AI-modellen en platforms

Microsoft Research introduceert Quine, een multimodaal wereldmodel voor biologie

mm
Voeg Unite.AI toe aan je voorkeursbronnen op Google

Microsoft Research op 29 september 2026 introduceerde Quine, een onderzoeksinitiatief gebouwd rond een multimodaal wereldmodel voor biologie en een interactieve interface die het model verbindt met orkestratie‑ en redeneermodellen, wetenschappelijke tools, de onderzoeksliteratuur, het natte laboratorium en de teams van wetenschappers die ze gebruiken.

Met de aankondiging opende Microsoft de sollicitaties voor de eerste Quine Fellows‑cohort en meldde dat het, in samenwerking met onderzoekers van het Broad Institute of MIT and Harvard, het systeem heeft gebruikt om verbindingen te rangschikken die naar verwachting therapeutische verschuivingen in de tumorcellenstatus veroorzaken, waarbij verschillende topgerangschikte kandidaten werden gevalideerd in meerdere natte‑lab‑tests.

De aankondiging is opgesteld door Nicolo Fusi, vice‑president en vooraanstaand wetenschapper, en Jonathan M. Carlson, vice‑president.

Een wereldmodel opgebouwd over biologische schalen

Microsoft definieert het wereldmodel dat het nastreeft als een model dat de toestand van een biologisch systeem weergeeft, voorspelt hoe die toestand zou veranderen onder een interventie, en de downstream‑gevolgen enkele stappen vooruit redeneren. Het bedrijf stelt dat zo’n systeem experimenten niet zal vervangen; in plaats daarvan stelt het onderzoekers in staat om kandidaat‑richtingen computationeel te wegen en te rangschikken voordat ze beperkte laboratoriummiddelen inzetten.

De kern van Quine wordt getraind om representaties te leren die gedeeld worden over biologische schalen en datatypes, waaronder sequentie, structuur, functie, cellulair‑status en beeldvorming. De trainingsmodaliteiten bestrijken genomica, eiwitten, chemie, RNA en cellulair‑status, en bio‑beeldvorming. Microsoft meldt dat gezamenlijke training over deze modaliteiten de prestaties versterkt in plaats van verwatert: bewijs uit de ene modaliteit kan voorspellingen in een andere informeren, waardoor relaties worden vastgelegd die, volgens het bedrijf, geïsoleerd kunnen blijven of verloren gaan als afzonderlijke, op één domein gerichte specialistische modellen in plaats daarvan worden georkestreerd.

Volgens de beschrijving van Microsoft werkt het systeem als een cyclus die begint en eindigt bij de wetenschapper: een vraag levert voorstellen op, voorstellen worden omgezet in experimenten die de moeite waard zijn, en de resulterende metingen verfijnen zowel de volgende vraag als het model zelf. Het model hoeft niet perfect te zijn, aldus het bedrijf, en voegt daaraan toe dat het nooit de biologie volledig zal kunnen weergeven; het hoeft alleen de experimentele opzet nuttig te begeleiden.

De projectpagina van Quine beschrijft drie componenten die gelijktijdig zijn ontwikkeld: het model zelf, gebouwd om bewijs te verbinden over eiwitten, cellen, weefsels en genomen; een tool‑laag bedoeld om onderzoekers te helpen vragen op te delen in stappen, modellen en wetenschappelijke tools toe te passen, bewijs af te wegen en plannen te herzien; en een onderzoeksprogramma waarin Microsoft‑wetenschappers, fellows, samenwerkingspartners en experimentele partners het systeem testen tegen echte biologische vraagstukken. De pagina dateert de onderzoekslijnen die van 2021 tot 2026 in Quine zijn gevoed, en omvatten eiwitten, het regulerende genoom, de tumor‑micro‑omgeving, weefselpathologie, microscopie en biologische data.

Microsoft Research zegt dat het meer dan twee decennia heeft besteed aan werk waar berekening biologie ontmoet, op het gebied van immunologie, virologie, genomica, biomedische beeldvorming, celbiologie en eiwit‑engineering, en dat Quine centraal is geworden in de manier waarop haar teams ontdekkingen nastreven op gebieden zoals kankerbiologie, eiwit‑engineering, genomica en bio‑beeldvorming.

Natte‑lab‑validatie in alvleesklierkanker

De aankondiging plaatst het systeem in een specifiek geval: pancreataal ductaal adenocarcinoom (PDAC), dat Microsoft beschrijft als de meest voorkomende vorm van alvleesklierkanker en een van de moeilijkst te behandelen. Samen met onderzoekers van het Broad Institute heeft het bedrijf gedurende jaren patiënt‑afgeleide ex‑vivo‑modellen ontwikkeld en toegepast om een langdurige hypothese te testen: dat de manier waarop een tumor zich gedraagt en reageert op geneesmiddelen afhangt van zijn transcriptie‑cellulaire status evenals van zijn genetica. PDAC‑tumorcellen kunnen zich bevinden in verschillende cellulair‑toestanden die gekoppeld zijn aan de behandelingsrespons.

Die samenwerking maakt deel uit van Project Ex Vivo, een gezamenlijk kankeronderzoeksproject tussen Microsoft en het Broad Institute met steun van het Dana‑Farber Cancer Institute, gericht op het definiëren, ontwerpen en targeten van cellulaire toestanden in kanker. Het initiële PDAC‑werk onderzocht de therapeutische betekenis van cellulaire status en de drijvende krachten in de micro‑omgeving.

Microsoft meldt dat het Quine heeft gebruikt om duizenden verbindingen te scoren en rangschikken op hun potentieel om tumorcellen te verplaatsen tussen therapiegerelateerde toestanden. In natte‑lab‑studies gericht op de verschuiving van klassieke naar basale cellulaire toestanden, zegt het bedrijf, verplaatsten de door Quine hoogst gerangschikte verbindingen de cellen het verst in de gewenste richting over de assays, en omvatten verschillende van de sterkste effecten verbindingen met onverwachte werkingsmechanismen, resultaten die Microsoft beschrijft als een vroeg teken dat AI kansen kan blootleggen voor herpositionering en ontdekking van geneesmiddelen.

Het proces, van het verkleinen van de zoekruimte voor verbindingen tot het selecteren van een korte lijst kandidaten voor laboratoriumvalidatie, duurde volgens Microsoft één enkel weekend, een tempo dat zij beschrijven als potentieel maanden experimenteel werk en aanzienlijke onderzoeks­kosten besparend.

De omgekeerde verschuiving, van basaal terug naar klassiek, bleek moeilijker, een uitkomst die het bedrijf zegt overeen te komen met Quine’s voorspelling dat beschikbare verbindingen zwakkere effecten in die richting zouden produceren. De experimenten bevestigden ook een aparte Quine‑voorspelling dat verschillende verbindingen herhaaldelijk cellen naar een duidelijk derde fenotype zouden duwen, wat Microsoft aangeeft dat het celtoestandlandschap van alvleesklierkanker complexer is dan een eenvoudige klassiek-basaal as. De volgende stappen in dat werk omvatten het integreren van nieuwe RNA‑datasets en -taken, het verfijnen van voorspellingen van toestandsovergangen, en het toevoegen van gekalibreerde betrouwbaarheidsinschattingen zodat wetenschappers de sterkste hypothesen voor nat‑lab‑testen kunnen rangschikken.

Fellowshipvoorwaarden, waarborgen en gefaseerde toegang

Microsoft stelt dat Quine experimentele onderzoekstechnologie is, uitsluitend bedoeld voor onderzoek en niet voor klinisch of medisch gebruik, en dat de output onvolledig of onnauwkeurig kan zijn, waardoor beoordeling door gekwalificeerde onderzoekers en validatie via passend wetenschappelijk en experimenteel werk vereist is. Toegang wordt uitgerold volgens wat het bedrijf een bewuste, gefaseerde aanpak noemt: de initiële beschikbaarheid is beperkt tot het Quine Fellows‑programma en geselecteerde onderzoeks‑samenwerkingen, met voortdurende interne beoordeling en ingebouwde waarborgen. Microsoft zegt dat het later de toegang wil uitbreiden via producten zoals Microsoft Discovery naarmate de technologie volwassen wordt.

De fellowship duurt 16 weken, omvat financiële ondersteuning en wordt georganiseerd door Microsoft Research in Cambridge, Massachusetts. Ze staat open voor PhD‑kandidaten, postdocs, onderzoekswetenschappers en academische of onafhankelijke onderzoekers. Deelnemers werken samen met Microsoft‑onderzoekers met toegang tot Quine en rekenresources, en sommige projecten kunnen ook experimentele ondersteuning ontvangen. Vermelde interessegebieden omvatten eiwitontwerp en -engineering; enzymontwerp, -ontdekking en -optimalisatie; genetische en chemische perturbatie van celtoestand; vroegfase therapeutisch onderzoek in onderbedeelde ziektegebieden, inclusief hypothese‑ en verbindingprioritering; en aangrenzende problemen waarbij snellere iteratie tussen ontwerp en experiment het resultaat kan veranderen.

De fellowship‑pagina waarschuwt dat het toepassen van garanties noch selectie noch toegang biedt, en dat deelname en ondersteuning afhankelijk zijn van geschiktheid, selectie, capaciteit en de schriftelijke fellowship‑voorwaarden. Aanmeldingen voor de eerste cohort openden op 29 september 2026 en lopen tot 2 november 2026; de fellowship zelf staat gepland van 7 juni 2027 tot en met 24 september 2027.

Aria Bloom is een AI‑gegenereerde journalist die onderzoekt hoe kunstmatige intelligentie de biotechnologie en genomisch onderzoek transformeert. Haar schrijven combineert precisie met een diepe nieuwsgierigheid naar de toekomst van de levenswetenschappen.

Van synthetische biologie tot gepersonaliseerde geneeskunde analyseert Aria hoe machine learning de innovatie op het gebied van de menselijke gezondheid versnelt.

Artikelen geschreven door Aria Bloom zijn AI‑gegenereerd en worden door het redactionele team van Unite.AI beoordeeld op nauwkeurigheid en naleving.