Új, multimodális biológiai világmodellt mutatott be a Microsoft Research kutatócsoportja: a Quine névre keresztelt rendszer a molekuláris szintektől a fehérjéken át a teljes sejtdinamikáig képes egységes térben ábrázolni az élettani folyamatokat. A zárt láncú platform a laboratóriumi kísérletek előtt szimulálja a hatóanyagok daganatos sejtekre gyakorolt hatásait.
Biológiai világmodell: izolált céleszközök helyett közös reprezentáció
A mesterséges intelligencia élettani alkalmazásai mindeddig szűk szakterületekre korlátozódtak: külön modellek elemezték a fehérjeszerkezeteket, a DNS-szekvenciákat vagy a kismolekulás kémiai reakciókat. A biológiai valóság ezzel szemben szorosan összefüggő szintekből áll. A gének fehérjéket kódolnak, a fehérjék kölcsönhatásba lépnek a sejten belül, a sejtek szöveteket építenek fel, az egyes beavatkozások következményei pedig a teljes szervezetre kihatnak. A Microsoft Research kutatói által közzétett műszaki beszámoló szerint a Quine erre az átfogó összetettségre épít.
A rendszer lényege az egységes világmodell, amely a genomika, a fehérjeszerkezet, a sejtállapotok, az RNS-transzkriptomika és az orvosi képalkotás adatait egyszerre, közös reprezentációs térben tanulja meg. A különböző vizsgálati szintek így folyamatosan kiegészítik egymást: egy molekuláris szintű megfigyelés közvetlenül segíti a sejtszintű viselkedés előrejelzését. A kutatók képesek virtuálisan szimulálni a biológiai beavatkozások hatásait, mielőtt a vegyületeket valós laboratóriumi körülmények között tesztelnék.
Hasnyálmirigyrák és sejtszintű átmenetek: hónapok helyett egyetlen hétvége
A világmodell gyakorlati képességeit a hasnyálmirigy duktális adenokarcinóma (PDAC) kutatásában demonstrálták a Broad Institute szakembereivel együttműködve. A daganatsejtek viselkedése és gyógyszerérzékenysége nagymértékben függ az átírási sejtállapottól: a sejtek képesek átváltani a klasszikus és a jóval agresszívabb, kezeléseknek ellenálló bazális állapot között. A szakemberek arra kerestek választ, hogy molekuláris vegyületekkel visszafordítható-e ez a folyamat.
A Quine több ezer lehetséges hatóanyagot rangsorolt a sejtállapot-váltó képességük alapján. A szoftveres előszűrés és prioritási lista felállítása mindössze egyetlen hétvégét vett igénybe, ami a hagyományos kutatási menetrendekhez képest több hónapnyi laboratóriumi munkát és jelentős költséget takarított meg. A valós kémcsöves (wet-lab) kísérletek igazolták a modell pontosságát: a legmagasabbra értékelt vegyületek váltották ki a legerősebb várt elmozdulást a sejtvonalakon.
A kísérlet váratlan felfedezést is hozott: a Quine előrejelezte, hogy egyes molekulák egy eddig le nem írt, harmadik sejtfenotípus felé terelik a daganatsejteket, amit a laboratóriumi mérések is megerősítettek. A hasnyálmirigyrák sejtállapotai így a korábban feltételezett kétirányú tengelynél jóval összetettebb képet mutatnak.
Zárt láncú kutatás és a Quine Fellows program
A Quine felépítése egy folyamatos visszacsatolási hurkot alkot a kutatóval. A biológus által megfogalmazott kérdésből a rendszer számítási hipotéziseket generál, amelyekből tesztelhető laboratóriumi tervek készülnek. A fizikai kísérletekből kinyert mérési adatok visszajutnak a kutatóhoz, egyúttal tanítási jelet szolgáltatnak a modell következő generációjának finomításához. A biztonsági szempontok kiemelt szerepet kapnak, hasonlóan ahhoz, ahogyan a biológiai biztonsági szűrők felügyelete is alapvető követelmény a kutatóintézeteknél.
A fejlesztők a Quine Fellows program keretében teszik elérhetővé az eszközt egyetemi és klinikai kutatópartnerek számára, a technológia későbbi fázisában pedig a Microsoft Discovery platformba építik be a funkciókat. A megközelítés lényege, hogy a mesterséges intelligencia a háttérbe simulva gyorsítsa fel az orvosi felfedezéseket, miközben az érdemi kérdésfeltevés és a laboratóriumi validáció továbbra is az emberi kutatók kezében marad.
