Ginkgo Datapoints presenta VCPI: un piano audace per risolvere il problema dei dati nella scoperta di farmaci basata sull’intelligenza artificiale

Per anni, l’intelligenza artificiale nella scoperta di farmaci è stata frenata da un problema deceptivamente semplice: i dati non sono abbastanza buoni. Le montagne di sequenziamento, gli studi di perturbazione in pool e gli esperimenti con cellule miste hanno dato l’impressione di progressi senza produrre risultati concreti. Invece della chiarezza, il campo ha prodotto rumore. Invece della riproducibilità, ha prodotto deriva. E invece delle misurazioni precise e specifiche per la farmacologia richieste per addestrare modelli di cellule virtuali affidabili, ha prodotto set di dati ottimizzati più per la scala che per l’integrità scientifica.

Questo è l’ambiente in cui Ginkgo Datapoints sta lanciando l’Iniziativa di Farmacologia cellulare virtuale (VCPI) – un progetto che non promette solo più dati, ma mira a fornire dati migliori, progettati appositamente per i modelli di intelligenza artificiale che cercano di prevedere come le molecole di farmaci reali perturbino i sistemi biologici reali. L’annuncio ufficiale della società sottolinea che VCPI genererà oltre 12 miliardi di punti di dati e profilerà 100.000 composti, stabilendo il primo set di dati di farmacologia standardizzato per la modellazione di cellule virtuali.

Perché “più dati” non ha funzionato

Nel post del blog che introduce VCPI, Ginkgo utilizza un’analogia che cattura perfettamente la traiettoria errata del campo. Immagina di lanciare una manciata di pillole in una gabbia di topi – e poi cercare di capire quale topo ha mangiato cosa. Ora scala ciò a un milione di topi in una sola gabbia gigante. Questo è il difetto di base degli esperimenti di farmacologia cellulare in pool. Generano quantità impressionanti di dati, ma la progettazione sottostante impedisce un’attribuzione pulita tra composto e fenotipo.

Il problema non è la tecnologia; è l’architettura sperimentale. L’assunzione che set di dati più grandi insegnino automaticamente modelli migliori si è rivelata falsa. Il post del blog definisce apertamente questa mentalità come “dipendenza dai dati”, sostenendo che senza input ben strutturati e ad alto segnale, anche l’intelligenza artificiale più avanzata apprenderà i modelli sbagliati.

VCPI rappresenta una netta deviazione da questa logica. Invece di glorificare le dimensioni, si concentra sulla tracciabilità biologica, sulla rigorosità sperimentale e sulla struttura controllata necessaria perché l’intelligenza artificiale possa effettivamente apprendere la farmacologia.

Come VCPI ricostruisce la pipeline di dati

Invece di affidarsi agli esperimenti di assaggio cellulare in pool, VCPI utilizza DRUG-seq, un metodo di sequenziamento dell’RNA ad alto rendimento in cui ogni composto viene trattato in un pozzo isolato e codificato a barre. Ciò consente a Ginkgo di misurare le risposte specifiche del trattamento con un rapporto segnale/rumore molto più pulito rispetto a quanto offerto dai progetti in pool. Secondo il comunicato stampa, l’infrastruttura di automazione della società può eseguire oltre 100 piastre complete da 384 pozzi a settimana, generando milioni di misurazioni dell’RNA ad alta fedeltà su scala industriale.

Altrettanto importante è l’introduzione di V-Ref293, una linea cellulare di riferimento standardizzata appena progettata. Invece di far eseguire a ogni laboratorio la propria versione mutata e derivata della stessa linea cellulare, VCPI crea una baseline biologica universale – un “gemello organico” alla classe emergente di cellule virtuali. Ciò elimina una delle fonti di irreproducibilità a lungo presenti nella farmacogenomica e fornisce la verità stabile necessaria ai modelli di intelligenza artificiale.

In questo ambito, Ginkgo sta aprendo le porte a un set di dati guidato dalla comunità con diversi componenti definitivi:

• Partecipazione aperta per ricercatori, team farmaceutici e sviluppatori di intelligenza artificiale
• Profili di RNA ad alto rendimento gratuiti per composti presentati
• Accesso proprietario opzionale o permanente per i contributori
• Rilasci di dati mensili plasmati dal voto della comunità
• Opportunità per la condivisione di modelli, la priorità dei composti e lo stato di “super-utente” di primo accesso

Un modello costruito dalla comunità, non un dump di dati

Uno degli aspetti più insoliti di VCPI è la decisione di lanciare prima che il set di dati esista. Invece di caricare una risorsa finita, Ginkgo sta chiedendo alla comunità scientifica di aiutare a determinare quali composti sono più importanti e di collaborare in tempo reale mentre il set di dati cresce.

Questo approccio de-rischia anche la partecipazione. Le biotecnologie in fase iniziale possono presentare composti e ricevere dati farmacologici reali senza bruciare il budget prezioso per la selezione ad alto rendimento. I team di intelligenza artificiale possono assicurarsi che il set di dati rifletta le perturbazioni di cui hanno effettivamente bisogno per l’addestramento del modello. E i laboratori accademici possono contribuire pur restando nella possibilità di una finestra esclusiva di 90 giorni.

La struttura trasforma la generazione di dati in un processo scientifico partecipativo – non in un prodotto statico.

Cosa significa questo per il futuro della bio-intelligenza artificiale

Le implicazioni più ampie di VCPI vanno oltre Ginkgo o qualsiasi singola iniziativa di cellule virtuali. Perché i modelli di cellule virtuali diventino credibili dal punto di vista scientifico, devono essere addestrati su dati che siano riproducibili, specifici del trattamento e ancorati a un riferimento biologico stabile. Senza questa base, l’intelligenza artificiale continuerà a immaginare, a prevedere male o a sovrapporsi agli artefatti.

Iniziative come VCPI segnalano un cambio di direzione nel modo in cui il campo pensa ai dati stessi. La progettazione sperimentale sta diventando altrettanto importante dell’architettura del modello. La riproducibilità sta tornando come requisito centrale piuttosto che come ideale opzionale. E i progetti guidati dalla comunità e dalle infrastrutture aperte stanno iniziando a superare i set di dati proprietari chiusi nella loro capacità di accelerare l’innovazione.

Se le cellule virtuali diventeranno un giorno motori di previsione affidabili – strumenti che aiutano a classificare i composti, a segnalare le tossicità o a illuminare le vie prima che un essere umano tocchi una pipetta – sarà perché progetti come VCPI hanno creato l’ambiente di dati strutturati e affidabili di cui avevano bisogno per crescere.

Facendo della qualità dei dati la priorità rispetto alla semplice quantità, Ginkgo sta ridefinendo le fondamenta della biologia abilitata dall’intelligenza artificiale. VCPI non reagisce solo alla crisi dei dati nella scoperta di farmaci; stabilisce il palco per una nuova era in cui gli esperimenti biologici e le pipeline di addestramento dell’intelligenza artificiale evolvono insieme, apertamente e con uno scopo.