Ginkgo Datapoints présente VCPI : un plan audacieux pour résoudre le problème de données de la découverte de médicaments par IA

Pendant des années, l’IA dans la découverte de médicaments a été freinée par un problème déceptivement simple : les données ne sont pas suffisamment bonnes. Les montagnes de séquençage, les études de perturbation en pool et les expériences de cellules mélangées ont donné l’impression de progrès sans apporter de véritables avancées. Au lieu de clarté, le domaine a produit du bruit. Au lieu de reproductibilité, il a produit de la dérive. Et au lieu des mesures précises et spécifiques à la pharmacologie requises pour former des modèles de cellules virtuelles fiables, il a produit des jeux de données optimisés plus pour l’échelle que pour l’intégrité scientifique.

C’est dans cet environnement que Ginkgo Datapoints lance l’Initiative de pharmacologie de cellules virtuelles (VCPI) — un projet qui ne promet pas seulement plus de données, mais vise à livrer de meilleures données, spécifiquement conçues pour les modèles d’IA qui tentent de prédire comment les molécules de médicaments réelles perturbent les systèmes biologiques réels. L’annonce officielle de l’entreprise souligne que VCPI générera plus de 12 milliards de points de données et profilera 100 000 composés, établissant ainsi le premier jeu de données de pharmacologie standardisé pour la modélisation de cellules virtuelles.

Pourquoi « plus de données » a échoué

Dans le blog qui présente VCPI, Ginkgo utilise une analogie qui capture parfaitement la trajectoire erronée du domaine. Imaginez jeter une poignée de pilules dans une cage de souris — puis essayer de déterminer quelle souris a mangé quoi. Maintenant, échelonner cela à un million de souris dans une seule grande cage. C’est la faille fondamentale derrière les expériences de pharmacologie à cellules uniques en pool. Ils génèrent des quantités impressionnantes de données, mais la conception sous-jacente empêche une attribution propre entre composé et phénotype.

Le problème n’est pas la technologie ; c’est l’architecture expérimentale. L’hypothèse selon laquelle des jeux de données plus importants enseignent nécessairement de meilleurs modèles s’est avérée fausse. Le blog qualifie sans ambages cette mentalité de « dépendance aux données », en argumentant qu’en l’absence de données bien structurées et à haute teneur en signal, même les IA les plus avancées apprendront les mauvais modèles.

VCPI représente un détour marqué de cette logique. Au lieu de glorifier la taille, il mise sur la traçabilité biologique, la rigueur expérimentale et la structure contrôlée nécessaire pour que l’IA apprenne réellement la pharmacologie.

Comment VCPI reconstruit le pipeline de données

Au lieu de s’appuyer sur des essais de cellules uniques en pool, VCPI utilise DRUG-seq, une méthode de séquençage de l’ARN en bulk à haut débit dans laquelle chaque composé est traité dans un puits barcodé isolé. Cela permet à Ginkgo de mesurer les réponses spécifiques au traitement avec un signal bien plus propre que les conceptions en pool ne le permettent. Selon le communiqué de presse, l’infrastructure d’automatisation de l’entreprise peut exécuter plus de 100 plaques complètes de 384 puits par semaine, générant ainsi des millions de mesures de l’ARN de haute fidélité à l’échelle industrielle.

Aussi important est l’introduction de V-Ref293, une ligne de cellules de référence standardisée nouvellement conçue. Au lieu que chaque laboratoire exécute sa propre version mutée et dérivée de la même ligne de cellules, VCPI crée une référence biologique universelle — un « jumeau organique » à la classe émergente de cellules virtuelles. Cela élimine l’une des sources de non-reproductibilité à long terme en pharmacogénomique et fournit le sol solide que les modèles d’IA ont désespérément besoin.

Dans le cadre de cette initiative, Ginkgo ouvre les portes d’un jeu de données communautaire avec plusieurs composants définisseurs :

• Participation ouverte aux chercheurs, équipes pharmaceutiques et développeurs d’IA
• Profiling de l’ARN à haut débit gratuit pour les composés soumis
• Accès embargo ou permanent pour les contributeurs
• Sorties de données mensuelles façonnées par les votes de la communauté
• Opportunités de partage de modèles, de priorisation de composés et de statut de « super-utilisateur » en accès anticipé

Un modèle construit par la communauté, et non un dump de données

L’un des aspects les plus inhabituels de VCPI est la décision de lancer avant que le jeu de données n’existe. Au lieu de télécharger une ressource terminée, Ginkgo demande à la communauté scientifique de déterminer quels composés sont les plus importants et de collaborer en temps réel à mesure que le jeu de données grandit.

Cette approche dérisque également la participation. Les biotechs en phase de démarrage peuvent soumettre des composés et recevoir de véritables données pharmacologiques sans brûler un budget précieux en dépistage à haut débit. Les équipes d’IA peuvent s’assurer que le jeu de données reflète les perturbations dont elles ont réellement besoin pour la formation de modèles. Et les laboratoires universitaires peuvent contribuer tout en conservant la possibilité d’une fenêtre exclusive de 90 jours.

La structure transforme la génération de données en un processus scientifique participatif — et non en un produit statique.

Ce que cela signifie pour l’avenir de la bio-IA

Les implications plus larges de VCPI s’étendent au-delà de Ginkgo ou de toute initiative de cellules virtuelles. Pour que les modèles de cellules virtuelles deviennent scientifiquement crédibles, ils doivent être formés à partir de données reproductibles, spécifiques au traitement et ancrées dans une référence biologique stable. Sans cette fondation, l’IA continuera à halluciner, à prédire de manière erronée ou à surestimer les artefacts.

Des initiatives comme VCPI signalent un changement de la façon dont le domaine pense aux données elles-mêmes. La conception expérimentale devient aussi importante que l’architecture du modèle. La reproductibilité revient en tant qu’exigence centrale plutôt qu’un idéal optionnel. Et les projets à infrastructure ouverte et communautaires commencent à dépasser les jeux de données propriétaires fermés dans leur capacité à accélérer l’innovation.

Si les cellules virtuelles deviennent finalement des moteurs de prédiction fiables — des outils qui aident à classer les composés, à signaler les toxicités ou à éclairer les voies avant même que l’homme n’ait touché une pipette —, ce sera parce que des projets comme VCPI ont créé l’environnement de données structuré et fiable dont ils avaient besoin pour grandir.

En privilégiant de meilleures données plutôt que simplement plus de données, Ginkgo réaménage les fondements de la biologie habilitée par l’IA. VCPI ne réagit pas seulement à la crise des données dans la découverte de médicaments ; il ouvre la voie à une nouvelle ère où les expériences biologiques et les pipelines de formation de l’IA évoluent ensemble, ouvertement et avec un but.