# Brit startup szimulációs adatokkal keresne új gyógyszereket

*Wired · 2026-11-05 · Kutatás*

**A brit Potential Sciences mesterséges intelligenciával, fizikai szimulációkra épülő adatokkal szeretné felgyorsítani a gyógyszerjelöltek keresését, a költséges laboratóriumi kísérletek kihagyásával.**

A brit Potential Sciences november 5-én indult, alapítója és vezérigazgatója Hatem Helal. A cég fizikai elveken alapuló szimulációkkal modellezi az atomok, a kismolekulák, majd a fehérjék közötti kölcsönhatásokat, hogy nagy méretű vegyi adatbázisokat építsen. Ezekből **szimulált adatokra épülő modellek** tanítását tervezi, amelyek célzott hatású gyógyszerjelölteket azonosíthatnak.

A cég kezdeti finanszírozása több tízmillió dollár, a befektetők között van a SovAI, a brit kormány mesterséges intelligencia kockázatitőke-alapja, és a Twin Path Ventures. A pontos összeget és az értékelést a alapítók nem hozták nyilvánosságra. Helal szerint a szimulációk csökkenthetik a kísérletek költségét, így a gyógyszergyárak **ritka betegségek kezelése** területén is érdemesnek találhatják a fejlesztést.

Helal szerint a nyilvános Protein Data Bank adatbázisa túl kicsi ahhoz, hogy megbízhatóan gyorsítsa a jelöltek keresését, a lehetséges molekulakombinációk száma pedig nagyjából 10^60. A cég még nem döntött a bevételszerzésről, és arról sem, hogy modelljeit ingyen teszi-e elérhetővé, mivel a **visszaélésre alkalmas technológia** kockázata fennáll.

## Miért számít?

A gyógyszerkutatással foglalkozó csapatok és gyógyszergyárak figyelhetik, mennyire gyorsul a jelöltek szűrése. A **pontosság még nem bizonyított**: a fehérjekötődések előrejelzése a cég célja, nem eredménye, és a klinikai vizsgálatok ideje így is hosszú marad.

---

Eredeti forrás: [Finding New Drugs Is Laborious. This AI Startup Is Skipping The Lab Work](https://www.wired.com/story/finding-new-drugs-is-laborious-this-ai-startup-is-skipping-the-lab-work)

Forrás: xhírek.hu – https://xhirek.hu/hir/brit-startup-szimulacios-adatokkal-keresne-uj-gyogyszereket