これは本当に狂っています AIが登場して以来、生物学のモデルは同じ制限がありました。つまり、AIは一つの病気に訓練し、その病気にしか効果がありません。新しい薬、患者、組織に対して再訓練してください。 生物学の基礎モデルの約束は基本的に存在しませんでした。ゼロショット予測は不可能でした。 これまでは。 Arc Instituteのモデル(Stack)は、一度に一つではなく複数のセルから学習します。LLMが文中の単語を単独で見ないように、セル同士の文脈となります。 薬剤で処理された細胞を見せることで、同じ薬に対してまったく異なる細胞が反応するかどうかを予測できます。たとえ誰もその実験を行わなかったとしても。たとえその組織が一度も乱されていなくても。たとえその組み合わせが訓練中に存在しなかったとしても。 細胞自体が、推論からプロンプトとなります。生物学は今すぐ検索できます。 「もし肝細胞にこのがん薬を与えたらどうするだろう?」と答えると、実際の遺伝子発現予測が出てきます。まだ完璧ではありませんが、31ベンチマーク中28で既存の手法を上回るほどの精度で達成しました(この分野では60%を超えるとされるのはほぼ前例がありません)。 彼らはこれを用いて仮想の摂動アトラスを作成しました。28のヒト組織、40の細胞クラス、201種類の薬物です。検査は不要です。純粋にサイリコ(論理的思考)です。実際の湿式実験と比較して検証した結果、予測は一致しました。 現在、創薬には500万+ドルの費用がかかり、1回の実験につき2年かかり、うまくいかないかもしれません。次に計算的にスクリーニングを行います。 「どの組織が外れる影響を及ぼすのか?」 「この患者の細胞はどのように異なる反応を示すのでしょうか?」 かつては何百万もの助成金が必要だった問題は、今ではGPUだけで済む。 ゆっくりと確実に生物学の問題を解きつつあります