESM-2, без MSA — швидко | 🟢 відкрита |
| RoseTTAFold All-Atom | Baker Lab | Структура білків з малими молекулами й ко-факторами | 🟢 відкрита |
| OpenFold | акад. консорціум | Відтворення AlphaFold2 для тренування/дослідів | 🟢 відкрита |
3. 🎨 Білки: дизайн і генерація
Section titled “3. 🎨 Білки: дизайн і генерація”Не «прочитати», а створити новий білок під задачу (ферменти, бінкери, ліки-білки).
| Модель | Хто | Що робить | Доступ |
|---|---|---|---|
| ESM3 | EvolutionaryScale | Мультимодальна: генерує послідовність+структуру+функцію; згенерувала новий флуоресцентний білок | 🟡 (ESM-2 відкрита) |
| RFdiffusion | Baker Lab | Дифузійна генерація нових білкових структур «під замовлення» | 🟢 відкрита |
| ProteinMPNN | Baker Lab | Підбирає амінокислоти під задану форму (inverse folding) | 🟢 відкрита |
| ProGen2 | Salesforce | «GPT для білків» — генерує робочі ферменти | 🟢 відкрита |
4. 💊 Молекули / ліки (генеративна хімія + докінг)
Section titled “4. 💊 Молекули / ліки (генеративна хімія + докінг)”Придумати молекулу під мішень і оцінити, чи «прилипне».
| Модель / інструмент | Хто | Що робить | Доступ |
|---|---|---|---|
| Chemistry42 | Insilico Medicine | Генеративний дизайн молекул (за ним — рентосертиб) | 🔴 закрита |
| REINVENT | AstraZeneca | RL-генерація молекул під властивості | 🟢 відкрита |
| MolMIM | NVIDIA (BioNeMo) | Керована генерація молекул | 🟢 відкрита |
| DiffDock | MIT | Дифузійний докінг: куди й як молекула сідає на білок | 🟢 відкрита |
| Boltz-2 | MIT | Крім структури — передбачення афінності (замінює частину докінгу) | 🟢 відкрита |
5. 🧫 Одноклітинні дані / експресія (single-cell FMs)
Section titled “5. 🧫 Одноклітинні дані / експресія (single-cell FMs)”Вчаться на профілях експресії клітин — «як клітина реагує».
| Модель | Хто | Що робить | Доступ |
|---|---|---|---|
| scGPT | Bo Wang Lab (Toronto) | Foundation-модель single-cell multi-omics | 🟢 відкрита |
| Geneformer | Broad Institute | Трансформер на мережах регуляції генів | 🟢 відкрита |
| scFoundation | BioMap | ~100M-параметрична модель експресії | 🟢 відкрита |
| UCE (Universal Cell Embedding) | Stanford/CZI | Єдиний ембединг клітин різних видів | 🟢 відкрита |
| State | Arc Institute | Модель, що передбачає реакцію клітини на збурення | 🟢 відкрита |
⚠️ Чесно: незалежна праця в Nature Methods (2025) показала, що передбачення ефекту генних збурень цими моделями поки не обганяє простих лінійних бейзлайнів. Напрямок молодий — обережно з обіцянками.
6. 🧠 Мультимодальні (де живе MAMMAL)
Section titled “6. 🧠 Мультимодальні (де живе MAMMAL)”Одна мережа під кілька «мов біології» — це передовий і найближчий тобі край.
| Модель | Хто | Що робить | Доступ |
|---|---|---|---|
| MAMMAL | IBM Research | ДНК + білки + хімія в одній моделі; багатозадачність (твій Проєкт #1) | 🟢 відкрита (HF) |
| ESM3 | EvolutionaryScale | Послідовність + структура + функція білка разом | 🟡 обмежена |
| Evo 2 | Arc + NVIDIA | Кросдоменна: ДНК/РНК/білок в одній | 🟢 відкрита |
7. 🛠️ Платформи (де це все запускати)
Section titled “7. 🛠️ Платформи (де це все запускати)”- NVIDIA BioNeMo — «магазин» біо-foundation-моделей (ESM, MolMIM, DiffDock, GenMol…) з готовим інференсом/файнтюном.
- HuggingFace — ваги більшості відкритих моделей (ESM, Evo 2, Nucleotide Transformer, scGPT, Boltz).
- Компанії за моделями: DeepMind/Isomorphic, EvolutionaryScale, Arc Institute, InstaDeep, Baker Lab (IPD), MIT, Calico, IBM, NVIDIA, Chai Discovery.
Чесний реаліті-чек
Section titled “Чесний реаліті-чек”- Open vs closed: найсильніше досі часто за закритими API (AlphaFold 3, AlphaGenome), але відкриті наздоганяють швидко (Boltz-2 ≈ AF3 для багатьох задач).
- Бенчмарки ≠ реальність: дивись незалежні порівняння на held-out даних; багато «SOTA» не тримаються поза своїм тестом.
- Структура ≠ ліки: передбачити форму — лише перший крок; ефективність у людини вирішує клініка (див. док «AI-пошук ліків»).
- Single-cell — рано: foundation-моделі клітин ще не довели переваги над простими методами.
Що чіпати руками (для портфоліо)
Section titled “Що чіпати руками (для портфоліо)”- ESM-2 — ембединги білків, класифікація (твій Проєкт #1, разом із MAMMAL).
- Nucleotide Transformer / Evo 2 — задача на ДНК (регуляторний елемент, ефект варіанта).
- Boltz-2 — структура + афінність зв’язування молекули з мішенню.
- scGPT — анотація типів клітин на відкритих single-cell даних. Кожне — окремий міні-проєкт «завантажив → запустив інференс → файнтюнив → показав метрику».
Джерела
Section titled “Джерела”- Бенчмарк ДНК-foundation-моделей, Nature Communications (2025): https://www.nature.com/articles/s41467-025-65823-8
- Genomic foundation models 2026 — огляд held-out тестів: https://rewire.it/blog/genomic-foundation-models-in-2026/
- Nucleotide Transformer v3 (спільне послідовність↔функція), InstaDeep (2025): https://instadeep.com/wp-content/uploads/2025/12/NT_v3.pdf
- Порівняння foundation-моделей біології (AlphaFold 3, ESM3), IntuitionLabs: https://intuitionlabs.ai/articles/biology-foundation-models-comparison
- Boltz + Chai як відкритий рух після AlphaFold 3: https://note.com/pharma_insight/n/nfe3c598ff7c3?hl=en
- Boltz × Pfizer — стратегічна колаборація по біомолекулярних FMs: https://www.biospace.com/press-releases/boltz-and-pfizer-announce-strategic-collaboration-to-develop-and-deploy-state-of-the-art-biomolecular-ai-foundation-models
- Single-cell foundation models, огляд Exp & Mol Medicine (2025): https://www.nature.com/articles/s12276-025-01547-5
- Передбачення збурень не обганяє лінійні бейзлайни, Nature Methods (2025): https://www.nature.com/articles/s41592-025-02772-6
- NVIDIA BioNeMo (MolMIM, DiffDock) для дизайну молекул: https://developer.nvidia.com/blog/new-models-molmim-and-diffdock-power-molecule-generation-and-molecular-docking-in-bionemo
Матеріали сайту мають освітній характер і не є медичною порадою. Рішення про будь-які втручання ухвалюйте разом із лікарем.