Σύνοψη
- Η Recursion συνδυάζει τεχνητή νοημοσύνη, ρομποτικά εργαστήρια και υπερυπολογιστές για την ανακάλυψη νέων φαρμάκων.
- Τα αυτοματοποιημένα εργαστήριά της μπορούν να πραγματοποιούν έως και 2 εκατομμύρια πειράματα την εβδομάδα.
- Η εταιρεία έχει δημιουργήσει μια ιδιόκτητη βάση δεδομένων άνω των 50 petabytes βιολογικών και χημικών δεδομένων.
- Η AI δεν αποφασίζει μόνη της ποιο φάρμακο θα κυκλοφορήσει: προτείνει υποψήφιες λύσεις, οι οποίες ελέγχονται ξανά σε πραγματικά βιολογικά πειράματα.
- Η Recursion χρησιμοποιεί τον δικό της υπερυπολογιστή και εξειδικευμένα μοντέλα για να αναζητήσει σχέσεις που είναι δύσκολο να εντοπιστούν με τις παραδοσιακές μεθόδους.
- Η προσέγγιση έχει ήδη οδηγήσει σε υποψήφια φάρμακα που βρίσκονται σε κλινική ανάπτυξη.
- Το μεγάλο στοίχημα είναι αν αυτή η «μηχανή ανακάλυψης» μπορεί να κάνει την ανάπτυξη φαρμάκων ταχύτερη, φθηνότερη και πιο επιτυχημένη.
Η ανακάλυψη ενός νέου φαρμάκου είναι μία από τις πιο αργές, ακριβές και δύσκολες διαδικασίες της σύγχρονης επιστήμης. Χρειάζονται χρόνια εργαστηριακών δοκιμών, τεράστιες ποσότητες δεδομένων και, τελικά, κλινικές μελέτες σε ανθρώπους, χωρίς καμία εγγύηση ότι μια πολλά υποσχόμενη ουσία θα φτάσει ποτέ στην αγορά.
Η αμερικανική Recursion θέλει να αλλάξει αυτή τη διαδικασία χρησιμοποιώντας έναν συνδυασμό που μέχρι πριν από λίγα χρόνια θα έμοιαζε ασυνήθιστος: τεχνητή νοημοσύνη, ρομπότ, αυτοματοποιημένα εργαστήρια και υπερυπολογιστές.
Η ιδέα δεν είναι απλώς να βάλει έναν αλγόριθμο να «μαντέψει» ένα φάρμακο. Η Recursion προσπαθεί να δημιουργήσει ένα συνεχές σύστημα στο οποίο η AI κάνει προβλέψεις, το εργαστήριο τις ελέγχει και τα αποτελέσματα επιστρέφουν ξανά στην AI για να βελτιώσει τις επόμενες προβλέψεις.
Ένα εργαστήριο που λειτουργεί σαν data center
Στην καρδιά της προσέγγισης βρίσκεται το Recursion OS, η πλατφόρμα της εταιρείας για ανακάλυψη και ανάπτυξη φαρμάκων.
Τα αυτοματοποιημένα εργαστήρια πραγματοποιούν τεράστιο αριθμό πειραμάτων, χρησιμοποιώντας ρομποτικά συστήματα που μπορούν να επαναλαμβάνουν τις ίδιες διαδικασίες με μεγάλη ακρίβεια. Η εταιρεία αναφέρει ότι η υποδομή της μπορεί να εκτελεί έως και 2 εκατομμύρια πειράματα την εβδομάδα.
Κάθε πείραμα μετατρέπεται στη συνέχεια σε ψηφιακά δεδομένα. Οι εικόνες κυττάρων, οι αντιδράσεις σε διαφορετικές ουσίες και άλλες βιολογικές μετρήσεις δημιουργούν ένα τεράστιο σύνολο πληροφοριών που μπορεί να αναλυθεί από μοντέλα μηχανικής μάθησης.
Η Recursion έχει συγκεντρώσει περισσότερα από 50 petabytes πολυτροπικών δεδομένων, δηλαδή δεδομένων διαφορετικών τύπων που αφορούν βιολογία, χημεία και ασθένειες.
Έτσι, το εργαστήριο δεν λειτουργεί απλώς ως χώρος πειραμάτων. Λειτουργεί ουσιαστικά σαν μια μηχανή παραγωγής δεδομένων για την AI.
Η AI ψάχνει αυτό που δεν βλέπει ο άνθρωπος
Η παραδοσιακή φαρμακευτική έρευνα βασίζεται σε μεγάλο βαθμό σε υποθέσεις που κάνουν οι επιστήμονες για το πώς λειτουργεί μια ασθένεια και ποιο μόριο μπορεί να την αντιμετωπίσει.
Η Recursion προσπαθεί να αντιστρέψει σε κάποιο βαθμό αυτή τη διαδικασία.
Η AI αναλύει τεράστιες ποσότητες βιολογικών δεδομένων και αναζητά μοτίβα που μπορεί να μην είναι προφανή στους ερευνητές. Για παράδειγμα, μπορεί να εξετάσει πώς αλλάζει η συμπεριφορά ενός κυττάρου όταν επηρεάζεται ένα συγκεκριμένο γονίδιο ή όταν εκτίθεται σε μια συγκεκριμένη χημική ουσία.
Από αυτές τις αλλαγές μπορεί να προκύψουν υποθέσεις για νέους στόχους φαρμάκων ή για ήδη υπάρχουσες ουσίες που ίσως έχουν διαφορετική θεραπευτική χρήση.
Το σημαντικό είναι ότι η AI δεν έχει τον τελευταίο λόγο. Οι προβλέψεις της επιστρέφουν στο εργαστήριο για πειραματική επιβεβαίωση.
Ο κύκλος AI → εργαστήριο → AI
Αυτός ο συνεχής κύκλος είναι ίσως το σημαντικότερο στοιχείο της Recursion.
Ένα μοντέλο προτείνει μια πιθανή σχέση. Τα ρομπότ πραγματοποιούν τα σχετικά πειράματα. Τα αποτελέσματα καταγράφονται και επιστρέφουν στα μοντέλα. Η AI χρησιμοποιεί πλέον αυτά τα νέα δεδομένα για να βελτιώσει την επόμενη πρόβλεψη.
Έτσι δημιουργείται ένας βρόχος συνεχούς μάθησης.
Η εταιρεία τον περιγράφει ως «lab-in-the-loop», δηλαδή ένα σύστημα όπου το φυσικό εργαστήριο και το υπολογιστικό περιβάλλον λειτουργούν σαν ένα ενιαίο σύστημα.
Αυτό έχει μεγάλη σημασία επειδή η AI στη βιολογία δεν μπορεί να βασιστεί μόνο σε δεδομένα που υπάρχουν ήδη. Πρέπει να παράγονται συνεχώς νέα, αξιόπιστα δεδομένα για να ελέγχονται οι προβλέψεις της.
Από την ανακάλυψη μέχρι το κλινικό στάδιο
Η Recursion δεν βρίσκεται πλέον μόνο στο επίπεδο της ερευνητικής επίδειξης.
Η εταιρεία διαθέτει αρκετά υποψήφια φάρμακα σε προκλινική ή κλινική ανάπτυξη, με έμφαση σε καρκίνους και σπάνιες ασθένειες.
Ένα χαρακτηριστικό παράδειγμα είναι το REC-4881, ένας αναστολέας των MEK1/2 που βρίσκεται σε Φάση 2 και προορίζεται για την οικογενή αδενωματώδη πολυποδίαση, μια σπάνια κατάσταση που αυξάνει σημαντικά τον κίνδυνο καρκίνου του παχέος εντέρου.
Η εταιρεία έχει επίσης συνεργασίες με μεγάλες φαρμακευτικές επιχειρήσεις, μεταξύ των οποίων η Roche/Genentech και η Sanofi. Τον Αύγουστο του 2026 ανακοίνωσε ότι η συνεργασία της με τη Genentech οδήγησε στον εντοπισμό και την πειραματική επικύρωση ενός νέου στόχου στη νευροεπιστήμη, ο οποίος πέρασε σε πρόγραμμα πρώιμης ανακάλυψης φαρμάκου.
Αυτό είναι σημαντικό γιατί δείχνει ότι η τεχνολογία δεν περιορίζεται στην παραγωγή θεωρητικών υποθέσεων. Οι προβλέψεις της AI μπορούν να φτάσουν μέχρι την επιλογή πραγματικών βιολογικών στόχων που εξετάζονται για ανάπτυξη θεραπείας.
Ο υπερυπολογιστής γίνεται μέρος του εργαστηρίου
Για να επεξεργαστεί αυτόν τον όγκο δεδομένων χρειάζεται και τεράστια υπολογιστική ισχύς.
Η Recursion χρησιμοποιεί τον BioHive-2, έναν υπερυπολογιστή που η εταιρεία χαρακτηρίζει ως τον ισχυρότερο υπερυπολογιστή που ανήκει και λειτουργεί εξ ολοκλήρου από φαρμακευτική ή βιοτεχνολογική εταιρεία.
Ο υπολογιστής χρησιμοποιείται για την εκπαίδευση μοντέλων και την ανάλυση των δεδομένων που παράγονται από τα εργαστήρια.
Εδώ βρίσκεται και μια βασική διαφορά από πολλές άλλες εφαρμογές της γενετικής AI. Η Recursion δεν προσπαθεί απλώς να κατασκευάσει ένα μεγαλύτερο γλωσσικό μοντέλο. Προσπαθεί να δημιουργήσει εξειδικευμένα μοντέλα που κατανοούν συγκεκριμένες πτυχές της βιολογίας και της χημείας.
Η επόμενη φάση είναι οι AI agents
Η εταιρεία προχωρά πλέον ακόμη περισσότερο με τη χρήση AI agents.
Σύμφωνα με πρόσφατα στοιχεία της Recursion, agents χρησιμοποιούνται για την αναζήτηση νέων θεραπευτικών στόχων, τον σχεδιασμό μορίων και την υποστήριξη κλινικών αποφάσεων.
Ένας Target Discovery Agent μπορεί να αναζητά μέσα στις τεράστιες βιολογικές βάσεις δεδομένων πιθανές σχέσεις που αξίζει να διερευνηθούν. Άλλοι agents εξετάζουν δεδομένα σχετικά με τη δομή και τη δράση χημικών ενώσεων, προτείνοντας τι θα πρέπει να εξεταστεί στη συνέχεια.
Ο στόχος είναι σταδιακά ένα μεγαλύτερο μέρος της διαδικασίας να γίνεται με ελάχιστη ανθρώπινη παρέμβαση, χωρίς όμως να καταργείται η πειραματική επιβεβαίωση.
Θα κάνει η AI τα φάρμακα φθηνότερα;
Εδώ χρειάζεται προσοχή.
Το γεγονός ότι η AI μπορεί να επιταχύνει την αναζήτηση υποψηφίων φαρμάκων δεν σημαίνει ότι ένα νέο φάρμακο θα γίνει αυτόματα φθηνό ή ότι θα έχει μεγαλύτερη πιθανότητα επιτυχίας στις κλινικές δοκιμές.
Η πραγματική δοκιμασία παραμένει στον άνθρωπο. Ένα μόριο μπορεί να φαίνεται εξαιρετικό σε υπολογιστικά μοντέλα και σε εργαστηριακά πειράματα, αλλά να αποτύχει για λόγους αποτελεσματικότητας ή ασφάλειας όταν δοκιμαστεί σε ασθενείς.
Η αξία της προσέγγισης της Recursion βρίσκεται επομένως περισσότερο στην αλλαγή της διαδικασίας: να εξετάζονται περισσότερες υποθέσεις, γρηγορότερα και με πιο συστηματικό τρόπο, πριν δαπανηθούν τεράστιοι πόροι στα επόμενα στάδια.
Η νέα εποχή της «TechBio»
Η Recursion αποτελεί χαρακτηριστικό παράδειγμα μιας νέας κατηγορίας εταιρειών που συνδυάζουν τεχνολογία και βιολογία.
Το ενδιαφέρον δεν βρίσκεται σε έναν μόνο αλγόριθμο, αλλά στη σύνδεση AI, αυτοματισμού, δεδομένων, χημείας και πραγματικών πειραμάτων.
Αν αυτή η προσέγγιση αποδειχθεί επιτυχημένη σε μεγάλη κλίμακα, η διαδικασία ανακάλυψης φαρμάκων θα μπορούσε να γίνει πολύ πιο βιομηχανοποιημένη: οι άνθρωποι θα θέτουν τα σημαντικότερα επιστημονικά ερωτήματα, οι AI agents θα αναζητούν πιθανές απαντήσεις, τα ρομπότ θα τις δοκιμάζουν και τα αποτελέσματα θα επιστρέφουν ξανά στα μοντέλα.
Η AI, λοιπόν, δεν αντικαθιστά ακόμη τον επιστήμονα που ανακαλύπτει το επόμενο φάρμακο. Μετατρέπεται όμως σταδιακά σε μια μηχανή που μπορεί να βοηθήσει τους επιστήμονες να εξερευνούν τη βιολογία σε κλίμακα που μέχρι σήμερα ήταν αδύνατη.
