Стартап Endura с помощью ИИ-агентов перебрал 500 болезней вместо пяти

Биотех-стартап Endura поручил ИИ-агентам оценить около 500 болезней-кандидатов для своих лекарств, хотя обычно команда успевает разобрать пять, — рассказал его глава Адриан Сэнборн в колонке для Latent Space¹.

Почему это важно: по словам Сэнборна, ИИ сильно ускорил в науке работу вокруг эксперимента — код, анализ данных, чтение литературы, — но почти не ускорил сам эксперимент. Выигрывают те, кто умеет тратить сэкономленное время на размышления.

Как это работает: Endura делает таблетки, которые метят одну конкретную матричную РНК² и так выключают выработку белка, вызывающего болезнь, — Сэнборн называет это «CRISPR³ в таблетке». Метки читает собственный метод секвенирования⁴ сразу по всем генам, поэтому один опыт даёт кандидатов в лекарства от сотен болезней.

Детали: отбор шёл в два этапа, и на обоих работали исследовательские агенты на языковых моделях.

• На первом этапе агенты написали около трёх страниц по каждому кандидату и отсеяли слишком редкие болезни, уже закрытые лекарствами, и те, которые снижение белка не облегчит.
• Примерно 100 оставшихся кандидатов получили по отчёту объёмом около тридцати страниц о биологии болезни и конкурентах.
• Запросы второго этапа составили так, чтобы модель вела себя как скептичный эксперт: называла провалившиеся программы, причины провала и условия, при которых Endura добьётся успеха.

В цифрах: вручную первый этап занял бы около человеко-года чтения, а второй — почти век работы экспертов.

Общая картина: Сэнборн видит два способа, которыми биотех приспособился к тому, что думать стало дёшево, а ставить опыты — нет:

• «Литейные цеха» удешевляют сами опыты: секвенирование, микроскопия с высокой пропускной способностью и роботы дают данные на порядок быстрее. Так устроены Xaira, Insitro, Periodic Labs и сама Endura.
• «Штурманы» тратят подешевевшее мышление: ИИ встроен в обычную работу компании и помогает решать, какие инструменты строить и какие вопросы достойны опыта.

Между строк: литейные цеха на виду — у них всегда есть новая модель или набор данных для анонса, а о пути, от которого отказались, пресс-релизов не пишут. «Заметная перемена идёт в нескольких десятках компаний, а незаметная — во всех», — пишет Сэнборн.

Если шире: в Endura подешевел не только выбор болезней, но и код.

• Раньше учёные реже меняли опыт, чтобы не переписывать анализ данных, а теперь переделка под новый протокол занимает полдня.
• Результаты показывает сам учёный, который ставил опыт, и ему не нужно ждать в очереди к программисту, обрабатывавшему данные.
• Программу, лицензия на которую стоила бы сотни тысяч долларов, пишут за день — например, внутренний портал для данных лаборатории.
• Старое правило «никогда не строй то, что можно купить» Сэнборн заменяет новым: строй инструменты, которые определяют, как ты думаешь.

Но: Сэнборн признаёт ограничения подхода.

• В части отчётов модели ошиблись, но на первом этапе ошибка означает лишь упущенную возможность, а не месяцы погони за плохой идеей.
• Выводы второго этапа сверяют с первоисточниками, а отобранные болезни всё равно проходят полную проверку людьми.
• Анализ, собранный под один вопрос, труднее воспроизвести, чем расчёт по отлаженному конвейеру с версиями, и эта проблема пока не решена.

Что дальше: по мнению Сэнборна, со следующими моделями учёный будет просто задавать вопрос, а анализ и интерфейс для ответа будут собираться с нуля. Другая ставка — искать в опубликованных статьях новые применения лекарств, чья безопасность уже доказана; неясно, по его словам, даст это три новых препарата или 300.

«Больше всего науку сейчас ускоряет вовсе не модель, обученная на научных данных, — пишет Сэнборн. — А та, что каждый понедельник утром помогает учёному или руководителю понять, чем стоит заниматься».