استارتآپ EvolutionaryScale موفق به توسعۀ هوش مصنوعی ESM3 شده است، که آن را به عنوان یک «مدل مرزی» برای زیستشناسی توصیف میکند. این مدل هوش مصنوعی میتواند پروتئینهایی را برای استفاده در کشف دارو و علم مواد ایجاد کند.
به گزارش تکناک، طراحی پروتئینها میتواند مکانیسمهای یک بیماری از جمله راههایی برای کُند کردن یا از بین بردن آن را آشکار کند، همچنین ایجاد پروتئینها میتواند به گروههای کاملاً جدیدی از داروها، ابزارها و درمانها منجر شود. امّا روند فعلی طراحی پروتئینها در آزمایشگاه، هم از نظر محاسباتی و هم از نظر منابع انسانی پرهزینه است.
استارتآپ EvolutionaryScale روز سهشنبه اعلام کرد که توانسته است حدود 142 میلیون دلار بودجه به رهبری نات فریدمن، مدیرعامل سابق GitHub، دانیل گراس و لوکس کپیتال با مشارکت آمازون و NVentures که سرمایهگذار شرکت انویدیا است، جمعآوری کند.
الکساندر ریوز، یکی از بنیانگذاران و دانشمند ارشد استارتآپ EvolutionaryScale، گفت: ESM3 گامی به سوی آیندۀ زیستشناسی است، که در آن هوش مصنوعی به عنوان ابزاری برای مهندسی استفاده میشود و از روشی بهره میبرد که ما ساختارها، ماشینها و ریزتراشهها را مهندسی میکنیم و برنامههای رایانهای را مینویسیم.
ریوز، همراه با تام سرکو و سال کاندیدو، در سال 2019 در آزمایشگاه تحقیقاتی هوش مصنوعی متا به نام FAIR، شروع به توسعۀ مدلهای هوش مصنوعی مولد برای کشف پروتئین کردند. پس از انحلال گروه آنها، ریوز، سرکو و کاندیدو، متا را ترک کردند تا به کار خود ادامه دهند.
طراحی یک پروتئین مستلزم ایجاد ساختاری است که میتواند بهطور منطقی یک کار را در داخل بدن یا در یک محصول انجام دهد، سپس یافتن یک توالی پروتئین یا توالی اسیدهای آمینهای است که یک پروتئین را میسازند و به احتمال زیاد در ساختار “تا” میشود. پروتئینها باید به درستی به اشکال سهبُعدی تا شوند تا عملکرد مورد نظر خود را انجام دهند.
به گفتۀ ریوز، ESM3 که بر روی مجموعه دادهای از 2.78 میلیارد پروتئین آموزش دیده است، میتواند توالی، ساختار و عملکرد پروتئینها را استدلال کند که این مدل را قادر میسازد تا به تولید پروتئینهای جدید بپردازد.
استارتآپ EvolutionaryScale ادعا میکند که از ESM3 برای تولید نوع جدیدی از پروتئین فلورسنت سبز (GFP) استفاده کرده است، که مسئول درخشش عروسهای دریایی و رنگهای درخشان در مرجان میباشد. یک مقالۀ پیشچاپ شده در وبسایت این شرکت جزئیات کار این مدل را نشان میدهد.
ریوز گفت: ما برای مدت طولانی بر روی این موضوع کار کردهایم و خیلی هیجانزده هستیم که آن را با جامعۀ علمی به اشتراک بگذاریم و ببینیم دانشمندان دیگر با آن چه میکنند.
البته استارتآپ EvolutionaryScale یک مؤسسۀ خیریه نیست. این شرکت که حدود 20 نفر کارمند دارد، به دنبال این است تا با ترکیب کردن شراکت، هزینههای استفاده و اشتراک، کسب درآمد کند. برای مثال، امکان دارد EvolutionaryScale با شرکتهای داروسازی برای ادغام ESM3 در جریانهای کاری خود، یا اشتراک درآمد با محققان برای اکتشافات موفقیتآمیز تجاریسازی شده با استفاده از ESM3 همکاری کند.
به این منظور، استارتآپ EvolutionaryScale اعلام کرده است که به زودی ESM3 و مشتقات آن را از طریق پلتفرم توسعهدهندۀ هوش مصنوعی SageMaker که ارائهدهندۀ فضای ابری میباشد، پلتفرم هوش مصنوعی Bedrock و سرویس HealthOmics به مشتریان منتخب AWS ارائه میدهد. همچنین ESM3 برای مشتریان منتخب با استفاده از میکروسرویسهای NIM انویدیا که با مجوز نرمافزار سازمانی Nvidia پشتیبانی میشوند، در دسترس خواهد بود.
به گفتۀ این استارتآپ مشتریان AWS و Nvidia میتوانند ESM3 را با استفاده از دادههای خود بهطور دقیق تنظیم کنند.
ممکن است مدتی طول بکشد تا استارتآپ EvolutionaryScale به سود برسد. این استارتآپ بارها تأکید کرد که امکان دارد یک دهه طول بکشد تا مدلهای هوش مصنوعی مولد به طراحی درمانها کمک کنند. این شرکت همچنین باید از رقابت با اسپین آف DeepMind، Isomorphic Labs که قبلاً با شرکتهای بزرگ داروسازی و Insitro، Recursion و Inceptive قرارداد دارد، جلوگیری کند.
برگ برندۀ بزرگ استارتآپ EvolutionaryScale این است که آموزش مدل خود را برای ترکیب دادههای فراتر از پروتئینها و ایجاد یک مدل هوش مصنوعی همه منظوره برای برنامههای بیوتکنولوژی افزایش دهد.
یکی از سخنگویان این شرکت گفت: سرعت باورنکردنی پیشرفتهای جدید هوش مصنوعی توسط مدلهای بزرگتر، مجموعه دادههای بزرگ و افزایش قدرت محاسباتی هدایت میشود. در زیستشناسی نیز همین موضوع صادق است. در تحقیقات پنج سال گذشته، تیم توسعهدهندۀ ESM مقیاسپذیری را در زیستشناسی بررسی کرده است. ما متوجه شدیم که مدلهای زبان بزرگ درک درستی از اصول اساسی زیستشناسی ایجاد و ساختار و عملکرد بیولوژیکی را کشف میکنند.
