جنریٹو اے آئی اور بائیوٹیکنالوجی کا ملاپ بڑے پیمانے پر سرمایہ کاری کو اپنی جانب کھینچ رہا ہے کیونکہ صف اول کے محققین عام مقصد کے LLM کے کام کو چھوڑ کر سائنسی اطلاقات کی طرف منتقل ہو رہے ہیں۔ رپورٹ کے مطابق، OpenAI کے محقق مائلز وانگ ایک ایسا منصوبہ شروع کرنے کی تیاری کر رہے ہیں جو جدید اے آئی ماڈلنگ کے ذریعے ادویات کی دریافت (drug discovery) کے عمل کو مکمل طور پر بدل دے گا۔

OpenAI سے بائیوٹیک کی طرف ایک بڑا قدم

وانگ، ہارورڈ سے کمپیوٹر سائنس میں گریجویٹ ہونے والے محقق جنہوں نے 2024 میں OpenAI میں شمولیت اختیار کی تھی، 2 ارب ڈالر کی ویلیویشن پر 200 ملین ڈالر جمع کرنے کے لیے مذاکرات کر رہے ہیں۔ انہوں نے کچھ اعداد و شمار پر اختلاف کیا ہے، لیکن ان کی روانگی وسیع پیمانے پر اے آئی لیبز سے زیادہ اثر انگیز سائنسی شعبوں کی طرف بڑھتی ہوئی "دماغی ہجرت" (brain drain) کو اجاگر کرتی ہے۔

یہ اسٹارٹ اپ کئی دیگر OpenAI محققین کو بھرتی کرنے کا منصوبہ رکھتا ہے، جس سے حیاتیاتی دریافتوں کو خودکار بنانے پر مرکوز ایک مخصوص ٹیلنٹ پول تیار ہوگا۔ یہ قدم چیٹ بوٹس سے ہٹ کر ایسے ماڈلز کی طرف منتقلی کا اشارہ ہے جو مالیکیولر بیالوجی کی پیچیدگیوں کو سمجھنے کی صلاحیت رکھتے ہوں۔

ادویات کے دوبارہ استعمال اور مالیکیولر پیش گوئی کو نشانہ بنانا

بالکل نئی کیمیائی اشیاء کی تلاش کے بجائے، وانگ کا منصوبہ ان اے آئی ماڈلز پر توجہ مرکوز کر سکتا ہے جو موجودہ، ایف ڈی اے (FDA) سے منظور شدہ ادویات کے نئے استعمالات کو بے نقاب کریں اور ان مرکبات کو دوبارہ زندہ کریں جو کلینیکل ٹرائلز میں ناکام ہو گئے تھے۔

ادویات کا دوبارہ استعمال (Drug repurposing) ایک واضح تجارتی برتری فراہم کرتا ہے: حفاظتی جانچ پہلے ہی مکمل ہو چکی ہوتی ہے، اس لیے نئی ادویات کی تیاری (de novo drug development) کے مقابلے میں آمدنی کا راستہ نمایاں طور پر مختصر ہو جاتا ہے۔ اے آئی کا استعمال کرتے ہوئے یہ پیش گوئی کرنا کہ مالیکیولز مختلف حیاتیاتی اہداف (biological targets) کے ساتھ کیسے جڑتے ہیں، اس اسٹارٹ اپ کو برسوں کے لیبارٹری کام سے بچا سکتا ہے۔

اے آئی-بائیوٹیک سیکٹر کی دھماکہ خیز ترقی

وانگ کا ویلیویشن ہدف تیزی سے بڑھتی ہوئی مارکیٹ کی عکاسی کرتا ہے۔ اے آئی پر مبنی لائف سائنس کے شعبے پر پہلے ہی بڑے نام حاوی ہیں:

  • Chai Discovery: مالیکیولر تعاملات (molecular interactions) کی پیش گوئی کرنے والے ماڈلز بنانے کے لیے 3.8 ارب ڈالر کی ویلیویشن پر 400 ملین ڈالر جمع کیے۔
  • Isomorphic Labs: گوگل ڈیپ مائنڈ (Google DeepMind) سے نکلنے والا ایک ادارہ جس نے اے آئی پر مبنی ادویات کی دریافت کے لیے مئی میں 2.1 ارب ڈالر کی سیریز بی (Series B) فنڈنگ حاصل کی۔

یہ سودے ظاہر کرتے ہیں کہ لائٹ سپیڈ (Lightspeed) جیسی وینچر فرمز—جن کے بارے میں کہا جا رہا ہے کہ وہ وانگ کے راؤنڈ میں اہم کردار ادا کرنے کی کوشش کر رہی ہیں—اے آئی سے لیس بائیولوجی کو سب سے منافع بخش سرحدوں میں سے ایک سمجھتی ہیں۔

اے آئی کے منظر نامے کے لیے یہ کیوں اہم ہے

ادویات کی دریافت میں مخصوص اے آئی، گفتگو کو تجریدی اے جی آئی (AGI) مباحثوں سے نکال کر ٹھوس اطلاقی اے آئی کے نتائج کی طرف لے جاتی ہے۔ جب وانگ جیسے محققین OpenAI میں نکھارے گئے اسکیلنگ قوانین (scaling laws) اور ٹرانسفارمر آرکیٹیکچرز کو حیاتیاتی ڈیٹا سیٹس پر منتقل کرتے ہیں، تو وہ سائنسی پیش رفت کو تیز کر دیتے ہیں۔ اے آئی کی قدر کی تخلیق کی اگلی لہر ممکنہ طور پر طبیعی علوم (physical sciences) کے ساتھ عمودی انضمام (vertical integration) پر منحصر ہوگی۔

اہم نکات

  • بڑے پیمانے پر سرمایہ کاری کا بہاؤ: وانگ اے آئی ادویات کی دریافت کے اسٹارٹ اپ کے لیے 2 ارب ڈالر کی ویلیویشن پر 200 ملین ڈالر تلاش کر رہے ہیں۔
  • تزویراتی توجہ: یہ منصوبہ ادویات کے دوبارہ استعمال کو ترجیح دے گا، جس میں موجودہ ایف ڈی اے سے منظور شدہ ادویات کے لیے نئے کلینیکل استعمالات تلاش کرنے اور مارکیٹ تک پہنچنے کے وقت کو کم کرنے کے لیے اے آئی کا استعمال کیا جائے گا۔
  • مقابلاتی منظر نامہ: یہ اسٹارٹ اپ Chai Discovery اور Isomorphic Labs جیسے اعلیٰ قدر کے کھلاڑیوں کے ساتھ کام کرے گا، جو اے آئی پر مبنی لائف سائنسز کی طرف وی سی (VC) کے مضبوط رجحان کو اجاگر کرتا ہے۔

سابق OpenAI محقق مائلز وانگ ایک نئے اے آئی پر مبنی ادویات کے دوبارہ استعمال کے اسٹارٹ اپ کے لیے 2 ارب ڈالر کی ویلیویشن پر 200 ملین ڈالر حاصل کرنے کی کوشش کر رہے ہیں۔ اگر یہ راؤنڈ مکمل ہو جاتا ہے، تو یہ منصوبہ ان چند بائیوٹیک-اے آئی اداروں میں شامل ہو جائے گا جنہوں نے پہلے ہی اربوں ڈالر راغب کیے ہیں، جو اس بات کی نشاندہی کرتا ہے کہ "بائیولوجی کے لیے اے آئی" کے منصوبوں میں سرمایہ کتنا تیزی سے بہہ رہا ہے۔

ایل ایل ایم (LLMs) سے مالیکیولز تک

وانگ نے ہارورڈ سے کمپیوٹر سائنس کی ڈگری حاصل کرنے کے بعد 2024 میں OpenAI میں شمولیت اختیار کی۔ ذرائع کا کہنا ہے کہ وہ اب مالیکیولر سائنس پر وہی اسکیلنگ ٹرکس (scaling tricks) لاگو کرنے کا منصوبہ رکھتے ہیں، اور کئی OpenAI سابقہ ملازمین کو ایک ایسی ٹیم بنانے کے لیے بھرتی کر رہے ہیں جو موجودہ ادویات کے نئے استعمال کی تلاش کو خودکار بنا سکے۔

یہ پیش رفت عام مقصد کے اے آئی لیبز سے مخصوص سائنسی شعبوں کی طرف بڑھتی ہوئی وسیع تر "دماغی ہجرت" کی عکاسی کرتی ہے۔ محققین ٹرانسفارمر آرکیٹیکچرز—جو اصل میں متن کے لیے بنائے گئے تھے—کو پروٹین کے ڈھانچے، جین کی اظہار (gene expression) اور کیمیائی تعاملات کے کہیں زیادہ پیچیدہ ڈیٹا پر لاگو کرنے کا موقع دیکھ رہے ہیں۔

ادویات کا دوبارہ استعمال کیوں؟

زیادہ تر بائیوٹیک اسٹارٹ اپ نئے مرکبات کی تلاش میں رہتے ہیں، ایک ایسا راستہ جس میں گولی مارکیٹ تک پہنچنے سے پہلے ایک دہائی لگ سکتی ہے اور اربوں ڈالر خرچ ہو سکتے ہیں۔ وانگ کا منصوبہ ایک شارٹ کٹ کا ہے: اے آئی کا استعمال کرتے ہوئے ان ادویات کے لیے نئے علاج کے زاویے تلاش کرنا جو پہلے ہی ایف ڈی اے سے منظور شدہ ہیں یا ناکام ٹرائلز کے بعد روک دی گئی ہیں۔ موجودہ حفاظتی ڈیٹا ریگولیٹری عمل کو آسان بناتا ہے، اور آمدنی کا وقت نمایاں طور پر کم ہو سکتا ہے۔

بنیادی ٹیکنالوجی یہ پیش گوئی کرے گی کہ ایک مالیکیول مختلف حیاتیاتی اہداف کے ساتھ کیسے جڑتا ہے، اور بیماریوں کے غیر متوقع روابط کی نشاندہی کرے گی۔

اے آئی-بائیوٹیک فنڈنگ کا اضافہ

وانگ کی مطلوبہ مالیت کوئی غیر معمولی بات نہیں ہے۔ Chai Discovery نے مالیکیولر تعاملات (molecular interactions) کی پیش گوئی کرنے والے ماڈلز بنانے کے لیے 3.8 بلین ڈالر کی مالیت پر 400 ملین ڈالر کے فنڈز حاصل کرنے کا اعلان کیا ہے۔ Google DeepMind سے الگ ہونے والا ادارہ Isomorphic Labs بھی اسی مقصد کے لیے مئی میں 2.1 بلین ڈالر کی Series B فنڈنگ حاصل کرنے میں کامیاب رہا۔ دونوں کمپنیوں نے اعلیٰ درجے کی وینچر فرمز کو اپنی طرف متوجہ کیا ہے، اور اطلاعات کے مطابق Lightspeed وانگ کے فنڈ ریزنگ راؤنڈ کی قیادت کرنے کے لیے بات چیت کر رہا ہے۔

کس چیز پر نظر رکھنی چاہیے

اسٹارٹ اپ کے پہلے سائنسی سنگ میل بھی اتنے ہی اہم ہوں گے۔

خلاصہ

مائلز وانگ کی 2 بلین ڈالر کی AI سے لیس ڈرگ ری پرپزنگ (drug-repurposing) کمپنی بنانے کی کوشش یہ واضح کرتی ہے کہ سرمایہ کس تیزی سے عام لارج لینگویج ماڈلز کے کام سے ہٹ کر مخصوص سائنسی ایپلی کیشنز کی طرف منتقل ہو رہا ہے۔ یہ منصوبہ موجودہ ادویات کو نئے طریقے سے استعمال کر کے نئی تھراپیز کی فراہمی کو تیز کر سکتا ہے، لیکن اسے ڈیٹا کی حدود، ریگولیٹری نگرانی اور ٹیلنٹ کی کمی جیسے مسائل پر قابو پانا ہوگا۔ آیا یہ اسٹارٹ اپ AI-biotech کے عروج کی ایک نمایاں مثال بنے گا یا نہیں، اس کا انحصار ماڈل کی پیش گوئیوں کو حقیقی دنیا کے کلینیکل نتائج میں بدلنے کی اس کی صلاحیت پر ہوگا۔