De fapt, asta e nebunie de când a apărut IA, fiecare model de biologie a avut aceeași limitare: să o antreneze pe o singură boală, funcționează doar pe acea boală. Re-pregătirea pentru orice medicament, pacient sau țesut nou. Promisiunea modelului fundamental pentru biologie practic nu exista. Predicția fără lovituri era imposibilă. Până acum. Modelul Institutului Arc (Stack) învață din grupuri de celule în loc de una câte una. modul în care LLM-urile văd cuvintele dintr-o propoziție și nu izolat, celulele devin context una pentru cealaltă. Poți să-i arăți celule care au fost tratate cu un medicament și prezice cât de diferite ar răspunde celulele la același medicament. chiar dacă nimeni nu a făcut vreodată acel experiment. chiar dacă acel țesut nu a fost niciodată perturbat. chiar dacă această combinație nu a existat niciodată la antrenamente. Celulele însele devin solicitări, doar din inferență. Poți interoga biologia acum. "Ce ar face celulele hepatice dacă le-aș da acest medicament pentru cancer?" și răspunde cu predicții reale ale expresiei genelor. Nu încă perfect, dar suficient de bine încât să depășească metodele existente în 28 din cele 31 de repere (practic nemaiauzit în acest domeniu, unde depășirea a 60% este considerată bună). L-au folosit pentru a construi un atlas virtual de perturbație: 28 de țesuturi umane, 40 de clase celulare, 201 medicamente. Nu este nevoie de laborator. Pur și simplu in silico. când au validat în comparație cu experimente reale de laborator umed, predicțiile s-au potrivit. descoperirea de medicamente costă în prezent 5M+ dolari și 2 ani per experiment care s-ar putea să nu funcționeze. Acum faci screening computațional mai întâi. "Ce țesuturi vor avea efecte nețintite?" "Cum vor răspunde celulele acestui pacient diferit?" întrebări care înainte necesitau milioane în granturi, acum necesită doar un GPU. Încet, dar sigur, rezolvăm biologia