Kodėl žmogaus ląstelės programavimas nėra toks paprastas kaip naujos programėlės kūrimas

Daugelį metų technologijų elitas į žmogaus kūną žiūrėjo taip pat, kaip į sugedusį socialinį tinklą ar klaidų pilną operacinę sistemą. Pasakojimas viliojančiai paprastas: jei galime iššifruoti kodą, galime ištaisyti klaidas. Šiame pasaulyje vėžys yra tik loginė klaida, o senėjimas – atminties nutekėjimas. Nors ši perspektyva paskatino milijardines investicijas, biologinė realybė yra daug sudėtingesnė nei bet kuris Silicio slėnio serverių ūkis.

Marko Zuckerbergo ir Priscillos Chan „Biohub“ yra naujausias ir bene ambicingiausias bandymas pritaikyti šią skaičiavimo logiką gyvajam pasauliui. Skirdami 500 mln. JAV dolerių dirbtinio intelekto (DI) modeliams, imituojantiems žmogaus ląsteles, kurti, jie ne tik ieško naujų vaistų; jie bando sukurti skaitmeninę paties gyvenimo simuliaciją. Tačiau už žargono apie „prognostinį modeliavimą“ ir „didelio masto skaičiavimo infrastruktūrą“ turime paklausti: ar programinė įranga tikrai gali suvaldyti kintančią, nepastovią žmogaus biologijos prigimtį?

Skaitmeninis dvynys: virtualaus žmogaus kūrimas

Norėdami suprasti, ką bando padaryti „Biohub“, turime pažvelgti į tai, kaip veikia šiuolaikinis DI. Visi esame susipažinę su dideliais kalbos modeliais (LLM), tokiais kaip „ChatGPT“, kurie mokomi naudojant trilijonus žodžių, kad nuspėtų kitą sakinį. „Biohub“ iniciatyva ląstelę iš esmės traktuoja kaip kalbą. Vietoj žodžių „žodyną“ sudaro genų sekos, baltymų struktūros ir cheminiai signalai.

Sutelkdami didžiulius biologinių duomenų kiekius į galingus NVIDIA superkompiuterius, mokslininkai tikisi sukurti „virtualią ląstelę“. Paprastai tariant, tai būtų skaitmeninis simuliatorius, kuriame mokslininkas galėtų paklausti: „Kas nutiks, jei į plaučių ląstelę įvesime šią cheminę medžiagą?“ Užuot praleidęs trejus metus laboratorijoje su Petri lėkštelėmis, DI per kelias sekundes atliktų milijonus simuliacijų. Tai decentralizuota medicinos ateitis – sunkus atradimų darbas perkeliamas iš fizinės laboratorijos į skaitmeninį debesį.

Tačiau yra esminė kliūtis. Nors internetas suteikė paruoštą duomenų rinkinį DI mokytis anglų kalbos, biologiniai duomenys yra pagarsėję savo nepermatomumu. Šiuo metu mums trūksta didelio tikslumo jutiklių, reikalingų stebėti ląstelės gyvenimą realiuoju laiku molekuliniu lygmeniu. Kaip pažymėjo Alexas Rivesas, „Biohub“ mokslo vadovas, mums reikia kur kas daugiau duomenų, nei jų egzistuoja dabar. Mes ne tik kuriame DI; mes turime išrasti mikroskopus ir jutiklius jam maitinti.

Pramoninės lenktynės dėl biologinio pranašumo

„Biohub“ nėra vienintelis žaidėjas šioje srityje. Stebime sisteminį pokytį, kai didžiosios technologijų įmonės efektyviai absorbuoja farmacijos pramonę. Žvelgiant į bendrą vaizdą, lenktynės dėl ląstelės modeliavimo tapo naujomis „kosmoso lenktynėmis“, kuriose pagrindiniai dalyviai užima skirtingas teritorijas:

Vidutiniam vartotojui ši konkurencija yra dviašmenis kalavijas. Viena vertus, tai pagreitina atradimų tempą. Kita vertus, tai sukuria nepastovią aplinką, kurioje mūsų sveikatos duomenų ateitį vis dažniau valdo tos pačios įmonės, kurios tvarko mūsų el. paštą ir socialinius tinklus.

Kodėl biologija nėra dvejetainė

Istoriškai technologijų pramonė sunkiai dorojosi su „biologinės entropijos“ sąvoka. Kompiuteryje 1 + 1 visada lygu 2. Žmogaus kūne vaistas, kuris išgelbsti vieną žmogų, gali būti toksiškas kitam dėl nedidelių žarnyno mikrobiomos skirtumų ar įtemptos savaitės darbe. Biologija nėra statinis brėžinys; tai atsparus, tarpusavyje susijęs tinklas, reaguojantis į aplinką.

Čia retorika apie „visų ligų išgydymą“ susiduria su didžiausiu iššūkiu. Praktiškai kalbant, net ir tobulas ląstelės modelis nepaaiškina chaotiškos viso žmogaus organizmo prigimties. Naudoti DI kaip nenuilstantį praktikantą, rūšiuojantį milijardus baltymų derinių, yra perversmą sukeliantis ir mokslui pamatinis dalykas, tačiau tai nėra stebuklinga lazdelė.

Kitaip tariant, turėdami tobulą kiekvienos pastato plytos žemėlapį, nebūtinai sužinosite, kaip mieste juda eismas. „Biohub“ sutelkia dėmesį į „plytas“ – ląsteles. Suprasti, kaip tie trilijonai plytų sąveikauja kurdami žmogaus sveikatos „eismą“, yra daug didesnė, sisteminė problema, kurios vien duomenys gali neišspręsti.

„Na ir kas?“ filtras: ką tai reiškia jums

Nors Zuckerbergo tikslas iki šimtmečio pabaigos išgydyti visas ligas skamba kaip mokslinė fantastika, apčiuopiamas poveikis vartotojams jau pradeda ryškėti. Štai kaip šis perėjimas nuo laboratorijos prie nešiojamojo kompiuterio greičiausiai pakeis jūsų gyvenimą ateinantį dešimtmetį:

• Receptų „bandymų ir klaidų“ pabaiga: Šiuo metu daugelis depresijos ar hipertenzijos gydymo būdų apima bandymų ir klaidų laikotarpį. DI ląstelių modeliai leis gydytojams imituoti, kaip jūsų konkrečios ląstelės reaguos į vaistą dar prieš jums išgeriant pirmąją tabletę.
• Sutrumpėję retųjų ligų gydymo terminai: Istoriškai farmacijos įmonės ignoravo retąsias ligas, nes moksliniai tyrimai ir plėtra buvo per brangūs. Kai simuliacijos pakeis 80 % fizinio laboratorinio darbo, specializuotų vaistų kūrimo kaina kris, todėl „našlaitinių“ ligų gydymas taps ekonomiškai perspektyvus.
• Privatumas prieš pažangą: Kad šie modeliai būtų patikimi, „Biohub“ ir jų partneriams reikia jūsų duomenų – jūsų genomo, kraujo žymenų, gyvenimo būdo įpročių. Esmė ta, kad naujos kartos medicinai reikalingas toks biologinis skaidrumas, kurį daugelis gali laikyti invaziniu.

Anapus ažiotažo

Galiausiai į „Biohub“ 500 mln. dolerių investiciją turėtume žiūrėti ne kaip į ateities be ligų garantiją, o kaip į sudėtingesnio įrankių rinkinio kūrimą. Mes traukiamės iš eros, kai medicina buvo pagrįsta spėjimais, link eros, kurioje ji tampa didelės raiškos simuliacija.

Vartotojo požiūriu svarbiausia stebėti ne antraštes apie „visų ligų išgydymą“, o tai, kaip ši technologija integruojama į sveikatos priežiūros tiekimo grandinę. Jei šie DI modeliai veiks, jie teoriškai turėtų sumažinti vaistų kainas, sumažindami 90 % nesėkmių dažnį klinikiniuose tyrimuose. Jei kainos nekris, žinosime, kad efektyvumo didėjimo naudą pasisavina korporacijos, o ne pacientai.

Žvelgiant į 2026 m. ir toliau, DI ir biologijos sankirta išlieka įdomiausia ir sudėtingiausia technologijų riba. Tai primena mums, kad nors galime sukurti mąstančias mašinas, mašinos, kuriose gyvename – mūsų kūnai – vis dar yra sudėtingiausia technologija planetoje. Tikslas yra ne tik „sulopyti“ kodą, bet ir pagaliau suprasti kalbą, kuria jis buvo parašytas.

Šaltiniai:

• Chan Zuckerberg Initiative: Official Research Announcements 2024-2025
• NVIDIA Life Sciences: BioNeMo Platform Specifications
• Nature Biotechnology: The Rise of Predictive Cell Modeling
• Alphabet/Isomorphic Labs: Annual Progress Report on AlphaFold 3