ಜನರೇಟಿವ್ AI ಮತ್ತು ಬಯೋಟೆಕ್ನಾಲಜಿಯ ಸಂಗಮವು ಬೃಹತ್ ಬಂಡವಾಳವನ್ನು ಸೆಳೆಯುತ್ತಿದೆ, ಏಕೆಂದರೆ ಅಗ್ರ ಶ್ರೇಣಿಯ ಸಂಶೋಧಕರು ಸಾಮಾನ್ಯ ಉದ್ದೇಶದ LLM ಕೆಲಸವನ್ನು ಬಿಟ್ಟು ವೈಜ್ಞಾನಿಕ ಅನ್ವಯಿಕೆಗಳತ್ತ ಸಾಗುತ್ತಿದ್ದಾರೆ. OpenAI ಸಂಶೋಧಕ ಮೈಲ್ಸ್ ವಾಂಗ್ (Miles Wang), ಸುಧಾರಿತ AI ಮಾಡೆಲಿಂಗ್ ಮೂಲಕ ಔಷಧ ಸಂಶೋಧನೆಯನ್ನು (drug discovery) ಪರಿಷ್ಕರಿಸುವ ಉದ್ಯಮವನ್ನು ಪ್ರಾರಂಭಿಸಲು ಸಜ್ಜಾಗುತ್ತಿದ್ದಾರೆ ಎಂದು ವರದಿಯಾಗಿದೆ.

OpenAI ನಿಂದ ಬಯೋಟೆಕ್向 ಒಂದು ಹೆಚ್ಚಿನ ಅಪಾಯದ ಹೆಜ್ಜೆ

2024 ರಲ್ಲಿ OpenAI ಗೆ ಸೇರಿದ ಹಾರ್ವರ್ಡ್ ಕಂಪ್ಯೂಟರ್ ಸೈನ್ಸ್ ಪದವೀಧರರಾದ ವಾಂಗ್, $2 ಬಿಲಿಯನ್ ಮೌಲ್ಯಮಾಪನದಲ್ಲಿ $200 ಮಿಲಿಯನ್ ಹಣವನ್ನು ಸಂಗ್ರಹಿಸಲು ಮಾತುಕತೆಯಲ್ಲಿ ఉన్నారు. ಅವರು ಕೆಲವು ಅಂಕಿಅಂಶಗಳನ್ನು ವಿವಾದಿಸಿದ್ದರೂ, ಅವರ ನಿರ್ಗಮನವು ವಿಶಾಲವಾದ AI ಪ್ರಯೋಗಾಲಯಗಳಿಂದ ಹೆಚ್ಚು ಪ್ರಭಾವಶಾಲಿ ವೈಜ್ಞಾನಿಕ ಕ್ಷೇತ್ರಗಳಿಗೆ ನಡೆಯುತ್ತಿರುವ ಬೆಳೆಯುತ್ತಿರುವ "ಪ್ರತಿಭೆಗಳ ವಲಸೆ"ಯನ್ನು (brain drain) ಎತ್ತಿ ತೋರಿಸುತ್ತದೆ.

ಈ ಸ್ಟಾರ್ಟ್‌ಅಪ್ ಜೈವಿಕ ಸಂಶೋಧನೆಯನ್ನು ಸ್ವಯಂಚಾಲಿತಗೊಳಿಸುವಲ್ಲಿ ಗಮನ ಕೇಂದ್ರೀಕರಿಸುವ ತಲಾಂತರ ಪ್ರತಿಭೆಗಳ ಗುಂಪನ್ನು ರಚಿಸಲು ಹಲವಾರು ಇತರ OpenAI ಸಂಶೋಧಕರನ್ನು ನೇಮಿಸಿಕೊಳ್ಳಲು ಯೋಜಿಸಿದೆ. ಈ ಕ್ರಮವು ಚಾಟ್‌ಬಾಟ್‌ಗಳಿಂದ ಅಣು ಜೀವವಿಜ್ಞಾನದ (molecular biology) ಸಂಕೀರ್ಣತೆಗಳನ್ನು ನಿಭಾಯಿಸಬಲ್ಲ ಮಾಡೆಲ್‌ಗಳ ಕಡೆಗೆ ಬದಲಾವಣೆಯನ್ನು ಸೂಚಿಸುತ್ತದೆ.

ಔಷಧಗಳ ಮರುಬಳಕೆ ಮತ್ತು ಅಣುಗಳ ಮುನ್ಸೂಚನೆಯನ್ನು ಗುರಿಯಾಗಿಸುವುದು

ಹೊಸ ರಾಸಾಯನಿಕ ಘಟಕಗಳನ್ನು ಹುಡುಕುವ ಬದಲು, ವಾಂಗ್ ಅವರ ಉದ್ಯಮವು ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ, FDA-ಅಂಗೀಕೃತ ಔಷಧಗಳಿಗೆ ಹೊಸ ಬಳಕೆಗಳನ್ನು ಕಂಡುಕೊಳ್ಳುವ ಮತ್ತು ಕ್ಲಿನಿಕಲ್ ಪ್ರಯೋಗಗಳಲ್ಲಿ ವಿಫಲವಾದ ಸಂಯೋಜನೆಗಳನ್ನು ಪುನಶ್ಚೇತನಗೊಳಿಸುವ AI ಮಾಡೆಲ್‌ಗಳ ಮೇಲೆ ಗಮನ ಕೇಂದ್ರೀಕರಿಸಬಹುದು.

ಔಷಧಗಳ ಮರುಬಳಕೆ (Drug repurposing) ಸ್ಪಷ್ಟವಾದ ವಾಣಿಜ್ಯ ಪ್ರಯೋಜನವನ್ನು ನೀಡುತ್ತದೆ: ಸುರಕ್ಷತಾ ಪರೀಕ್ಷೆಗಳು ಈಗಾಗಲೇ ಪೂರ್ಣಗೊಂಡಿರುವುದರಿಂದ, ಹೊಸ ಔಷಧ ಅಭಿವೃದ್ಧಿಯೊಂದಿಗೆ ಹೋಲಿಸಿದರೆ ಆದಾಯದ ಹಾದಿಯು ಗಣನೀಯವಾಗಿ ಕಡಿಮೆಯಾಗುತ್ತದೆ. ಅಣುಗಳು ವಿವಿಧ ಜೈವಿಕ ಗುರಿಗಳಿಗೆ ಹೇಗೆ ಬಂಧಿಸಲ್ಪಡುತ್ತವೆ ಎಂಬುದನ್ನು ಮುನ್ಸೂಚಿಸಲು AI ಅನ್ನು ಬಳಸುವ ಮೂಲಕ, ಈ ಸ್ಟಾರ್ಟ್‌ಅಪ್ ವರ್ಷಗಳ ಪ್ರಯೋಗಾಲಯದ ಕೆಲಸವನ್ನು ತಪ್ಪಿಸಬಹುದು.

AI-ಬಯೋಟೆಕ್ ವಲಯದ ಸ್ಫೋಟಕ ಬೆಳವಣಿಗೆ

ವಾಂಗ್ ಅವರ ಮೌಲ್ಯಮಾಪನ ಗುರಿಯು ವೇಗವಾಗಿ ಬೆಳೆಯುತ್ತಿರುವ ಮಾರುಕಟ್ಟೆಯನ್ನು ಪ್ರತಿಬಿಂಬಿಸುತ್ತದೆ. AI ಚಾಲಿತ ಜೀವ ವಿಜ್ಞಾನ (life-science) ಕ್ಷೇತ್ರದಲ್ಲಿ ಈಗಾಗಲೇ ದೊಡ್ಡ ಸಂಸ್ಥೆಗಳು ಪ್ರಾಬಲ್ಯ ಹೊಂದಿವೆ:

  • Chai Discovery: ಅಣುಗಳ ಪರಸ್ಪರ ಕ್ರಿಯೆಗಳನ್ನು (molecular interactions) ಮುನ್ಸೂಚಿಸಲು ಮಾಡೆಲ್‌ಗಳನ್ನು ನಿರ್ಮಿಸಲು $3.8 ಬಿಲಿಯನ್ ಮೌಲ್ಯಮಾಪನದಲ್ಲಿ $400 ಮಿಲಿಯನ್ ಸಂಗ್ರಹಿಸಿದೆ.
  • Isomorphic Labs: AI ಚಾಲಿತ ಔಷಧ ಸಂಶೋಧನೆಗಾಗಿ ಮೇ ತಿಂಗಳಲ್ಲಿ $2.1 ಬಿಲಿಯನ್‌ನ ಸರಣಿ B (Series B) ಹಣವನ್ನು ಪಡೆದ Google DeepMind‌ನ ಸ್ಪಿನ್-ಔಟ್ ಕಂಪನಿಯಾಗಿದೆ.

ಈ ಒಪ್ಪಂದಗಳು ಲೈಟ್‌ಸ್ಪೀಡ್ (Lightspeed) ನಂತಹ ವೆಂಚರ್ ಫರ್ಮ್‌ಗಳು—ವಾಂಗ್ ಅವರ ಹೂಡಿಕೆ ಸುತ್ತಿನಲ್ಲಿ ಪ್ರಮುಖ ಪಾತ್ರ ವಹಿಸಲು ಆಸಕ್ತಿ ತೋರಿಸುತ್ತಿವೆ ಎಂದು ವರದಿಯಾಗಿದೆ—AI-ಸಜ್ಜಿತ ಜೀವವಿಜ್ಞಾನವನ್ನು ಅತ್ಯಂತ ಲಾಭದಾಯಕ ಗಡಿಗಳಲ್ಲಿ ಒಂದಾಗಿ ನೋಡುತ್ತಿವೆ ಎಂಬುದನ್ನು ತೋರಿಸುತ್ತವೆ.

AI ಭೂದೃಶ್ಯಕ್ಕೆ ಇದು ಏಕೆ ಮುಖ್ಯ

ಔಷಧ ಸಂಶೋಧನೆಯಲ್ಲಿನ ವಿಶೇಷ AIಯು ಚರ್ಚೆಯನ್ನು ಅಮೂರ್ತ AGI ಚರ್ಚೆಗಳಿಂದ ನಿರ್ದಿಷ್ಟ ಅನ್ವಯಿಕ AI ಫಲಿತಾಂಶಗಳತ್ತ ಕೊಂಡೊಯ್ಯುತ್ತದೆ. ವಾಂಗ್ ಅವರಂತಹ ಸಂಶೋಧಕರು OpenAI ನಲ್ಲಿ ತರಬೇತಿ ಪಡೆದ ಸ್ಕೇಲಿಂಗ್ ನಿಯಮಗಳು (scaling laws) ಮತ್ತು ಟ್ರಾನ್ಸ್‌ಫಾರ್ಮರ್ ಆರ್ಕಿಟೆಕ್ಚರ್‌ಗಳನ್ನು (transformer architectures) ಜೈವಿಕ ಡೇಟಾ ಸೆಟ್‌ಗಳಿಗೆ ಅನ್ವಯಿಸಿದಾಗ, ಅವರು ವೈಜ್ಞಾನಿಕ breakthroughs ಅನ್ನು ವೇಗಗೊಳಿಸುತ್ತಾರೆ. AI ಮೌಲ್ಯ ಸೃಷ್ಟಿಯ ಮುಂದಿನ ಅಲೆವು ಭೌತಿಕ ವಿಜ್ಞಾನಗಳೊಂದಿಗೆ ಲಂಬ ಏಕೀಕರಣದ (vertical integration) ಮೇಲೆ ಅವಲಂಬಿತವಾಗಬಹುದು.

ಪ್ರಮುಖ ಅಂಶಗಳು

  • ಬೃಹತ್ ಬಂಡವಾಳದ ಹರಿವು: ವಾಂಗ್ ಅವರು AI ಔಷಧ-ಸಂಶೋಧನಾ ಸ್ಟಾರ್ಟ್‌ಅಪ್‌ಗಾಗಿ $2 ಬಿಲಿಯನ್ ಮೌಲ್ಯಮಾಪನದಲ್ಲಿ $200 ಮಿಲಿಯನ್ ಹಣವನ್ನು ಹುಡುಕುತ್ತಿದ್ದಾರೆ.
  • ಕಾರ್ಯತಂತ್ರದ ಗಮನ: ಈ ಉದ್ಯಮವು ಔಷಧಗಳ ಮರುಬಳಕೆಗೆ ಆದ್ಯತೆ ನೀಡುತ್ತದೆ, ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ FDA-ಅಂಗೀಕೃತ ಔಷಧಿಗಳಿಗೆ ಹೊಸ ಕ್ಲಿನಿಕಲ್ ಅನ್ವಯಿಕೆಗಳನ್ನು ಕಂಡುಹಿಡಿಯಲು ಮತ್ತು ಮಾರುಕಟ್ಟೆಗೆ ತರುವ ಸಮಯವನ್ನು ಕಡಿಮೆ ಮಾಡಲು AI ಅನ್ನು ಬಳಸುತ್ತದೆ.
  • ಸ್ಪರ್ಧಾತ್ಮಕ ಪರಿಸರ: ಈ ಸ್ಟಾರ್ಟ್‌ಅಪ್ Chai Discovery ಮತ್ತು Isomorphic Labs ನಂತಹ ಹೆಚ್ಚಿನ ಮೌಲ್ಯದ ಸಂಸ್ಥೆಗಳೊಂದಿಗೆ ಜೊತೆಯಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ, ಇದು AI-ಚಾಲಿತ ಜೀವ ವಿಜ್ಞಾನದ ಕಡೆಗೆ ವೆಂಚರ್ ಕ್ಯಾಪಿಟಲ್‌ನ ಬಲವಾದ ಬದಲಾವಣೆಯನ್ನು ಎತ್ತಿ ತೋರಿಸುತ್ತದೆ.

ಮಾಜಿ OpenAI ಸಂಶೋಧಕರಾದ ಮೈಲ್ಸ್ ವಾಂಗ್, ಹೊಸ AI-ಚಾಲಿತ ಔಷಧ-ಮರುಬಳಕೆ ಸ್ಟಾರ್ಟ್‌ಅಪ್‌ಗಾಗಿ $2 ಬಿಲಿಯನ್ ಮೌಲ್ಯಮಾಪನದಲ್ಲಿ $200 ಮಿಲಿಯನ್ ಹಣವನ್ನು ಸೆಳೆಯುತ್ತಿದ್ದಾರೆ. ಈ ಹೂಡಿಕೆ ಸುತ್ತು ಪೂರ್ಣಗೊಂಡರೆ, ಈ ಉದ್ಯಮವು ಈಗಾಗಲೇ ಶತಕೋಟಿ ಡಾಲರ್‌ಗಳನ್ನು ಆಕರ್ಷಿಸಿರುವ ಕೆಲವು ಬಯೋಟೆಕ್-AI ಸ್ಪಿನ್-ಔಟ್‌ಗಳ ಗುಂಪನ್ನು ಸೇರುತ್ತದೆ, ಇದು "AI-for-biology" ಯೋಜನೆಗಳಿಗೆ ಬಂಡವಾಳವು ಎಷ್ಟು ವೇಗವಾಗಿ ಹರಿಯುತ್ತಿದೆ ಎಂಬುದನ್ನು ಎತ್ತಿ ತೋರಿಸುತ್ತದೆ.

LLMಗಳಿಂದ ಅಣುಗಳವರೆಗೆ

ವಾಂಗ್ 2024 ರಲ್ಲಿ ಹಾರ್ವರ್ಡ್‌ನಲ್ಲಿ ಕಂಪ್ಯೂಟರ್ ಸೈನ್ಸ್ ಪದವಿ ಪಡೆದ ನಂತರ OpenAI ಗೆ ಸೇರಿದರು. ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ ಔಷಧಗಳ ಹೊಸ ಬಳಕೆಗಳನ್ನು ಹುಡುಕುವ ಪ್ರಕ್ರಿಯೆಯನ್ನು ಸ್ವಯಂಚಾಲಿತಗೊಳಿಸುವ ತಂಡವನ್ನು ನಿರ್ಮಿಸಲು, ಅವರು ಈಗ ಅಣು ವಿಜ್ಞಾನಕ್ಕೆ (molecular science) ಅದೇ ಸ್ಕೇಲಿಂಗ್ ತಂತ್ರಗಳನ್ನು ಅನ್ವಯಿಸಲು ಯೋಜಿಸಿದ್ದಾರೆ ಎಂದು ಮೂಲಗಳು ಹೇಳುತ್ತವೆ.

ಈ ಕ್ರಮವು ಸಾಮಾನ್ಯ ಉದ್ದೇಶದ AI ಪ್ರಯೋಗಾಲಯಗಳಿಂದ ನಿರ್ದಿಷ್ಟ ವೈಜ್ಞಾನಿಕ ಕ್ಷೇತ್ರಗಳಿಗೆ ನಡೆಯುತ್ತಿರುವ ವಿಶಾಲವಾದ "ಪ್ರತಿಭೆಗಳ ವಲಸೆ"ಯನ್ನು ಪ್ರತಿಬಿಂಬಿಸುತ್ತದೆ. ಸಂಶೋಧಕರು ಪರೀಕ್ಷಾ成功的 ಟ್ರಾನ್ಸ್‌ಫಾರ್ಮರ್ ಆರ್ಕಿಟೆಕ್ಚರ್‌ಗಳನ್ನು—ಮೂಲತಃ ಪಠ್ಯಕ್ಕಾಗಿ ನಿರ್ಮಿಸಲಾದವು—ಪ್ರೋಟೀನ್ ರಚನೆಗಳು, ಜೀನ್ ಎಕ್ಸ್‌ಪ್ರೆಶನ್ ಮತ್ತು ರಾಸಾಯನಿಕ ಸಂವಹನಗಳಂತಹ ಹೆಚ್ಚು ಸಂಕೀರ್ಣವಾದ ಡೇಟಾಗೆ ಅನ್ವಯಿಸುವ ಅವಕಾಶವನ್ನು ನೋಡುತ್ತಿದ್ದಾರೆ.

ಔಷಧಗಳ ಮರುಬಳಕೆ ಏಕೆ?

ಹೆಚ್ಚಿನ ಬಯೋಟೆಕ್ ಸ್ಟಾರ್ಟ್‌ಅಪ್‌ಗಳು ಹೊಸ ಸಂಯೋಜನೆಗಳ (novel compounds) ಹಿಂದೆ ಹೋಗುತ್ತವೆ, ಇದು ಒಂದು ಮಾತ್ರೆ ಮಾರುಕಟ್ಟೆಗೆ ತಲುಪುವ ಮೊದಲು ಒಂದು ದಶಕದ ಸಮಯ ಮತ್ತು ಶತಕೋಟಿ ಡಾಲರ್‌ಗಳ ವೆಚ್ಚವನ್ನು ತೆಗೆದುಕೊಳ್ಳಬಹುದು. ವಾಂಗ್ ಅವರ ಉದ್ಯಮವು ಒಂದು ಶಾರ್ಟ್‌ಕಟ್ ಅನ್ನು ಗುರಿಯಾಗಿಸಿಕೊಂಡಿದೆ: FDA ಮೂಲಕ ಈಗಾಗಲೇ ಅನುಮೋದಿಸಲ್ಪಟ್ಟ ಅಥವಾ ವಿಫಲ ಪ್ರಯೋಗಗಳ ನಂತರ ಬಾಕಿ ಉಳಿದಿರುವ ಔಷಧಗಳಿಗೆ ಹೊಸ ಚಿಕಿತ್ಸಕ ದೃಷ್ಟಿಕೋನಗಳನ್ನು ಗುರುತಿಸಲು AI ಅನ್ನು ಬಳಸುವುದು. ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ ಸುರಕ್ಷತಾ ಡೇಟಾವು ನಿಯಂತ್ರಕ ಅನುಮೋದನೆಯ ಹಾದಿಯನ್ನು ಸುಲಭಗೊಳಿಸುತ್ತದೆ ಮತ್ತು ಆದಾಯದ ಸಮಯವನ್ನು ಗಣನೀಯವಾಗಿ ಕಡಿಮೆ ಮಾಡಬಹುದು.

ಕೇಂದ್ರ ತಂತ್ರಜ್ಞಾನವು ಒಂದು ಅಣುವು ವಿವಿಧ ಜೈವಿಕ ಗುರಿಗಳಿಗೆ ಹೇಗೆ ಬಂಧಿಸಲ್ಪಡುತ್ತದೆ ಎಂಬುದನ್ನು ಮುನ್ಸೂಚಿಸುತ್ತದೆ ಮತ್ತು ಅನಿರೀಕ್ಷಿತ ಕಾಯಿಲೆಗಳ ಸಂಬಂಧಗಳನ್ನು ಗುರುತಿಸುತ್ತದೆ.

AI-ಬಯೋಟೆಕ್ ಹಣಕಾಸು ನೆರವು ಏರಿಕೆ

Wang’s target valuation is not an outlier. Chai Discovery announced a $400 million raise at a $3.8 billion valuation to build models that forecast molecular interactions. Isomorphic Labs, a spin-out from Google DeepMind, secured a $2.1 billion Series B in May for the same purpose. Both companies have attracted top-tier venture firms, and Lightspeed is reportedly in talks to lead Wang’s round.

What to Watch

Equally important will be the startup’s first scientific milestones.

Takeaway

Miles Wang’s push for a $2 billion, AI-powered drug-repurposing company illustrates how quickly capital is moving from generic large-language-model work into specialized scientific applications. The venture could accelerate the delivery of new therapies by re-tooling existing drugs, but it must overcome data limitations, regulatory scrutiny, and talent scarcity. Whether the startup becomes a flagship of the AI-biotech boom will hinge on its ability to turn model predictions into real-world clinical outcomes.