Mi lenne, ha a biológiai kutatók nem csak megfigyelnék a sejteket, hanem „előre le is futtathatnák” bennük, mi történik egy gyógyszertől vagy egy betegségben? Mark Zuckerbergék most félmilliárd dollárt tesznek arra, hogy ez ne csak metafora legyen.

Mi történt

A Chan Zuckerberg Biohub (Zuckerberg és gyermekorvos felesége, Priscilla Chan kutatási kezdeményezése) 500 millió dolláros, öt évre szóló programot jelentett be, amelynek középpontjában az emberi sejtek AI-alapú, előrejelző modelljeinek megépítése áll. A megfogalmazott hosszú távú küldetésük rendkívül ambiciózus: AI-t használó biológiával, „frontier” (azaz a tudomány határterületeit feszegető) kutatással és csúcstechnológiával szeretnék segíteni a betegségek gyógyítását és megelőzését.

A terv lényege, hogy olyan modellek szülessenek, amelyek nem csak egy-egy molekulát vagy folyamatot írnak le, hanem képesek lehetnek megjósolni, hogyan viselkednek a sejtek és hogyan hatnak egymásra egy teljes szervezet kontextusában. A keretből 400 millió dollár a Biohub saját AI-fejlesztéseire menne, a fennmaradó rész pedig külső (harmadik fél) kutatókhoz és projektekhez kerülne.

A program egyik kulcsállítása, hogy a biológia „teljes komplexitását” megbízhatóan reprezentáló AI-hoz nagyságrendekkel több adat kell, mint amennyi ma rendelkezésre áll. Ehhez új megfigyelési technológiákra is szükség van: a sejten belüli molekuláris szinttől egészen a szöveti szintig, ráadásul úgy, hogy mindez értelmezhető legyen egészség és betegség állapotában is.

Miért fontos

Az „AI-modellek emberi sejtekről” elsőre sci-finek hangzik, de a logika nagyon is földhözragadt: gondolj rá úgy, mint egy rendkívül részletes időjárás-előrejelzésre, csak itt a „légkör” a sejt belső világa. Ha a kutatók megbízhatóan tudják szimulálni, mi történik egy adott beavatkozástól (például egy gyógyszerjelölttől), az csökkentheti a vak próbálkozásokat, gyorsíthatja a hipotézisek tesztelését, és segíthet abban, hogy a labor és a klinikum között kevesebb zsákutca legyen.

A történetnek van egy kényelmetlen mellékszála is: a Futurism AI azzal állítja kontrasztba a bejelentést, hogy a Meta 2025-ben rendkívül alacsony effektív szövetségi társasági adóterhet fizetett, miközben kiemelkedő profitot termelt. Ez a párhuzam nem a kutatás ellen szól, inkább arra mutat rá, mennyire elmosódik a határ a közérdekű finanszírozás (adó) és a presztízsvezérelt magánfinanszírozás (filantrópia) között.

Mire figyelj

  1. Mit jelent majd a „prediktív” a gyakorlatban? A kulcskérdés nem az, hogy lehet-e modellt építeni, hanem hogy mennyire lesz pontos, általánosítható és reprodukálható különböző sejttípusokra, állapotokra és populációkra.
  2. Adat és mérési technológia: honnan jön a nyersanyag? Ha tényleg „nagyságrendekkel több adat” kell, akkor a mérési módszerek (sejt- és szöveti szintű megfigyelés) lesznek a szűk keresztmetszetek — és ezek minősége határozza meg a modellek korlátait is.
  3. Nyitottság és hozzáférés: érdemes figyelni, mennyire lesznek nyilvánosak a modellek, az adatok és az eszközök, illetve a külső kutatóknak szánt források milyen feltételekkel érhetők el.
  4. Kutatási ígéret vs. kommunikáció: a „minden betegség megelőzése és gyógyítása” típusú célok inspirálóak, de a valódi mérföldkövek jellemzően sokkal konkrétabbak (például egy adott sejttípus megbízható modellezése vagy egy betegségmechanizmus jobb megértése). A következő években az számít, milyen kézzelfogható eredmények érkeznek.