Deep Genomics: обзор стартапа

Deep Genomics — канадский techbio-единорог, который строит «BigRNA» — первую в отрасли трансформер-модель для расшифровки РНК-механизмов и проектирования терапевтических олигонуклеотидов. Компания уже работает с 20 000 генных вариантов и автоматизирует весь цикл «от мутации до кандидата» в неделях вместо лет. Штаб-квартира — Торонто, новое R&D-лабо в Кембридже (США).

Основная идея и ключевые преимущества

1. BigRNA сокращает время поиска кандидата
   Модель предсказывает, как конкретная мутация изменит сплайсинг, экспрессию и структуру РНК, и генерирует тысячи вариантов ASO-молекул, ранжируя их по «лечебному шансу». Это снижает риск непопадания в клинику и экономит миллионы долларов на «сырых» экпериментах.
2. Полностью цифровой «AI Workbench»
   Платформа охватывает весь пайплайн: target discovery → lead design → in-silico ADMET → виртуальная валидация на 400+ клеточных моделях. Команда говорит о «миллиардах предсказаний» по всему геному человека.
3. Фокус на редких и ультра-редких болезнях
   Первая волна из 10 программ закрывает ниши, где крупных конкурентов почти нет: болезнь Вильсона, Ниманна–Пика С, рефрактерная подагра, детская эпилепсия и пр.

Ключевые достижения и цифры

• BigRNA представлен 27 сентября 2023 г. — первый foundation-модуль ИИ для РНК, обученный на триллионах баз-пар.
• Расширение в США. В июне 2024-го открыт кампус в Кембридже; штат > 100 специалистов.
• 10 pre-clinical программ, 3 исследования, способствующих достижению статуса «Новый Исследовательский Препарат» – первый запланирован на 2026 г.

• Награда «BioTechnology Company of the Year 2024» по версии Stevies.

Инвестиции и дальнейшее развитие

Всего привлечено $238 млн; оценка после С-раунда превышает $800 млн (Tracxn, апрель 2025).

Планируемый Series D ($200–250 млн) во II кв. 2025 направят на:

• вывод первых двух программ в клинику;
• запуск BigRNA+ для сложных полигенных заболеваний;
• ещё одно «мокрое» ядро синтеза ASO в Торонто.

Почему это важно для отрасли

Deep Genomics переводит генную медицину в «datascience-режим», где основная точка дороговизны — вычисления, а не лаборатория. Для фармы это шанс массово заходить в редкие показания без гигантских рисков.

Фактор эффективности

• Скорость: от мутации до кандидата — ≤ 12 недель (vs 18–36 мес).
• Стоимостной выигрыш: экономия до 80 % на доклиническом скрининге.
• Прогнозируемость: каждая молекула сопровождается explainable-AI-отчётом о механизме.

Перспективы

Если BigRNA+ подтвердит способность находить мишени для сложных болезней (ALS, Хантингтон, диабет II), Deep Genomics может стать «Nvidia для RNA-терапий» — инфраструктурным игроком, который лицензирует модель BigRNA фармкомпаниям и берёт долю роялти с каждого успешного кандидата. Следующий шаг — доказать в клинике, что «синтетическая» аналитика действительно переводится в безопасность и эффективность у пациентов.