How GSK’s $110M Data Deal Could Cut Years Off the Path From Molecule to Medicine

GSK, ബ്രിട്ടീഷ് ബയോടെക് കമ്പനിയായ Relation Therapeutics-മായി 110 മില്യൺ ഡോളർ വരെയുള്ള ഒരു ഗവേഷണ സഹകരണ കരാറിൽ ഒപ്പുവെച്ചു. ജനിതക മാറ്റങ്ങളോടും മരുന്നുകളോടുമുള്ള മനുഷ്യകോശങ്ങളുടെ പ്രതികരണം നിരീക്ഷിക്കുന്ന വൻതോതിലുള്ള, ഉയർന്ന റെസല്യൂഷനുള്ള ഡാറ്റാസെറ്റുകൾ ഈ പങ്കാളിത്തത്തിലൂടെ സൃഷ്ടിക്കപ്പെടും. AI അധിഷ്ഠിത മരുന്ന് കണ്ടുപിടുത്തങ്ങളെ (drug discovery) മന്ദഗതിയിലാക്കിയ ഡാറ്റാ തടസ്സങ്ങളെ (data bottleneck) ഇത് പരിഹരിക്കുകയും, ഒരു തന്മാത്ര മരുന്നായി മാറുന്നതിനുള്ള കാലതാമസം വർഷങ്ങൾ കുറയ്ക്കുകയും ചെയ്യും.

AI-യെ പിന്നോട്ടടിക്കുന്ന ഡാറ്റാ പ്രശ്നം

കഴിഞ്ഞ ദശകത്തിൽ ഭൂരിഭാഗം സമയവും, ഫാർമ മേഖലയിലെ AI-യുടെ വിജയം അളന്നിരുന്നത് മോഡലുകളുടെ വലുപ്പം വെച്ചാണ്, അല്ലാതെ ഇൻപുട്ടിന്റെ പ്രസക്തി വെച്ചല്ല. ഇന്റർനെറ്റ് ടെക്സ്റ്റുകളിൽ പരിശീലിപ്പിച്ച ലാർജ് ലാംഗ്വേജ് മോഡലുകൾ പാറ്റേൺ മാച്ചിംഗിൽ മികച്ചവയാണെങ്കിലും, ഒരു സംയുക്തം (compound) ജീവനുള്ള കോശത്തിലൂടെ എങ്ങനെ പ്രതിഫലിക്കുന്നു എന്ന് പ്രവചിക്കാൻ ആവശ്യപ്പെടുമ്പോൾ അവ പതറുന്നു. ഒരു ജീൻ പ്രവർത്തനക്ഷമമാക്കുകയോ നിർത്തലാക്കുകയോ ചെയ്യുമ്പോഴോ അല്ലെങ്കിൽ ഒരു മരുന്ന് പ്രയോഗിക്കുമ്പോഴോ ഉണ്ടാകുന്ന ജൈവപരമായ മാറ്റങ്ങളെ (biological effects) രേഖപ്പെടുത്തുന്ന യഥാർത്ഥ പരീക്ഷണങ്ങളിൽ നിന്നുള്ള അളവുകൾ അഥവാ “വെറ്റ് ലാബ്” (wet lab) ഡാറ്റയുടെ അഭാവമാണ് ഇവിടെ പ്രധാന പ്രശ്നം.

Relation Therapeutics ആ വിടവ് നികത്തും. ഈ കരാർ പ്രകാരം, ജനിതക മാറ്റങ്ങൾക്കും മരുന്ന് ഇടപെടലുകൾക്കും (drug interventions) മനുഷ്യകോശങ്ങൾ എങ്ങനെ പ്രതികരിക്കുന്നു എന്ന് സൂക്ഷ്മമായി അളക്കുന്ന വൻതോതിലുള്ള ഡാറ്റ അവർ നിർമ്മിക്കും. കോശങ്ങളുടെ പെരുമാറ്റത്തെക്കുറിച്ചുള്ള ഇത്രയും സൂക്ഷ്മമായ വിവരങ്ങൾ AI സിസ്റ്റങ്ങൾക്ക് നൽകുന്നതിലൂടെ, ലളിതമായ ബൈൻഡിംഗ് പ്രവചനങ്ങളിൽ (binding predictions) നിന്ന് മുഴുവൻ പാതകളുടെയും (pathways) സിമുലേഷനുകളിലേക്ക് മോഡലുകളെ എത്തിക്കുക എന്നതാണ് ഈ പങ്കാളിത്തത്തിന്റെ ലക്ഷ്യം.

ബ്ലാക്ക്-ബോക്സ് പ്രവചനങ്ങളിൽ നിന്ന് കോശതലത്തിലുള്ള കൃത്യതയിലേക്ക്

പരമ്പരാഗത AI പൈപ്പ്‌ലൈനുകൾ പലപ്പോഴും ഒരു സംഖ്യ മാത്രമാണ് പുറത്തുവിടുന്നത്: ഒരു തന്മാത്ര ലക്ഷ്യമിട്ട പ്രോട്ടീനുമായി (target protein) ബന്ധിക്കാനുള്ള സാധ്യത എത്രത്തോളമുണ്ടെന്ന് മാത്രം. ആ ബന്ധം ഒരു ചികിത്സാ ഫലമായി മാറുന്നുണ്ടോ എന്ന് പരിശോധിക്കാൻ ഗവേഷകർ മാസങ്ങളോ വർഷങ്ങളോ ചിലവഴിക്കേണ്ടി വരുന്നു. പുതിയ സമീപനം ഈ ഏകബിന്ദു കണക്കുകൂട്ടലിന് പകരം, തുടർന്നുള്ള ഫലങ്ങളുടെ (downstream outcomes) ബഹുമാനമാനമായ (multi-dimensional) ഒരു മാപ്പ് നൽകുന്നു. ഒരു ജീൻ X പ്രവർത്തനരഹിതമാക്കുന്നത് പാത Y-യെ ഉത്തേജിപ്പിക്കുമെന്നും, ഒരു വാഗ്ദാന മരുന്ന് (candidate drug) അതേ പാതയെ മന്ദഗതിയിലാക്കുമെന്നും ഒരു AI മോഡലിന് അറിയാമെങ്കിൽ, അതിന് മരുന്നിന്റെ ഫലപ്രാപ്തി വളരെ നേരത്തെ തന്നെ പ്രവചിക്കാൻ കഴിയും.

ഇതിന്റെ ഗുണം ചെലവേറിയ പരീക്ഷണങ്ങളുടെ (trial-and-error experiments) എണ്ണം കുറയ്ക്കുക എന്നതാണ്. ഒരു സംയുക്തം ആഗ്രഹിക്കുന്ന കോശപ്രവർത്തനം ഉണ്ടാക്കുമെന്ന് ഒരു മോഡലിന് വിശ്വസനീയമായി പ്രവചിക്കാൻ കഴിയുമെങ്കിൽ, കുറഞ്ഞ അളവിൽ സംയുക്തങ്ങൾ നിർമ്മിക്കാനും പരിശോധിക്കാനും അവ ഉപേക്ഷിക്കാനും മതിയാകും. ഇത് ഗവേഷണത്തിനും വികസനത്തിനുമുള്ള (R&D) ചെലവ് കുറയ്ക്കുകയും സമയപരിധി ചുരുക്കുകയും ചെയ്യുന്നു—ഇത് ഒരു മരുന്നിന്റെ വിപണിയിലെ കുത്തകാവകാശ കാലയളവിനെയും (market exclusivity window) ഫാർമ കമ്പനികളുടെ ലാഭത്തെയും നേരിട്ട് ബാധിക്കുന്ന ഗുണങ്ങളാണ്.

“ശരിയായ ഡാറ്റ” ഒരു പ്രതിരോധ കവചമായി മാറുന്നു

"ബിഗ് ഡാറ്റ"യിൽ നിന്ന് "ശരിയായ ഡാറ്റ"യിലേക്കുള്ള മാറ്റത്തെയാണ് ഈ പങ്കാളിത്തം എടുത്തുകാണിക്കുന്നത്. പൊതുവായ മോഡലുകൾ വലിയ അളവിലുള്ള ഡാറ്റ ഉപയോഗിച്ച് പ്രവർത്തിക്കുമ്പോൾ, മരുന്ന് കണ്ടുപിടുത്തത്തിന് അതീവ സവിശേഷവും ലഭിക്കാൻ പ്രയാസമുള്ളതുമായ ഡാറ്റ ആവശ്യമാണ്. വിശ്വസനീയമായ കോശപ്രതികരണ പ്രൊഫൈലുകൾ (cellular response profiles) നിർമ്മിക്കുന്നതിന് അത്യാധുനിക ഉപകരണങ്ങളും വിദഗ്ധരായ ജീവനക്കാരും കർശനമായ ഗുണനിലവാര നിയന്ത്രണങ്ങളും ആവശ്യമാണ്—ഇത്തരം നിക്ഷേപങ്ങൾ വലിയ സാമ്പത്തിക ശേഷിയുള്ള കമ്പനികൾക്ക് മാത്രമേ സാധ്യമാകൂ.

ജനിതക കോഡിനെയും അളക്കാവുന്ന കോശഫലങ്ങളെയും തമ്മിൽ ബന്ധിപ്പിക്കുന്ന പൈപ്പ്‌ലൈൻ കൈവശമുള്ള കമ്പനികൾക്ക് ഏറ്റവും മൂല്യവത്തായ ബൗദ്ധിക സ്വത്തവകാശം (intellectual property) ലഭിക്കും. ഇത്തരത്തിലുള്ള ഡാറ്റാസെറ്റുകളുടെ കുത്തകാവകാശം, ഒരു പുതിയ ന്യൂറൽ നെറ്റ്‌വർക്ക് ആർക്കിടെക്ചറിനേക്കാൾ പകർത്തിയെടുക്കാൻ പ്രയാസമുള്ള ഒരു പ്രതിരോധ കവചം സൃഷ്ടിക്കുന്നു. ബയോടെക് സ്ഥാപകർക്ക് ഇതിലൂടെ ലഭിക്കുന്ന സന്ദേശം വ്യക്തമാണ്: അടുത്ത അൽഗോരിതമിക് മുന്നേറ്റത്തിന് പിന്നാലെ പോകുന്നതിനേക്കാൾ തന്ത്രപരമായ നീക്കമായിരിക്കാം ഒരു ഡാറ്റാ എഞ്ചിൻ കെട്ടിപ്പടുക്കുന്നത്.

മറ്റൊരു വശം: ഡാറ്റ മാത്രം എല്ലാ പ്രശ്നങ്ങളും പരിഹരിക്കില്ല

കൃത്യമായ ഡാറ്റ പോലും AI മോഡലുകളെ തെറ്റായ വഴിയിലേക്ക് നയിച്ചേക്കാം എന്ന് വിമർശകർ ചൂണ്ടിക്കാട്ടുന്നു. കോശങ്ങൾ ടിഷ്യു തരങ്ങൾ, രോഗാവസ്ഥകൾ, രോഗികളുടെ ജനസംഖ്യാപരമായ പ്രത്യേകതകൾ എന്നിവ അനുസരിച്ച് വ്യത്യാസപ്പെട്ടിരിക്കുന്നു; ഒരു സാഹചര്യത്തിൽ ശേഖരിച്ച ഡാറ്റാസെറ്റ് എല്ലാ സാഹചര്യങ്ങളിലും പ്രയോഗിക്കാൻ കഴിയില്ല. വൻതോതിലുള്ളതും ഉയർന്ന ഗുണനിലവാരമുള്ളതുമായ ഡാറ്റാസെറ്റുകൾ നിർമ്മിക്കുന്നതിനും പരിപാലിക്കുന്നതിനുമുള്ള ചെലവ് മോഡലുകൾ പരിശീലിപ്പിക്കുന്നതിനേക്കാൾ കൂടുതലായേക്കാം, ഇത് ചെറിയ കമ്പനികളുടെ വളർച്ചയെ ബാധിച്ചേക്കാം.

നിയന്ത്രണ ഏജൻസികളും (Regulators) പ്രധാനമാണ്. മനുഷ്യന്റെ ജൈവശാസ്ത്രത്തെ അനുകരിക്കുമെന്ന് അവകാശപ്പെടുന്ന പ്രെഡിക്റ്റീവ് AI-കൾ ഒടുവിൽ ക്ലിനിക്കൽ ഫലങ്ങളുമായി ഒത്തുനോക്കി പരിശോധിക്കപ്പെടേണ്ടതുണ്ട്. മതിയായ യഥാർത്ഥ ലോക പരീക്ഷണങ്ങളില്ലാതെ ഇൻ-സിലിക്കോ (in-silico) പ്രവചനങ്ങളെ മാത്രം ആശ്രയിച്ചാൽ, പ്രതീക്ഷ നൽകുന്ന മരുന്നുകൾ പരീക്ഷണങ്ങളിൽ പരാജയപ്പെടുമ്പോൾ വ്യവസായത്തിന് തിരിച്ചടികൾ നേരിടേണ്ടി വന്നേക്കാം.

ഇനി ശ്രദ്ധിക്കേണ്ട കാര്യങ്ങൾ

GSK-Relation സംരംഭം വാഗ്ദാനം ചെയ്ത അളവിൽ ഉപയോഗപ്രദമായ ഡാറ്റ നൽകാൻ കഴിയുമോ എന്ന് വരും മാസങ്ങളിൽ വ്യക്തമാകും. പ്രധാന സൂചകങ്ങൾ ഇവയാണ്:

• മറ്റ് ഗവേഷകർക്ക് ഉപയോഗിക്കാൻ കഴിയുന്ന (നിയന്ത്രണങ്ങൾക്ക് വിധേയമായി പോലും) ബെഞ്ച്മാർക്ക് ഡാറ്റാസെറ്റുകളുടെ പ്രസിദ്ധീകരണം
• പരമ്പരാഗത സ്ക്രീനിംഗ് രീതികളേക്കാൾ മികച്ച പ്രകടനം കാഴ്ചവെക്കുന്ന ആദ്യഘട്ട AI മോഡലുകൾ
• ഡാറ്റാ സമീപനം വിജയകരമാണെന്ന ആത്മവിശ്വാസം നൽകുന്ന മറ്റ് വലിയ ഫാർമ കമ്പനികളിൽ നിന്നുള്ള തുടർച്ചയായ നിക്ഷേപങ്ങൾ

ഈ സഹകരണം മരുന്നുകളുടെ കണ്ടെത്തൽ നിരക്കിലോ (hit-rate) സമയപരിധിയിലോ (cycle time) കാര്യമായ പുരോഗതി കൊണ്ടുവന്നാൽ, ഇത് സമാനമായ നിരവധി ഇടപാടുകൾക്ക് തുടക്കമിടുകയും വ്യവസായം അതിന്റെ R&D ഫണ്ട് വിനിയോഗിക്കുന്ന രീതിയെ മാറ്റുകയും ചെയ്യും. നേരെമറിച്ച്, ഡാറ്റ ഉപയോഗിക്കാൻ പ്രയാസമുള്ളതോ അല്ലെങ്കിൽ അമിത ചെലവുള്ളതോ ആണെന്ന് കണ്ടാൽ, കമ്പനികൾ AI-യും പരമ്പരാഗത ഹൈ-ത്രൂപുട്ട് സ്ക്രീനിംഗും (high-throughput screening) സംയോജിപ്പിക്കുന്ന ഹൈബ്രിഡ് രീതികളിലേക്ക് മടങ്ങിക്കണിയും.

പ്രധാന കാര്യങ്ങൾ

ഹൈ-ഫിഡിലിറ്റി സെല്ലുലാർ ഡാറ്റയിലുള്ള GSK-യുടെ 110 മില്യൺ ഡോളറിന്റെ നിക്ഷേപം ഒരു നിർണ്ണായകമായ മാറ്റത്തെയാണ് സൂചിപ്പിക്കുന്നത്: AI ഉപയോഗിച്ചുള്ള മരുന്ന് കണ്ടുപിടിത്തത്തിൽ, അൽഗോരിതങ്ങളുടെ വലിപ്പത്തേക്കാൾ ഉപരിയായി, മോഡലുകളെ പരിശീലിപ്പിക്കുന്ന ബയോളജിക്കൽ സിഗ്നലുകളുടെ ഗുണമേന്മയും സവിശേഷതയുമായിരിക്കും ഏറ്റവും നിർണ്ണായകമായ നേട്ടമായി മാറുന്നത്.