這實在是瘋狂 自從 AI 出現以來，生物學的每一個模型都有相同的限制：在一種疾病上訓練，它只對那種疾病有效。對任何新藥物、病人或組織重新訓練。 生物學的基礎模型承諾基本上不存在。零-shot 預測是不可能的。 直到現在。 Arc Institute 的模型（Stack）從細胞群體中學習，而不是一次一個。就像 LLMs 在句子中看單詞而不是孤立地看，細胞彼此之間成為上下文。 你可以展示給它用藥物處理過的細胞，它可以預測完全不同的細胞對同一藥物的反應。即使沒有人進行過那個實驗。即使那個組織從未受到擾動。即使那個組合在訓練中從未存在過。 細胞本身成為提示，僅僅通過推理。你現在可以查詢生物學。 "如果我給肝細胞這種癌症藥物，它們會怎麼做？" 它會用實際的基因表達預測來回答。雖然還不完美，但足夠好，以至於在 31 個基準中擊敗了現有的方法（在這個領域中，擊敗 60% 被認為是好的，這幾乎是前所未聞的）。 他們用它來建立一個虛擬擾動圖譜：28 種人類組織，40 種細胞類別，201 種藥物。無需實驗室。純粹在計算機上進行。當他們與真實的濕實驗進行驗證時，預測結果相符。 藥物發現目前每次實驗的成本超過 500 萬美元，且可能需要 2 年的時間，這些實驗可能不會成功。現在你可以先進行計算篩選。 "哪些組織會有非靶向效應？" "這位病人的細胞會有什麼不同的反應？" 曾經需要數百萬美元的資助的問題現在只需要一個 GPU。 慢慢地，我們正在解決生物學問題。