Mark Zuckerberg Biohubja együttműködik a Google DeepMinddal, az Isomorphic Labs-szel, a Meta-val, valamint az amerikai szövetségi kormányzat intézményeivel és több tudományos szervezettel annak érdekében, hogy mesterséges intelligencia segítségével nagy mennyiségű, szabványosított biológiai adatot állítsanak elő és használjanak fel. A program célja egy olyan általános modell és adatbázis kialakítása, amely képes előre jelezni, hogyan viselkedik egy sejt különböző körülmények között — amit a Biohub „univerzális virtuális sejtnek” nevez.
Miért fontos ez?
A projekt végső célja, hogy a kutatók virtuálisan kipróbálhassák potenciális kísérleteket, és így csak a legígéretesebb, legértékesebb kísérleteket végezzék el a laborban, spórolva időt és pénzt. Bár az AI már jól ért bizonyos biológiai komponensekhez, például fehérjékhez, egy egész élő sejt modellezése sokkal összetettebb feladat, és a szükséges empirikus adatok jelenleg nem állnak rendelkezésre elegendő mennyiségben.
Hogyan működik a kezdeményezés?
A program első szakasza egy széleskörű sejtbiológiai térkép összeállítása lesz: különféle adatokat gyűjtenek a sejtek állapotáról és reakcióiról változó körülmények között. A későbbi fázisokban a tervek szerint olyan modelleket fejlesztenének, amelyek egyéni betegségek molekuláris okait képesek feltárni és a legjobb beavatkozási lehetőségeket előre jelezni.
Finanszírozás és hozzáférés
A kezdeményezés körülbelül 1,8 milliárd dollár értékű támogatásból, adatokból, számítási kapacitásból és mérési technológiából áll össze. A tervek szerint a Department of Energy több mint 500 millió dollárt fektet be öt év alatt biológiai mérésekbe, modellezésbe és számítási erőforrásokba, míg a National Institutes of Health több mint 500 millió dollár értékű korábbi szövetségi befektetésből származó adatokat és erőforrásokat biztosít. Google DeepMind, Isomorphic Labs és Meta együttesen további körülbelül 300 millió dollárt adnak hozzá, és a Biohub korábban 500 millió dollárral járult hozzá a kezdeményezéshez.
A projekt keretében a kereskedelmi partnerek egy évre kizárólagos hozzáférést kapnak az általuk fejlesztett adatokhoz, mielőtt azok nyilvánosan hozzáférhetővé válnának. Alex Rives, a Biohub tudományos vezetője szerint ez a rövid, egyéves „embargó” ösztönzőt ad a vállalatoknak a pénzügyi hozzájárulásra, miközben biztosítja, hogy a létrejövő adathalmaz végül nyílt tudományos erőforrás legyen.
Tudományos jelentőség és kihívások
Alex Rives rámutatott: az AI fejlődése eddig jobb algoritmusokból, több számítási kapacitásból és hatalmas adatmennyiségekből táplálkozott. A biológia speciális nehézsége, hogy sok szükséges empirikus adat még nem létezik, azt a fizikai világból kell gondosan megmérni. Rives ezt „empirikus AI”-ként írta le: olyan modellekre van szükség, amelyek a biológiai bizonyítékokból tanulnak és pontosan képesek előre jelezni a valós fizikai következményeket. Szerinte ez egy új tudományos paradigma kezdete, amely a számítási és a digitális világot köti össze a biológia valós fizikai világával.
A fejlesztések sikeres alkalmazása lehetővé tenné alapkutatási kérdések, például az öregedés vagy a regeneráció mechanizmusainak, valamint klinikai kérdések, például az Alzheimer-kór mögötti molekuláris mechanizmusok feltárását.
Mikorra várható eredmény?
Rives szerint nem kell túl sokáig várni: az első nagyszabású, egységesített adatkészlet megszerzése után körülbelül egy éven belül képesek lehetnek modelleket betanítani, lemérni azok képességeit és meghatározni, hogy mely további biológiai adatok javítják a modelleket. Véleménye szerint a skálázódás, amely más AI-területeken működött, biológiában is érvényesülhet, amint elegendő és megfelelő típusú adat áll rendelkezésre.
Összegzés
A Biohub vezette kezdeményezés széleskörű kooperációt hoz össze techcégekkel és szövetségi kutatóintézetekkel, hogy a biológiai adatgyűjtést és standardizálást kombinálva AI-alapú, valósághű celluláris modelleket hozzon létre. A projekt anyagi és technikai háttere súlyos összegű, és bár a kihívás jelentős — főleg az empirikus adatok megszerzése miatt — a kezdeményezők szerint viszonylag rövid időn belül mérhető eredmények várhatók.
