GSK, బ్రిటిష్ బయోటెక్ సంస్థ Relation Therapeuticsతో $110 మిలియన్ల వరకు విలువైన పరిశోధనా సహకారాన్ని కుదుర్చుకుంది. ఈ భాగస్వామ్యం మానవ కణాలు జన్యుపరమైన మార్పులు మరియు మందుల చికిత్సలకు ఎలా స్పందిస్తాయో ట్రాక్ చేసే భారీ, హై-రిజల్యూషన్ డేటాసెట్‌లను సృష్టిస్తుంది. ఇది AI ఆధారిత డ్రగ్ డిస్కవరీని (ఔషధ ఆవిష్కరణను) నెమ్మదింపజేస్తున్న డేటా అడ్డంకిని (bottleneck) ఎదుర్కొంటుంది మరియు మాలిక్యూల్ నుండి మెడిసిన్ వరకు పట్టే సమయాన్ని సంవత్సరాల తరబడి తగ్గించగలదు.

AIని వెనక్కి నెట్టిన డేటా సమస్య

గత దశాబ్ద కాలంగా, ఫార్మా రంగంలో AIని ఇన్‌పుట్ ప్రాముఖ్యత (relevance) ఆధారంగా కాకుండా, మోడల్ పరిమాణం (size) ఆధారంగా అంచనా వేస్తున్నారు. ఇంటర్నెట్ టెక్స్ట్ ఆధారంగా శిక్షణ పొందిన లార్జ్ లాంగ్వేజ్ మోడల్స్ ప్యాటర్న్ మ్యాచింగ్‌లో నైపుణ్యం కలిగి ఉంటాయి, కానీ ఒక కాంపౌండ్ జీవ కణంలో ఎలా ప్రభావం చూపుతుందో అంచనా వేయాల్సి వచ్చినప్పుడు అవి విఫలమవుతాయి. ఇక్కడ లోటుగా ఉన్నది "wet lab" డేటా—అంటే ఒక జన్యువును ఆన్ లేదా ఆఫ్ చేసినప్పుడు లేదా మందును ఉపయోగించినప్పుడు కలిగే జీవసంబంధమైన ప్రభావాలను (biological effects) నమోదు చేసే నిజమైన ప్రయోగాల నుండి వచ్చే కొలతలు.

Relation Therapeutics ఆ లోటును భర్తీ చేస్తుంది. ఒప్పందం ప్రకారం, మానవ కణాలు రెండు అంశాలకు: జన్యు మార్పులు మరియు మందుల జోక్యాలు (drug interventions) ఎలా స్పందిస్తాయో అత్యంత ఖచ్చితంగా కొలిచే భారీ స్థాయి డేటాను ఇది ఉత్పత్తి చేస్తుంది. AI వ్యవస్థలకు కణాల ప్రవర్తన యొక్క ఈ సూక్ష్మమైన దృక్పథాన్ని అందించడం ద్వారా, ఈ భాగస్వామ్యం మోడళ్లను కేవలం ప్రాథమిక బైండింగ్ అంచనాల నుండి పూర్తి పాత్‌వేల (pathways) సిమ్యులేషన్‌ల వరకు తీసుకెళ్లాలని లక్ష్యంగా పెట్టుకుంది.

బ్లాక్-బాక్స్ అంచనాల నుండి కణాల ఖచ్చితత్వం వరకు

సాంప్రదాయ AI పైప్‌లైన్‌లు తరచుగా ఒకే సంఖ్యను అందిస్తాయి: అంటే ఒక మాలిక్యూల్ టార్గెట్ ప్రోటీన్‌తో బంధం (bind) ఏర్పరుచుకునే అవకాశం ఎంత అనే దాని గురించి. ఆ బంధం చికిత్సా ప్రభావంగా మారుతుందో లేదో పరీక్షించడానికి పరిశోధకులు నెలలు లేదా సంవత్సరాలు గడుపుతారు. ఈ కొత్త విధానం ఆ సింగిల్-పాయింట్ అంచనాను, తదుపరి ఫలితాల (downstream outcomes) బహుమితీయ మ్యాప్‌తో భర్తీ చేస్తుంది. ఒక AI మోడల్‌కు 'X' జన్యువును తొలగించడం వల్ల 'Y' పాత్‌వే ప్రేరేపించబడుతుందని, మరియు ఒక డ్రగ్ అదే పాత్‌వేని తగ్గిస్తుందని తెలిసినప్పుడు, అది చాలా ముందుగానే ప్రభావాన్ని అంచనా వేయగలదు.

దీని వల్ల ఖరీదైన ట్రయల్-అండ్-ఎర్రర్ (trial-and-error) ప్రయోగాల ఖర్చు తగ్గుతుంది. ఒక కాంపౌండ్ ఆశించిన కణ ప్రతిస్పందనను కలిగిస్తుందని మోడల్ నమ్మదగిన రీతిలో అంచనా వేయగలిగితే, తక్కువ కాంపౌండ్‌లను మాత్రమే సింథసైజ్ చేయాల్సి ఉంటుంది, స్క్రీనింగ్ చేయాల్సి ఉంటుంది మరియు పక్కన పెట్టాల్సి ఉంటుంది. ఇది R&D ఖర్చును తగ్గిస్తుంది మరియు కాలపరిమితిని తగ్గిస్తుంది—ఈ ప్రయోజనాలు నేరుగా డ్రగ్‌ యొక్క మార్కెట్ ప్రత్యేకత (market exclusivity) మరియు ఫార్మా కంపెనీల లాభాలపై ప్రభావం చూపుతాయి.

"సరైన డేటా" ఒక రక్షణ కవచం (moat) గా మారుతుంది

ఈ భాగస్వామ్యం "బిగ్ డేటా" నుండి "సరైన డేటా" (right data) వైపు మారుతున్న మార్పును నొక్కి చెబుతుంది. సాధారణ మోడల్స్ భారీ పరిమాణంపై ఆధారపడి పనిచేస్తాయి, కానీ డ్రగ్ డిస్కవరీకి అత్యంత నిర్దిష్టమైన మరియు పొందడం కష్టమైన డేటా అవసరం. నమ్మదగిన కణ ప్రతిస్పందన ప్రొఫైల్‌లను రూపొందించడానికి అధునాతన పరికరాలు, నైపుణ్యం కలిగిన సిబ్బంది మరియు కఠినమైన నాణ్యత నియంత్రణలు అవసరం—ఇవి కేవలం భారీ నిధులు ఉన్న సంస్థలు మాత్రమే చేయగల పెట్టుబడులు.

జన్యు కోడ్‌ను కొలవదగిన కణ ఫలితాలతో అనుసంధానించే పైప్‌లైన్‌ను కలిగి ఉన్న కంపెనీలు అత్యంత విలువైన మేధో సంపత్తిని (intellectual property) కలిగి ఉంటాయి. ఇటువంటి డేటాసెట్‌ల ప్రత్యేకత, ఒక కొత్త న్యూరల్ నెట్‌వర్క్ ఆర్కిటెక్చర్‌ను అనుకరించడం కంటే కష్టమైన రక్షణ కవచాన్ని సృష్టిస్తుంది. బయోటెక్ వ్యవస్థాపకులకు సందేశం స్పష్టంగా ఉంది: తదుపరి అల్గారిథమిక్ బ్రేక్‌త్రూ కోసం వెతకడం కంటే, ఒక డేటా ఇంజిన్‌ను నిర్మించడం మరింత వ్యూహాత్మకం కావచ్చు.

ప్రతికూల అంశం: డేటా మాత్రమే అన్నింటినీ పరిష్కరించదు

పరిపూర్ణమైన డేటా కూడా AI మోడళ్లను తప్పుదోవ పట్టించవచ్చని విమర్శకులు పేర్కొంటున్నారు. కణాలు వివిధ కణజాల రకాలు, వ్యాధి స్థితిగతులు మరియు రోగుల జనాభా ఆధారంగా మారుతుంటాయి; ఒక సందర్భంలో సేకరించిన డేటాసెట్ అన్నింటికీ వర్తించకపోవచ్చు. భారీ, అధిక-నాణ్యత కలిగిన డేటాసెట్‌లను రూపొందించడం మరియు నిర్వహించడం యొక్క ఖర్చు, మోడళ్లను శిక్షణ ఇవ్వడానికి అయ్యే ఖర్చు కంటే ఎక్కువగా ఉండవచ్చు, ఇది చిన్న సంస్థల కోసం స్కేలబిలిటీ (scalability) ప్రశ్నలను లేవనెత్తుతుంది.

రెగ్యులేటర్లు (Regulators) కూడా ముఖ్యం. మానవ జీవశాస్త్రాన్ని అనుకరించగలమని క్లెయిమ్ చేసే ప్రిడిక్టివ్ AI, చివరికి క్లినికల్ ఫలితాలతో ధృవీకరించబడాలి, ఇది మరింత నిశిత పరిశీలనను పెంచుతుంది. తగిన వాస్తవ ప్రపంచ పరీక్షలు లేకుండా పరిశ్రమ కేవలం in-silico అంచనాలపైనే ఎక్కువగా ఆధారపడితే, ఆశావహమైన డ్రగ్స్ క్లినికల్ ట్రయల్స్‌లో విఫలమైనప్పుడు ఎదురుదెబ్బలు తగిలే అవకాశం ఉంది.

తదుపరి ఏం గమనించాలి

GSK-Relation ప్రయత్నం వాగ్దానం చేసిన స్థాయిలో ఉపయోగకరమైన డేటాను అందించగలదో లేదో రాబోయే కొన్ని నెలల్లో తెలుస్తుంది. కీలక సూచికలు:

  • ఇతర పరిశోధకులు యాక్సెస్ చేయగల (పరిమిత నిబంధనల కింద కూడా) బెంచ్‌మార్క్ డేటాసెట్‌ల ప్రచురణ.
  • సాంప్రదాయ స్క్రీనింగ్ పద్ధతుల కంటే మెరుగ్గా పనిచేసే ప్రారంభ దశ AI మోడల్స్.
  • ఇతర ఫార్మా దిగ్గజాల నుండి తదుపరి పెట్టుబడులు, ఇది డేటా విధానం పునరావృతం చేయదగినదని (replicable) నమ్మకాన్ని సూచిస్తుంది.

ఈ సహకారం హిట్-రేట్ (hit-rate) లేదా సైకిల్ టైమ్‌లో స్పష్టమైన మెరుగుదలలను అందిస్తే, ఇది ఇండస్ట్రీ R&D నిధులను కేటాయించే విధానాన్ని మార్చేలా మరిన్ని ఇలాంటి ఒప్పందాల తరంగానికి దారితీయవచ్చు. దీనికి విరుద్ధంగా, డేటా చాలా అస్పష్టంగా (noisy) ఉన్నా లేదా ఇంటిగ్రేట్ చేయడం ఖరీదైనదిగా ఉన్నా, సంస్థలు AIని సాంప్రదాయ హై-త్రూపుట్ స్క్రీనింగ్‌తో కలిపి ఉపయోగించే హైబ్రిడ్ విధానాలకు తిరిగి వెళ్ళవచ్చు.

సారాంశం

GSK యొక్క హై-ఫిడెలిటీ కణ డేటాపై $110 మిలియన్ల పెట్టుబడి ఒక నిర్ణయాత్మక మలుపును సూచిస్తోంది: AI డ్రగ్ డిస్కవరీలో, అల్గారిథమ్స్ యొక్క పరిమాణం కంటే, మోడల్స్‌కు శిక్షణ ఇచ్చే బయోలాజికల్ సిగ్నల్స్ యొక్క నాణ్యత మరియు ప్రత్యేకతే అత్యంత నిర్ణయాత్మకమైన ప్రయోజనంగా మారుతుంది.