Ono Pharmaceutical Lancia Agentic AI in Tutta la Scoperta di Farmaci

Ono Pharmaceutical sta mettendo gli agenti di intelligenza artificiale davanti ai ricercatori che gestiscono le fasi iniziali della ricerca. Sotto una collaborazione annunciata il 28 luglio 2026, il produttore di farmaci di Osaka distribuirà Biomni Lab, la piattaforma di ricerca agente costruita dal laboratorio di intelligenza artificiale applicata Phylo di South San Francisco, in tutta l’organizzazione di scoperta di farmaci.

Ciò che la piattaforma è destinata ad assorbire, secondo l’annuncio, è l’intera gamma della giornata computazionale di un ricercatore di scoperta: sintetizzare la storia sperimentale di un programma, ragionare sui set di dati interni, progettare il prossimo esperimento e eseguire la biologia computazionale dietro di esso. Phylo afferma che l’esperienza di scoperta di Ono e i dati storici saranno introdotti nell’ambiente, che è la parte che distingue questo da una licenza software. Ono, elencato a Tokyo come 4528 e fondato nel 1717, lavora in oncologia, immunologia e infiammazione, e neurologia, e è noto per l’anticorpo PD-1 nivolumab, venduto come Opdivo.

Cosa è stato testato Biomni

L’agente sotto il prodotto porta più prove pubblicate di quanto non facciano la maggior parte dei dispiegamenti di intelligenza artificiale aziendale. Biomni è iniziato come progetto open-source a Stanford e è stato pubblicato su Science nel 2026 come Ricerca biomedica autonoma con un agente di intelligenza artificiale. Il suo design è insolito: un agente estrae strumenti, database e protocolli da migliaia di articoli in 25 domini biomedici per costruire l’ambiente, e un secondo pianifica sull’ambiente, recuperando ciò di cui una domanda ha bisogno e scrivendo codice per eseguirlo invece di seguire un flusso di lavoro fisso.

L’articolo riporta che l’agente generalizza attraverso la priorità dei geni causali, il riposizionamento dei farmaci, la diagnosi delle malattie rare, l’analisi del microbioma e la clonazione molecolare senza regolazione specifica della task, con casi di studio che coprono l’ottimizzazione della stabilità delle proteine e l’orchestrazione degli strumenti del laboratorio umido. Questo è un mandato più ampio rispetto ai modelli a scopo singolo che dominano la scoperta computazionale, e più vicino ai sistemi di co-scienziati che affrontano il laboratorio umido su cui il settore si è concentrato dal Co-Scientist di Google.

Cosa mostrano i punteggi del benchmark

La lettura più utile di ciò che Ono sta effettivamente acquistando proviene dal lavoro di valutazione di Phylo. Il 30 giugno 2026, la società ha pubblicato DrugDiscoveryBench con Scale Labs: 82 attività scritte da ricercatori di scoperta di farmaci che lavorano sulla identificazione dei bersagli, sulla ricerca dei brevetti e sull’analisi struttura-attività, ognuna con una risposta verificabile e una rubrica scritta da un esperto, risolta da agenti che scrivono codice contro database biomedici reali.

I modelli di frontiera si sono raggruppati strettamente e senza impressione. Phylo riporta GPT-5.5 al 51,6%, Gemini 3.5 Flash al 50,0% e Opus 4.8 al 47,2%, con modelli diversi che guidano diverse famiglie di attività. Due constatazioni al di sotto della classifica sono più importanti per un rollout farmaceutico:

• Tenendo fisso il modello e cambiando solo l’architettura dell’agente circostante, GPT-5.5 è passato dal 40,6% al 51,6%, e GLM 5.2 dal 24,4% al 37,8%.
• Consegnato un playbook scritto da un umano che nomina i passaggi e gli strumenti, almeno un modello ha superato 76 delle 82 attività.

Phylo è diretto sul modo di fallimento in mezzo: sui flussi di lavoro lunghi l’agente perde silenziosamente una costrizione e restituisce una risposta sbagliata con fiducia. In un’attività ha risposto a una domanda sul melanoma con un gene del cancro al seno. Questo è il divario che la conoscenza istituzionale chiude, e spiega perché l’accordo Ono è inquadrato attorno ai dati storici della società piuttosto che attorno alla capacità grezza del modello.

Dove si inserisce nella strategia di scoperta di Ono

Ono sta assemblando questo per diversi anni. La sua organizzazione di ricerca afferma che utilizza l’intelligenza artificiale per accelerare la ricerca dei semi di scoperta e ridurre il tempo per i composti nuovi, e gestisce un modello di scoperta di farmaci deliberatamente esterno: nel marzo 2026 ha ampliato una collaborazione di scoperta computazionale con Congruence Therapeutics in neurologia e immunologia.

“Crediamo che l’intelligenza artificiale diventerà una capacità fondamentale per la scoperta di farmaci”, ha detto Seishi Katsumata, ufficiale e vicepresidente esecutivo di Ono per la scoperta e la ricerca, che ha aggiunto che i ricercatori di Ono hanno adottato rapidamente Biomni Lab durante la valutazione.

Per Phylo, l’accordo estende un elenco di clienti assemblato in meno di sei mesi. La società ha lanciato Biomni Lab in anteprima di ricerca il 3 febbraio 2026 insieme a un $13,5 milioni di finanziamento iniziale cofirmato da Andreessen Horowitz e Menlo Ventures’ Anthology Fund, e ha pubblicato lavori di distribuzione con Ginkgo Bioworks (DNA ) e emulazione clinica agente con ricercatori di Mount Sinai. Sta anche arrivando in un mercato in cui le grandi società farmaceutiche hanno deciso di acquistare infrastrutture di agenti invece di costruirle, come AstraZeneca (AZN ) ha fatto quando ha ampliato la sua partnership con Owkin per mettere agenti nelle decisioni di sviluppo.

Biomni Lab è disponibile ora, e il lavoro concreto che Ono ha firmato è la metà più dura: convertire tre secoli di pratica di scoperta accumulata in procedure che un agente possa seguire. Sul benchmark di Phylo, questo è il passo che porta un agente dalla metà delle attività a quasi tutte.