Mi lenne, ha a biológusok bizonyos kísérleteket előbb számítógépen futtathatnának le, és csak a legígéretesebb ötleteket vinnék laborba? Pont ezt a logikát követi az a nagyszabású kezdeményezés, amely egy „virtuális sejt” létrehozását tűzte ki célul.

Mi történt

A Google DeepMind, a Meta és az AI-alapú gyógyszerkutatással foglalkozó Isomorphic Labs összesen 300 millió dollárt fektet egy olyan programba, amely digitális biológiai modellekhez szükséges adatkészleteket épít. A projektet a Biohub vezeti, az a nonprofit kutatószervezet, amelyet Mark Zuckerberg és Priscilla Chan alapított.

A beruházás egy jóval nagyobb, 1,8 milliárd dolláros „Virtual Biology” kezdeményezés része. Ennek célja, hogy a kutatók olyan AI-rendszereket kapjanak, amelyekkel biológiai kérdéseket lehet „digitálisan feltenni, megjósolni és megválaszolni”. Egyszerűbben: a rendszer hosszabb távon úgy működhetne, mint egy rendkívül részletes szimulátor, amely a sejt működését modellezi. A Biohub 2016 óta dolgozik ezen az elképzelésen, és egy nagy pontosságú, előrejelzésre képes sejtmodellt akar létrehozni, amelyen a kutatók virtuális kísérleteket futtathatnak.

A kezdeményezés mögött nemcsak technológiai cégek állnak. Az amerikai energiaügyi minisztérium öt év alatt több mint 500 millió dollárral támogatja a munkát, míg a National Institutes of Health korábbi, összesen 500 millió dollárt meghaladó szövetségi befektetésekből származó adatkészleteket, adattárakat és tudásbázisokat tesz elérhetővé.

Miért fontos

Ez azért érdekes, mert az AI egészségügyi alkalmazásainál gyakran nem maga a modell a legnagyobb szűk keresztmetszet, hanem a jó minőségű, összekapcsolható biológiai adat. Egy „virtuális sejt” nem azt jelenti, hogy a számítógép tényleg életet hoz létre, hanem inkább egy olyan prediktív modellt, amely megpróbálja előre jelezni, mi történik egy sejtben bizonyos változtatások, gyógyszerjelöltek vagy betegségi folyamatok hatására. Gondolj rá úgy, mint egy digitális szélcsatornára a biológiában: mielőtt valamit a valóságban tesztelnél, előbb megnézed, hogyan viselkedhet a modellben. Ha ez működik, gyorsabbá és olcsóbbá teheti a korai kutatást, bár a laboratóriumi és klinikai ellenőrzést nyilván nem váltja ki.

Mire figyelj

  1. Az első nagy kérdés az adatok minősége lesz. Egy ilyen rendszer csak annyira jó, amennyire pontosak, szabványosak és összevethetők a betáplált biológiai adatok.
  1. Fontos lesz látni, mennyire nyitott eredmények születnek. Mivel nonprofit, állami és vállalati szereplők együtt dolgoznak, nem mindegy, hogy a kutatói közösség mennyit fér majd hozzá az elkészült modellekhez és adatkészletekhez.
  1. A valódi mérce nem a hangzatos ígéret, hanem az lesz, hogy a rendszer tud-e hasznos, kísérletben is igazolható előrejelzéseket adni. Ebben a The Verge által is idézett elképzelés lényege az, hogy a digitális biológia ne látványos demó, hanem gyakorlati kutatási eszköz legyen.