Esto es realmente una locura desde que salió la IA, todos los modelos de biología tenían la misma limitación: entrenarla en una enfermedad, solo funciona en esa enfermedad. Reentrenamiento para cualquier nuevo medicamento, paciente o tejido. La promesa del modelo fundamental para la biología básicamente no existía. La predicción de cero disparos era imposible. hasta ahora. El modelo del Instituto Arc (Stack) aprende de grupos de células en lugar de una a la vez. la forma en que los LLMs ven las palabras en una oración y no de forma aislada, las células se convierten en contexto entre sí. Puedes mostrarle células tratadas con un fármaco, y predice cómo responderían células completamente diferentes a ese mismo fármaco. Aunque nadie haya hecho ese experimento. aunque ese tejido nunca se alterara. Aunque esa combinación nunca existiera en el entrenamiento. las propias células se convierten en indicaciones, solo por inferencia. Puedes consultar Biología ahora. "¿Qué harían las células hepáticas si les diera este medicamento contra el cáncer?" y responde con predicciones reales de expresión génica. Todavía no perfectamente, pero lo suficiente como para superar métodos existentes en 28 de 31 benchmarks (algo prácticamente inaudito en este campo donde superar el 60% se considera bueno). Lo utilizaron para construir un atlas de perturbaciones virtual: 28 tejidos humanos, 40 clases celulares, 201 fármacos. No se requiere laboratorio. Puramente in silico. Cuando se validaron contra experimentos reales de laboratorio húmedo, las predicciones coincidieron. el descubrimiento de fármacos cuesta actualmente 5 millones de dólares+ y 2 años por experimento que podría no funcionar. Ahora primero haces el filtro computacional. "¿Qué tejidos tendrán efectos fuera de objetivo?" "¿Cómo responderán de forma diferente las células de este paciente?" las preguntas que antes requerían millones en subvenciones ahora solo necesitan una GPU. Poco a poco estamos resolviendo la biología