Nové přístupy v genetickém mapování pro rozvoj léčiv
Společnost Basecamp Research oznámila spuštění iniciativy Trillion Gene Atlas. Cílem této rozsáhlé snahy je shromažďovat a modelovat genetické informace v dosud nevídaném měřítku. Ambicí je rozšířit známou evoluční genetickou rozmanitost stonásobně, a to sběrem genomických dat z více než 100 milionů druhů na tisících místech po celém světě. Předpokládá se, že tato data mohou hrát roli v novém formování způsobu objevování terapií, včetně těch zaměřených na stárnutí.
Současné limitace umělé inteligence v biologii
Přestože umělá inteligence (AI) přináší významný potenciál pro objevování léčiv, její modely jsou v biologii často limitovány rozsahem dat, na kterých jsou trénovány. Představitelé Basecamp Research uvádějí, že současné biologické modely AI se opírají o velmi omezený segment životních forem na Zemi. Podle společnosti je přibližně 80 % těchto modelů trénováno na veřejných repozitářích obsahujících méně než 250 milionů sekvencí. Tato omezená data mohou bránit AI v plném pochopení komplexních biologických procesů, což je relevantní zejména pro výzkum dlouhověkosti. Stárnutí je totiž považováno za soubor procesů, které se projevují různě u jednotlivých jedinců, včetně chronického zánětu, poškození buněk a snižující se imunitní funkce.
Rozšíření biologické databáze a nové schopnosti modelů
Společnost Basecamp Research tvrdí, že její vlastní proprietární genomická databáze, nazvaná BaseData, je již více než desetkrát větší než všechny veřejné zdroje dohromady. Jejich základní modely EDEN foundation models, představené v lednu, byly trénovány na 10 miliardách genů, které byly pro vědu nové, napříč jedním milionem nově objevených druhů. Basecamp Research naznačuje, že budoucí pokrok v terapeutické AI může vycházet z radikálního rozšíření samotné biologické knihovny.
Při trénování modelů EDEN na širším a rozmanitějším datovém souboru společnost zaznamenala, že modely začaly vykazovat schopnost navrhovat různé terapeutické látky přímo na základě popisu nemoci. V rámci interně reportovaných laboratorních validací modely EDEN údajně prokázaly aktivitu v primárních lidských T-buňkách bez potřeby lidských nebo klinických dat. Modely EDEN rovněž generovaly „hity“ napříč několika terapeutickými přístupy, včetně AI-Programmable Gene Insertion (aiPGI) pro vkládání zdravých genů a cílených antimikrobiálních peptidů, s nahlášenou 97% úspěšností proti prioritním patogenům. Je však třeba poznamenat, že tyto údaje představují rané fáze výzkumu a vývoje a přechod od laboratorních výsledků ke klinickým terapiím je komplexní proces.
Důsledky pro výzkum dlouhověkosti
Trillion Gene Atlas sám o sobě nepovede přímo k objevu léku na dlouhověkost, ani magicky nevyřeší náročné translační práce oddělující AI navržené molekuly od skutečných terapií. Nicméně tento směr vývoje je v oblasti výzkumu dlouhověkosti považován za důležitý signál. Iniciativa se zaměřuje na základní problém, jímž je možnost, že stávající modely biologie jsou nedostatečné pro komplexnost samotného stárnutí. Rozšířením biologického kontextu se očekává, že AI bude moci lépe navrhovat intervence napříč mnoha oblastmi nemocí, včetně chronických stavů souvisejících s věkem. Pro pokrok ve výzkumu dlouhověkosti je důležité vytvářet komplexnější biologické mapy a posouvat hranice poznání.