Ginkgo Datapoints представляє VCPI: сміливий план для вирішення проблеми даних у відкритті ліків за допомогою штучного інтелекту

Тривалий час штучний інтелект у відкритті ліків гальмувався через досить просту проблему: дані не достатньо добрі. Гори секвенування, пулів пертурбаційних досліджень та тих змішаних експериментів з клітинами створювали враження прогресу без реальних проривів., але передбачувальний стрибок, який очікували розробники ліків, ніколи не матеріалізувався. Замість ясності галузь виробила шум. Замість репродуктивності вона виробила дрейф. І замість точних, фармакологічно-специфічних вимірювань, необхідних для навчання надійних віртуальних моделей клітин, вона виробила набори даних, оптимізовані більше для масштабу, ніж для наукової цілісності.

Це середовище, у якому Ginkgo Datapoints запускає Virtual Cell Pharmacology Initiative (VCPI)—проект, який не просто обіцяє більше даних, а має на меті доставити кращі дані, спеціально створені для моделей штучного інтелекту, які намагаються передбачити, як реальні молекули ліків впливають на реальні біологічні системи. Офіційне оголошення компанії підкреслює, що VCPI генеруватиме понад 12 мільярдів даних і профіль 100 000 сполук, створюючи перший стандартизований набір даних фармакології для віртуальної моделі клітин.

Чому “більше даних” не спрацювало

У блог-пості, який представляє VCPI, Ginkgo використовує аналогію, яка ідеально відображає неправильний напрямок галузі. Припустимо, ви кинули горсть таблеток у клітку з мишами, а потім спробували визначити, яка миша з’їла яку таблетку. Тепер масштабуйте це до мільйона мишей в одній гігантській клітці. Це основний дефект пулів пертурбаційних експериментів з однією клітиною. Вони генерують вражаючі кількості даних, але основний дизайн запобігає чистій атрибуції між сполукою та фенотипом.

Проблема не в технології; це експериментальна архітектура. Припущення, що більші набори даних самі по собі вчать кращі моделі, виявилося хибним. Блог прямо називає цю думку “залежністю від даних”, стверджуючи, що без добре структурованих, високосигнальних входів навіть найрозвітковіший штучний інтелект вивчить неправильні закономірності.

VCPI представляє різкий відхід від цієї логіки. Замість того, щоб славити розмір, він ставить у центр біологічну слідовість, експериментальну суворість і контрольовану структуру, необхідну для того, щоб штучний інтелект міг дійсно вивчити фармакологію.

Як VCPI перебудовує трубопровід даних

Натомість ніж покладатися на пулів пертурбаційних експериментів з однією клітиною, VCPI використовує DRUG-seq, високопродуктивний метод секвенування РНК у масі, при якому кожна сполука обробляється в ізольованій баркодованій сверлі. Це дозволяє Ginkgo вимірювати реакції на лікування з набагато чистішим сигналом до шуму, ніж пропонують пулів дизайни. За прес-релізом, інфраструктура автоматизації компанії може виконувати понад 100 повних 384-х сверель на тиждень, генеруючи мільйони високої точності вимірювань РНК на промисловому рівні.

Не менш важливим є введення V-Ref293, нового інженерного стандартизованого лінії клітин-референс. Замість того, щоб кожна лабораторія запускала свою власну мутовану, дрейфовану версію тієї ж лінії клітин, VCPI створює універсальну біологічну базу—”органічну двійника” до нового класу віртуальних клітин. Це усуває один із давніх джерел нерепродуктивності у фармакогеноміці та надає стабільну істину, яку моделі штучного інтелекту так відчайдушно потребують.

У рамках цієї ініціативи Ginkgo відкриває двері до спільноти, створеної набору даних з кількома визначальними компонентами:

• Відкрита участь для дослідників, фармацевтичних команд та розробників штучного інтелекту
• Безкоштовне високопродуктивне профільування РНК для поданих сполук
• Необов’язковий ембарго або постійний пропрієтарний доступ для учасників
• Щомісячні випуски даних, сформовані голосуванням спільноти
• Можливості для обміну моделями, пріоритезації сполук та раннього доступу до “супер-користувача”

Спільнота, створена моделлю, а не сховищем даних

Одним із найнезвичайніших аспектів VCPI є рішення про запуск до існування набору даних. Замість завантаження готового ресурсу Ginkgo просить наукову спільноту допомогти визначити, які сполуки мають найбільше значення, та співпрацювати в реальному часі, коли набір даних зростає.

Цей підхід також зменшує ризики участі. Ранні біотехнологічні компанії можуть подавати сполуки та отримувати реальні фармакологічні дані без витрат драгоценного бюджету на високопродуктивне скринінг. Команди штучного інтелекту можуть забезпечити, щоб набір даних відображав пертурбації, які їм фактично потрібні для навчання моделей. І академічні лабораторії можуть співпрацювати, зберігаючи при цьому можливість 90-денного ексклюзивного вікна.

Структура перетворює генерацію даних у спільноту наукового процесу—не статичний продукт.

Що це означає для майбутнього біо-штучного інтелекту

Ширші наслідки VCPI виходять за межі Ginkgo чи будь-якої окремої ініціативи віртуальної клітини. Для віртуальних моделей клітин вони повинні бути навчені на даних, які є репродуктивними, специфічними для лікування та закріплені за стабільною біологічною референцією. Без цієї основи штучний інтелект продовжуватиме галюцинувати, неправильно передбачати або надмірно підлаштовуватися до артефактів.

Ініціативи, такі як VCPI, сигналізують про зміну у способі мислення галузі про дані самі по собі. Експериментальний дизайн стає таким же важливим, як і архітектура моделі. Репродуктивність повертається як центральний вимір, а не опціональний ідеал. І спільнота, створена відкритими інфраструктурними проектами, починає обганяти закриті пропрієтарні набори даних у їхній здатності прискорювати інновації.

Якщо віртуальні клітини колись стають надійними передбачувальними двигунами—інструментами, які допомагають ранжувати сполуки, сигналізувати про токсичність або освітлювати шляхи до того, як людина торкнеться піпету,—це буде тому, що проекти, такі як VCPI, створили структуроване, довірене середовище даних, яке їм потрібно для зростання.

Приоритизуючи кращі дані над просто більшими даними, Ginkgo переформатовує основи біології, підтримуваної штучним інтелектом. VCPI не просто реагує на кризу даних у відкритті ліків; це створює сцену для нової ери, в якій біологічні експерименти та трубопроводи навчання штучного інтелекту еволюціонують разом, відкрито та з метою.