진코 데이타포인트스, VCPI 발표: AI 약물 발견의 데이터 문제를 해결하기 위한 대담한 계획

수년 동안, 약물 발견을 위한 AI는 단순하지만 속임수가 있는 문제로 인해 제약되었습니다. 데이터가 충분히 좋지 않습니다. 시퀀싱, 풀드 퍼터베이션 연구, 혼합 세포 실험 등은 진행 중인 것처럼 보였지만 실제적인 돌파구를 제공하지 못했습니다. 예측 가능한 도약이 기대되었지만 실제로는 노이즈가 발생했습니다. 재현성이 아니라漂移이 발생했습니다. 또한 가상 세포 모델을 훈련하기 위해 필요한 정밀한 약리학적 측정이 아닌 규모를优先하는 데이터셋이 생성되었습니다.

이러한 환경에서 진코 데이타포인트스는 가상 세포 약리학 이니셔티브 (VCPI)를 출시했습니다. 이는 단순히 더 많은 데이터를 제공하는 것이 아니라, AI 모델이 실제 생물학적 시스템을 예측하는 데 필요한 더 나은 데이터를 제공하는 프로젝트입니다. 회사의 공식 발표에 따르면, VCPI는 12억 개의 데이터 포인트를 생성하고 10만 개의 화합물을 프로파일링하여 가상 세포 모델링을 위한 첫 번째 표준화된 약리학 데이터셋을 구축할 것입니다.

왜 “더 많은 데이터”가 실패했는지

VCPI를 소개하는 블로그 게시물에서, 진코는 분야의 잘못된 방향을 완벽하게 담은 비유를 사용합니다. 마우스를 넣은 약을 투여한 후 어떤 마우스가 어떤 약을 먹었는지 알아내는 것처럼 상상해 보세요. 이제 이를 1백만 마리의 마우스로 확대합니다. 이것이 풀드 싱글 세포 약리학 실험의 핵심적인 결함입니다. 데이터의 양은 ấn tượng을 주지만, 실험 설계는 데이터의 чист한 귀속을 방해합니다.

문제는 기술이 아니라 실험 설계입니다. 더 큰 데이터셋이 모델을 더 잘 가르친다는 가정은 거짓으로 판명되었습니다. 블로그는 이 사고방식을 “데이터 중독”이라고 부르며, 잘 구조화된、高信號 입력 없이면, 심지어 가장 先進的な AI도 잘못된 패턴을 학습할 것이라고 주장합니다.

VCPI는 이러한 논리에서 벗어난 것입니다. 규모를 우대하는 대신, 생물학적 추적 가능성, 실험의 엄격성, 및 AI가 실제로 약리학을 학습할 수 있는 제어된 구조에 중점을 두고 있습니다.

VCPI가 데이터 파이프라인을 재건하는 방법

진코는 풀드 싱글 세포 어세이를 사용하는 대신, DRUG-seq를 사용합니다. 이는 고처리량 벌크 RNA 시퀀싱 방법으로, 각 화합물은 분리된 바코드가 있는 우엘에서 처리됩니다. 이를 통해 진코는 풀드 설계보다 훨씬 깨끗한 신호 대 노이즈 비율로 치료 특이적 반응을 측정할 수 있습니다. 프레스 릴리즈에 따르면, 회사의 자동화 인프라는 주당 100개의 풀 384웰 플레이트를 실행할 수 있으며, 산업 규모에서 수백만 개의 높은 신뢰성 RNA 측정을 생성할 수 있습니다.

同じく 중요하게, V-Ref293라는 새로운 표준화된 참조 세포 라인이 도입됩니다. 각 연구실이 자신의 돌연변이된,漂移된 세포 라인을 실행하는 대신, VCPI는 보편적인 생물학적 기준선을 생성합니다. 즉, 가상 세포의 “유기적 쌍둥이”입니다. 이는 약리학적 연구에서 오래된 비재현성의 원인을 제거하고, AI 모델이 절실히 필요한 안정적인 기준을 제공합니다.

이 이니셔티브에서, 진코는 다음과 같은 여러 가지 정의 요소를 갖춘 커뮤니티 주도형 데이터셋을 개방합니다:

• 연구자, 제약 팀, AI 개발자의 공개 참여
• 제출된 화합물에 대한 무료 고처리량 RNA 프로파일링
• 기여者的 선택적 임시 또는 영구적인 독점적 접근
• 커뮤니티 투표에 따라 매월 데이터 릴리스
• 모델 공유, 화합물 우선순위 지정, 및 초기 접근 “슈퍼 유저” 지위의 기회

데이터 덤프가 아닌 커뮤니티 빌드 모델

VCPI의 가장 특이한 측면 중 하나는 데이터셋이 존재하기 전에 출시된 것입니다. 완성된 자원을 업로드하는 대신, 진코는 과학 커뮤니티에 가장 중요한 화합물을 결정하고 데이터셋이 성장함에 따라 실시간으로 협력하도록 요청합니다.

이 접근 방식은 또한 참여를 위험에서 해방시킵니다. 초기 생물 기술 회사들은 예산을 소모하지 않고 실제 약리학 데이터를 받을 수 있습니다. AI 팀은 데이터셋이 모델 훈련에 필요한 변화를 반영하도록 할 수 있습니다. 또한 학술 연구실은 기여하면서 90일간의 독점적 창을 유지할 수 있습니다.

이 구조는 데이터 생성을 정적 제품이 아닌 참여적인 과학적 과정으로 변환합니다.

바이오 AI의 미래를 위한 의미

VCPI의 더广泛한 의미는 진코나 단일 가상 세포 이니셔티브를 넘어섭니다. 가상 세포 모델이 과학적으로 신뢰할 수 있으려면, 재현 가능하고 치료 특이적이며 안정적인 생물학적 기준선에 기반한 데이터에서 훈련되어야 합니다. 이러한 기초 없이, AI는 계속해서 환각, 잘못된 예측, 또는 아티팩트에 과적합할 것입니다.

VCPI와 같은 이니셔티브는 분야가 데이터 자체에 대해 어떻게 생각하는지에 대한 변화를 나타냅니다. 실험 설계는 모델 아키텍처와同じ 중요성을 갖습니다. 재현성은 선택적 이상이 아닌 필수적인 요구 사항으로 돌아옵니다. 또한 커뮤니티 주도형, 공개 인프라 프로젝트는 폐쇄적인 사유 데이터셋보다 혁신을 가속화하는 능력에서 앞서고 있습니다.

가상 세포가 결국 신뢰할 수 있는 예측 엔진이 되어, 화합물을 순위 매기거나, 독성을 표시하거나, 인간이 피펫을 만지기 전에 경로를 조명하는 데 도움이 되면, 이는 VCPI와 같은 프로젝트가 필요한 구조화된, 신뢰할 수 있는 데이터 환경을 생성했기 때문입니다.

진코는 더 나은 데이터를 단순히 더 많은 데이터보다 우선시함으로써, AI를 사용한 생물학의 기초를 재정의하고 있습니다. VCPI는 약물 발견의 데이터 위기를 단순히 반응하는 것이 아니라, 생물학적 실험과 AI 훈련 파이프라인이 공개적으로, 그리고 목적을 갖고 함께 진화하는 새로운 시대를 준비합니다.