SUA, Google și Meta investesc 1,8 miliarde de dolari pentru a ajuta AI să înțeleagă celulele

Inițiativa, numită Virtual Biology Initiative, va reuni date despre felul în care celulele reacționează la diferite schimbări, potrivit Reuters.

Cercetătorii vor folosi apoi aceste informații pentru a construi modele AI capabile să facă predicții despre comportamentul celulelor.

Proiectul pornește de la o problemă simplă: oamenii de știință au deja cantități uriașe de date biologice, dar acestea nu sunt suficient de ample sau de standardizate pentru a antrena modele AI foarte precise.

1,8 miliarde de dolari pentru o „hartă” a biologiei

Meta, Google DeepMind și compania de cercetare farmaceutică Isomorphic Labs vor investi împreună 300 de milioane de dolari.

Departamentul pentru Energie al SUA va aloca peste 500 de milioane de dolari în următorii cinci ani pentru măsurători de laborator, modelare și calcule.

Institutele Naționale de Sănătate din SUA vor coordona, la rândul lor, seturi de date și baze de date create cu peste 500 de milioane de dolari din finanțări federale anterioare.

Biohub va standardiza aceste informații astfel încât să poată fi folosite pentru antrenarea modelelor de inteligență artificială.

Organizația, susținută de Mark Zuckerberg și soția sa, Priscilla Chan, a investit deja 500 de milioane de dolari în proiect în luna aprilie. Noile angajamente duc investiția totală la 1,8 miliarde de dolari.

AI-ul vrea să „învețe limba celulei”

Alex Rives, șeful departamentului de știință al Biohub, spune că datele disponibile în prezent acoperă sute de milioane de celule.

Pentru un model predictiv cu adevărat precis ar fi nevoie însă de miliarde și, în cele din urmă, de trilioane de celule analizate.

„Trebuie să surprindem limbajul biologiei, trebuie să surprindem limbajul celulei. Iar acest lucru nu există astăzi”, a spus Rives.

Datele vor proveni din tehnologii precum transcriptomica spațială, care permite cartografierea activității moleculare în țesuturi intacte.

Cercetătorii vor folosi și teste care arată cum reacționează celulele la schimbările din mediul lor.

O mare parte dintre aceste date nu a fost până acum colectată într-un mod coordonat.

Biohub estimează că un astfel de efort ar necesita în mod normal zeci de ani. Partenerii vor să reducă perioada la aproximativ cinci ani.

Primul set important de date ar putea fi disponibil în aproximativ un an, iar organizația speră să obțină modele predictive precise în următorii cinci ani.

Datele vor ajunge, în cele din urmă, la cercetători

Biohub intenționează să publice seturile de date, dar companiile care contribuie financiar vor avea acces înaintea publicului larg.

Alex Rives a explicat că finanțatorii comerciali vor beneficia de perioade în care pot lucra exclusiv cu anumite date, după care acestea vor deveni resurse științifice publice.

Proiectele finanțate direct de guvern nu vor avea astfel de restricții.

Biohub vrea să atragă în proiect și alte companii farmaceutice și organizații filantropice.

Priscilla Chan a descris inițiativa ca pe o resursă pentru întreaga comunitate științifică, nu pentru o singură companie. Ideea este ca datele să rămână utile și să permită altor cercetători să construiască noi proiecte pe baza lor.

Competiția pentru AI-ul care descoperă medicamente

Biohub nu este singura organizație care încearcă să folosească inteligența artificială pentru cercetarea biologică.

Anthropic și-a extins recent activitatea în domeniul biologiei și și-a creat propriul laborator.

OpenAI Foundation a lansat, la rândul său, un program de granturi de peste 125 de milioane de dolari pentru seturi de date biologice și medicale destinate cercetării cu ajutorul AI.

O miză importantă pentru industria farmaceutică

Dezvoltarea unui medicament poate dura ani, iar cercetătorii speră că modelele capabile să prezică modul în care celulele reacționează la diferite intervenții ar putea scurta o parte din acest proces.

Deocamdată, proiectul Biohub este un pariu pe scară largă: mai multe date, mai bine organizate și accesibile AI-ului ar putea transforma modul în care cercetătorii înțeleg biologia și caută tratamente noi.