AI-modeller og plattformer

Microsoft Research lanserer Quine, en multimodal verdensmodell for biologi

mm
Legg til Unite.AI blant dine foretrukne kilder på Google

Microsoft Research introduserte den 29. september 2026 Quine, et forskningsprosjekt bygget rundt en multimodal verdensmodell for biologi og et interaktivt grensesnitt som knytter modellen til orkestrerings- og resonneringsmodeller, vitenskapelige verktøy, forskningslitteraturen, våtlaboratoriet og teamene av forskere som bruker dem.

Med kunngjøringen åpnet Microsoft søknader for den første Quine Fellows‑kohorten og rapporterte at, i samarbeid med forskere ved Broad Institute of MIT and Harvard, har de brukt systemet til å rangere forbindelser som er forutsagt å gi terapeutiske skift i tumorcelletilstand, med flere topprangerte kandidater validert i flere våtlaboratorie‑tester.

Kunngjøringen er skrevet av Nicolo Fusi, visepresident og fremtredende forsker, og Jonathan M. Carlson, visepresident.

En verdensmodell bygget på tvers av biologiske skalaer

Microsoft definerer verdensmodellen de forfølger som en som representerer tilstanden til et biologisk system, forutsier hvordan den tilstanden vil endre seg under en intervensjon, og resonnerer gjennom de påfølgende konsekvensene flere trinn fremover. Selskapet sier at et slikt system ikke vil erstatte eksperimentering; i stedet vil det la forskere vurdere og rangere kandidatretninger datamessig før de forplikter begrensede laboratorieressurser.

Quines kjerne-modell er trent til å lære representasjoner som deles på tvers av biologiske skalaer og datatyper, blant dem sekvens, struktur, funksjon, cellulær tilstand og avbildning. Treningsmodalitetene spenner over genomikk, proteiner, kjemi, RNA og cellulær tilstand, samt bioavbildning. Microsoft rapporterer at felles trening på tvers av disse modalitetene styrker snarere enn svekker ytelsen: bevis fra én modalitet kan informere prediksjoner i en annen, og fanger opp relasjoner som selskapet sier kan forbli i siloer eller gå tapt hvis separate enkelt‑domene‑spesialmodeller ble orkestrert i stedet.

I Microsofts beskrivelse kjører systemet som en syklus som starter og slutter med forskeren: et spørsmål gir forslag, forslagene blir til eksperimenter som er verdt å gjennomføre, og de resulterende målingene finjusterer både neste spørsmål og modellen selv. Modellen trenger ikke være perfekt, sier selskapet, og legger til at den aldri vil fange biologi fullstendig; den trenger bare å veilede eksperimentell design på en nyttig måte.

Den Quine-prosjektsiden beskriver tre komponenter utviklet parallelt: selve modellen, bygget for å knytte sammen bevis på tvers av proteiner, celler, vev og genomer; et verktøylag ment å hjelpe forskere med å dele opp spørsmål i trinn, anvende modeller og vitenskapelige verktøy, vurdere bevis og revidere planer; og et forskningsprogram hvor Microsoft‑forskere, stipendiater, samarbeidspartnere og eksperimentelle partnere tester systemet mot reelle biologiske spørsmål. Siden daterer forskningslinjene som mate Quine mellom 2021 og 2026, og dekker proteiner, det regulatoriske genomet, tumorens mikro‑miljø, vevs‑patologi, mikroskopi og biologiske data.

Microsoft Research sier at de har brukt mer enn to tiår på å arbeide der beregning møter biologi, innen immunologi, virologi, genomikk, biomedisinsk avbildning, cellebiologi og protein‑ingeniørkunst, og at Quine har blitt sentral i hvordan teamene deres forfølger oppdagelser innen områder som kreftbiologi, protein‑ingeniørkunst, genomikk og bioavbildning.

Våt‑labvalidering i bukspyttkjertelkreft

Kunngjøringen forankrer systemet i et spesifikt tilfelle: pankreatisk ductal adenokarsinom (PDAC), som Microsoft beskriver som den vanligste formen for bukspyttkjertelkreft og en av de vanskeligste å behandle. Sammen med forskere ved Broad Institute har selskapet utviklet og anvendt pasient‑avledede ex‑vivo‑modeller i flere år for å teste en langvarig hypotese: at hvordan en svulst oppfører seg og responderer på legemidler avhenger av dens transkripsjonelle celletilstand så vel som dens genetikk. PDAC‑tumorceller kan befinne seg i ulike cellulære tilstander knyttet til behandlingsrespons.

Dette samarbeidet er en del av Project Ex Vivo, en felles kreftforskningsinnsats mellom Microsoft og Broad Institute med støtte fra Dana‑Farber Cancer Institute, med mål om å definere, konstruere og målrette celletilstander i kreft. Det innledende PDAC‑arbeidet undersøkte den terapeutiske betydningen av celletilstand og dens mikro‑miljødrivere.

Microsoft rapporterer at de bruker Quine til å vurdere og rangere tusenvis av forbindelser for deres potensial til å flytte tumorceller mellom tilstander som er relevante for terapi. I våtlaboratorie‑studier sentrert rundt overgangen fra klassiske til basale celletilstander, sier selskapet, flyttet de forbindelsene som Quine rangerte høyest cellene lengst i den tiltenkte retningen i testene, og flere av de sterkeste effektene involverte forbindelser med uventede virkningsmekanismer, resultater som Microsoft beskriver som et tidlig tegn på at KI kan avdekke muligheter for ombruk og oppdagelse av legemidler.

Prosessen, fra å begrense søkeområdet for forbindelser til å velge en kort liste med kandidater for laboratorievalidering, tok kun ett enkelt helg, sier Microsoft, et tempo de beskriver som potensielt kan spare måneder med eksperimentelt arbeid og betydelige forskningskostnader.

Den omvendte forskyvningen, fra basal tilbake til klassisk, viste seg å være vanskeligere, et resultat selskapet sier samsvarer med Quines prediksjon om at tilgjengelige forbindelser ville gi svakere effekter i den retningen. Eksperimentene bekreftet også en separat Quine‑prediksjon om at flere forbindelser gjentatte ganger ville skyve celler mot en distinkt tredje fenotype, noe Microsoft sier tyder på at landskapet av pankreascelle‑tilstander er mer komplekst enn en enkel klassisk‑basal akse. Neste steg i dette arbeidet inkluderer å integrere nye RNA‑datasett og oppgaver, skjerpe prediksjoner av tilstandsoverganger, og legge til kalibrerte konfidensestimater slik at forskere kan rangere de sterkeste hypotesene for eksperimentell testing i vått laboratorium.

Vilkår for stipendprogram, sikkerhetstiltak og trinnvis tilgang

Microsoft oppgir at Quine er eksperimentell forskningsteknologi, kun ment for forskning og ikke for klinisk eller medisinsk bruk, og at dens resultater kan være ufullstendige eller unøyaktige, og krever gjennomgang av kvalifiserte forskere samt validering gjennom passende vitenskapelig og eksperimentelt arbeid. Tilgangen rulles ut under det selskapet kaller en bevisst, trinnvis tilnærming: den første tilgjengeligheten er begrenset til Quine Fellows‑programmet og utvalgte forskningssamarbeid, med pågående intern gjennomgang og innebygde sikkerhetstiltak. Microsoft sier at de forventer å utvide tilgangen senere gjennom produkter som Microsoft Discovery etter hvert som teknologien modnes.

Stipendet varer i 16 uker, inkluderer økonomisk støtte, og er arrangert av Microsoft Research i Cambridge, Massachusetts. Det er åpent for doktorgradsstudenter, postdoktorer, forskningsvitenskapsmenn og akademiske eller uavhengige forskere. Deltakerne vil arbeide sammen med Microsoft‑forskere med tilgang til Quine og databehandlingsressurser, og noen prosjekter kan også motta eksperimentell støtte. Oppgitte interesseområder inkluderer protein‑design og -ingeniørkunst; enzymdesign, -oppdagelse og -optimalisering; genetisk og kjemisk påvirkning av celletilstand; tidligfase terapeutisk forskning innen underfinansierte sykdomsområder, inkludert hypotese‑ og forbindelsesprioritering; samt beslektede problemstillinger hvor raskere iterasjon mellom design og eksperiment kan endre resultatet.

Stipendets side advarer om at søknad verken garanterer utvelgelse eller tilgang, og at deltakelse og støtte avhenger av berettigelse, utvelgelse, kapasitet og skriftlige stipendvilkår. Søknader til den første kohorten åpnet 29. september 2026 og var åpne til 2. november 2026; selve stipendet er planlagt fra 7. juni 2027 til 24. september 2027.

Aria Bloom er en AI-generert journalist som utforsker hvordan kunstig intelligens forandrer bioteknologi og genomforskning. Skrivingen hennes kombinerer presisjon med en dyp nysgjerrighet for fremtiden innen livsvitenskap.

Fra syntetisk biologi til persontilpasset medisin analyserer Aria hvordan maskinlæring akselererer innovasjon innen menneskers helse.

Artikler skrevet av Aria Bloom er AI-genererte og gjennomgås av Unite.AI sitt redaksjonsteam for nøyaktighet og overholdelse.