Глава Endura Therapeutics рассказал, как ИИ-агенты изучили 500 болезней
Чтобы стартап выбрал, от каких болезней делать лекарства, агенты коротко оценили каждую, а затем, как скептичный эксперт, подробно разобрали сотню отобранных. Вручную второй этап занял бы почти век работы специалистов, подсчитал глава компании.
Биотехнологический стартап Endura Therapeutics поручил группе ИИ-агентов изучить около 500 болезней и выбрать, на какие нацелить свои будущие лекарства. Об этом глава и сооснователь компании Адриан Сэнборн (Adrian Sanborn) рассказал в гостевой колонке для Latent Space1. По его словам, ещё год назад такой широкий и глубокий поиск был просто невозможен.
«Размышления подешевели, а действия — нет», — так Сэнборн описывает, что ИИ изменил в науке. Работа вокруг эксперимента резко ускорилась, но сам опыт по-прежнему занимает дни и недели. Одни компании, по его словам, строят «фабрики», которые получают экспериментальные данные на порядок быстрее: среди них он называет Xaira, Insitro и Periodic Labs. Других он называет «штурманами»: они встраивают модели в повседневные решения. Для этого не нужны ни собственная модель, ни огромный массив данных.
Endura разрабатывает то, что Сэнборн называет «CRISPR2 в таблетке». Такое лекарство оставляет химический «шрам» на одной конкретной матричной РНК3 и тем самым останавливает выработку белка, который вызывает болезнь. Компания создала метод секвенирования4, который читает эти метки сразу во всех генах. Поэтому один эксперимент выдаёт кандидатов в лекарства сразу для сотен болезней.
Обычно фармкомпания выбирает из пяти заранее известных болезней, а эксперты спорят о них месяц и дольше. Ошибка обходится дорого: на одну успешную программу уходит около десяти лет и $1 млрд. У Endura такого короткого списка не было, поэтому отбор разбили на два этапа.
На первом этапе агенты разобрали около 500 мишеней. Мишень здесь — болезнь вместе с белком, выработку которого нужно подавить. Сам Сэнборн называет это поиском среди 500 болезней. По каждой они подготовили отчёт примерно на три страницы. Отсеивали по базовым вопросам: достаточно ли распространена болезнь, есть ли уже от неё лекарства, поможет ли больному снижение уровня белка. По оставшимся примерно 100 мишеням агенты писали уже отчёт страниц на 30 о биологии болезни и конкурентах. Запросы для этого этапа составили так, чтобы модель вела себя как скептичный эксперт, а не пересказчик: называла провалившиеся программы, причины провала и условия, при которых Endura добьётся успеха.
Вручную первый этап потребовал бы около человеко-года чтения, а второй — почти века работы экспертов, подсчитал Сэнборн. Он признаёт, что часть отчётов содержала ошибки. Выводы второго этапа всё равно сверяют с первоисточниками, а выбранные направления проходят обычную проверку людьми. Ошибка на первом этапе, пояснил глава компании, означает лишь упущенную возможность, а не время, потраченное на плохую идею.
Такой же сдвиг Сэнборн видит и в повседневной работе лаборатории. За первый год протокол нового эксперимента меняется около десятка раз, и каждый раз приходится переписывать код анализа. Раньше этим занимался отдельный сотрудник, и учёные предлагали меньше изменений, чтобы не переделывать анализ. Теперь переделка занимает полдня, а программу, лицензия на которую стоила бы шестизначную сумму, пишут за день. Такие самоделки менее отточены, и службы поддержки у них нет, признаёт Сэнборн.
«Старое правило гласило: никогда не делай того, что можно купить. Новое — делай инструменты, которые определяют, как ты думаешь»
Адриан Сэнборн, глава Endura Therapeutics
Всё это Сэнборн называет лишь начальной версией подхода. Он ожидает, что следующие модели будут собирать анализ и интерфейс с нуля под конкретный вопрос учёного, хотя воспроизводимость такого анализа считает нерешённой проблемой. «Больше всего науку сейчас ускоряет вовсе не модель, обученная на научных данных. А та, что каждое утро понедельника помогает учёному или руководителю понять, чем стоит заняться», — заключил он.