AI-modeller og platforme

Microsoft Research introducerer Quine, en multimodal verdensmodel for biologi

mm
Føj Unite.AI til dine foretrukne kilder på Google

Microsoft Research introducerede den 29. september 2026 Quine, et forskningsprojekt bygget omkring en multimodal verdensmodel for biologi og et interaktivt grænseflade, der forbinder modellen med orkestrerings‑ og resonneringsmodeller, videnskabelige værktøjer, forskningslitteraturen, wet‑lab‑miljøet og de teams af forskere, der bruger dem.

Med kunngivelsen åbnede Microsoft ansøgninger til den første Quine Fellows‑kohort og rapporterede, at de i samarbejde med forskere ved Broad Institute of MIT and Harvard har brugt systemet til at rangere forbindelser, der forudsiges at fremkalde terapeutiske skift i tumorcellens tilstand, hvor flere top‑rangere kandidater er blevet valideret i flere wet‑lab‑forsøg.

Kunngørelsen er forfattet af Nicolo Fusi, VP og fremtrædende videnskabsmand, samt Jonathan M. Carlson, vicepræsident.

En verdensmodel bygget på tværs af biologiske skalaer

Microsoft definerer den verdensmodel, de forfølger, som en, der repræsenterer tilstanden i et biologisk system, forudsiger hvordan den tilstand vil ændre sig under en intervention, og ræsonnerer om de efterfølgende konsekvenser flere trin frem. Ifølge virksomheden vil et sådant system ikke erstatte eksperimentering; i stedet vil det give forskere mulighed for at veje og rangere mulige retninger computerbaseret, før de forpligter begrænsede laboratorieressourcer.

Quines kernemodel er trænet til at lære repræsentationer, der deles på tværs af biologiske skalaer og datatyper, herunder sekvens, struktur, funktion, cellulær tilstand og billeddannelse. Dens træningsmodaliteter spænder over genomik, proteiner, kemi, RNA og cellulær tilstand samt bio‑imaging. Microsoft rapporterer, at fælles træning på tværs af disse modaliteter styrker snarere end udvander ydeevnen: beviser fra én modalitet kan informere forudsigelser i en anden, og fanger relationer, som virksomheden siger kan forblive siloer eller gå tabt, hvis separate enkelt‑domæne‑specialistmodeller i stedet orkestreres.

Ifølge Microsofts beskrivelse kører systemet som en cyklus, der starter og slutter med forskeren: et spørgsmål giver forslag, forslagene omsættes til eksperimenter, der er værd at udføre, og de resulterende målinger forfiner både det næste spørgsmål og selve modellen. Modellen behøver ikke være perfekt, siger virksomheden, og tilføjer, at den aldrig vil kunne fange biologi fuldstændigt; den skal blot kunne vejlede eksperimentelt design på en brugbar måde.

Quine projektside beskriver tre komponenter, der er udviklet parallelt: selve modellen, bygget til at forbinde evidens på tværs af proteiner, celler, væv og genomer; et værktøjslag, der skal hjælpe forskere med at opdele spørgsmål i trin, anvende modeller og videnskabelige værktøjer, veje evidens og revidere planer; samt et forskningsprogram, hvor Microsoft‑forskere, fellows, samarbejdspartnere og eksperimentelle partnere tester systemet mod reelle biologiske spørgsmål. Siden daterer forskningslinjerne, der fodrer Quine mellem 2021 og 2026, og dækker proteiner, det regulatoriske genom, tumor‑mikromiljøet, vævs‑patologi, mikroskopi og biologiske data.

Microsoft Research siger, at de har brugt mere end to årtier på at arbejde, hvor beregning møder biologi, på tværs af immunologi, virologi, genomik, biomedicinsk billeddannelse, cellebiologi og protein‑engineering, og at Quine er blevet central for, hvordan deres teams forfølger opdagelser inden for områder som kræftbiologi, protein‑engineering, genomik og bio‑imaging.

Wet‑lab‑validering i bugspytkirtelkræft

Kunngørelsen forankrer systemet i et specifikt tilfælde: pancreatic ductal adenocarcinoma (PDAC), som Microsoft beskriver som den mest almindelige form for bugspytkirtelkræft og en af de sværeste at behandle. I samarbejde med forskere fra Broad Institute har virksomheden i årevis udviklet og anvendt patient‑afledte ex‑vivo‑modeller for at teste en langvarig hypotese: at hvordan en tumor opfører sig og reagerer på lægemidler afhænger af dens transkriptionelle cellulære tilstand såvel som dens genetik. PDAC‑tumorceller kan befinde sig i forskellige cellulære tilstande, der er forbundet med behandlingsrespons.

Dette samarbejde er en del af Project Ex Vivo, en fælles kræftforskningsindsats mellem Microsoft og Broad Institute med støtte fra Dana-Farber Cancer Institute, der har til formål at definere, konstruere og målrette cellulære tilstande i kræft. Det indledende PDAC‑arbejde undersøgte den terapeutiske betydning af cellulær tilstand og dens mikro‑miljø‑drivere.

Microsoft rapporterer, at de har brugt Quine til at vurdere og rangere tusindvis af forbindelser for deres potentiale til at flytte tumorceller mellem tilstande, der er relevante for terapi. I wet‑lab‑studier, der fokuserer på overgangen fra klassiske til basale cellulære tilstande, siger virksomheden, at de forbindelser, Quine rangerede højest, flyttede cellerne længst i den tilsigtede retning på tværs af forsøgene, og flere af de stærkeste effekter involverede forbindelser med uventede virkningsmekanismer, resultater som Microsoft beskriver som et tidligt tegn på, at AI kan afdække muligheder for genbrug og opdagelse af lægemidler.

Processen, fra indsnævring af søgeområdet for forbindelser til udvælgelse af en kort liste af kandidater til laboratorievalidering, tog kun én weekend, siger Microsoft, et tempo de beskriver som potentielt kan spare måneder med eksperimentelt arbejde og betydelige forskningsomkostninger.

Den omvendte forskydning, fra basal tilbage til klassisk, viste sig at være sværere, et resultat som virksomheden siger stemmer overens med Quines forudsigelse om, at tilgængelige forbindelser ville give svagere effekter i den retning. Eksperimenterne bekræftede også en separat Quine‑forudsigelse om, at flere forbindelser gentagne gange ville skubbe celler mod en særskilt tredje fænotype, hvilket Microsoft siger tyder på, at landskabet af pancreas‑kræftceller er mere komplekst end en simpel klassisk‑basal akse. Næste skridt i dette arbejde omfatter integration af nye RNA‑datasæt og -opgaver, skærpning af tilstandsovergangsforudsigelser og tilføjelse af kalibrerede tillidsestimater, så forskere kan rangere de stærkeste hypoteser til wet‑lab‑test.

Fellowship‑betingelser, sikkerhedsforanstaltninger og faseinddelt adgang

Microsoft oplyser, at Quine er eksperimentel forskningsteknologi, kun beregnet til forskning og ikke til klinisk eller medicinsk brug, og at dens resultater kan være ufuldstændige eller unøjagtige, hvilket kræver gennemgang af kvalificerede forskere og validering gennem passende videnskabeligt og eksperimentelt arbejde. Adgang rulles ud under det, som virksomheden kalder en bevidst, faseinddelt tilgang: den indledende tilgængelighed er begrænset til Quine Fellows‑programmet og udvalgte forskningssamarbejder, med løbende intern gennemgang og indbyggede sikkerhedsforanstaltninger. Microsoft siger, at de forventer at udvide adgangen senere gennem produkter såsom Microsoft Discovery, efterhånden som teknologien modnes.

Fellowship‑programmet løber i 16 uger, inkluderer økonomisk støtte og afholdes af Microsoft Research i Cambridge, Massachusetts. Det er åbent for ph.d.-kandidater, postdocs, forskningsvidenskabsfolk samt akademiske eller uafhængige forskere. Deltagerne vil arbejde sammen med Microsoft‑forskere med adgang til Quine og computerressourcer, og nogle projekter kan også modtage eksperimentel støtte. De oplyste interesseområder omfatter protein‑design og -engineering; enzymdesign, -opdagelse og -optimering; genetisk og kemisk påvirkning af cellens tilstand; tidlig‑stadie terapeutisk forskning inden for underforsynede sygdomsområder, herunder hypotese‑ og forbindelsesprioritering; samt tilstødende problemstillinger, hvor hurtigere iteration mellem design og eksperiment kan ændre resultatet.

Fellowship‑siden advarer om, at ansøgning hverken garanterer udvælgelse eller adgang, og at deltagelse og støtte afhænger af berettigelse, udvælgelse, kapacitet og skriftlige fellowship‑betingelser. Ansøgninger til den første kohorte åbnede den 29. september 2026 og løber indtil den 2. november 2026; selve fellowship‑programmet er planlagt fra den 7. juni 2027 til den 24. september 2027.

Aria Bloom er en AI-genereret journalist, der udforsker, hvordan kunstig intelligens transformerer bioteknologi og genomforskning. Hendes skrivning kombinerer præcision med en dyb nysgerrighed omkring fremtiden for livsvidenskaberne.

Fra syntetisk biologi til personlig medicin analyserer Aria, hvordan maskinlæring accelererer innovation inden for menneskelig sundhed.

Artikler skrevet af Aria Bloom er AI-genererede og gennemgået af Unite.AI’s redaktionsteam for nøjagtighed og overholdelse.