微软Quine AI将药物筛选从数月缩短至一个周末
微软Quine AI将药物筛选从数月缩短至一个周末
如果你能在周一早上之前测试数千种药物化合物会怎样？这就是Quine背后的承诺，这是微软研究院的新AI系统，被称为“生物世界模型”。Quine不仅仅是处理数字，它还试图在生物学从分子到细胞再到整个组织的混乱、相互关联的尺度上进行推理。
两个大脑，一个使命
Quine不是一个单一模型。它由两个协同工作的部分组成。第一个是在大量生物数据上训练的基础模型：基因组、蛋白质、化学结构、RNA、细胞状态和显微镜图像。可以把它看作生命知识的统一地图。第二部分是一个交互式研究平台，它引入科学论文、实验室工具和推理引擎。目标是什么？让科学家在实验室长凳上耗费时间和金钱之前，探索假设并优先安排实验。
改变项目的一个周末
真正的证据来自与哈佛大学和麻省理工学院布罗德研究所的合作。该团队正在研究胰腺导管腺癌——一种众所周知的难治癌症。使用Quine，他们筛选了数千种候选化合物，并在一个周末内从初始靶点筛选推进到湿实验室验证。这个过程通常需要数月。
但最大的惊喜不是速度。Quine还预测了一个先前被忽视的细胞状态——一个之前没有人标记过的状态。湿实验室结果支持了这一预测，证实了细胞状态转化假说和AI的意外发现。一个模型加速已知工作是一回事；引导研究人员发现他们错过的东西是另一回事。
尚未为你的医生办公室做好准备
微软对Quine的使用非常谨慎。该公司为研究人员启动了一个Quine Fellows项目，并计划未来将该系统纳入其更广泛的Microsoft Discovery平台。但目前，Quine被严格定位为实验性研究助手。它不用于临床决策。换句话说，它不会很快诊断患者或开具治疗方案。
为什么这很重要
Quine代表了生成式AI在科学领域所能做的事情的转变。我们已经看到AI在单点任务上表现出色——折叠蛋白质、预测分子特性、分类图像。Quine的目标更高：系统级推理，连接生物学众多层次之间的点。如果成功，它可能成为研究基础设施的一部分，而不仅仅是一个花哨的工具。
当然，还有未解决的问题。Quine在胰腺癌之外的泛化能力如何？它的预测能否在不同实验室和数据集上保持？研究人员会信任一个有时发现他们未要求的东西的模型吗？这些答案将随着时间和更多实验而来。
不过，目前从周末到验证的故事是一个引人注目的暗示。药物发现长期以来一直是一场充满死胡同和昂贵失败的马拉松。如果AI能帮助研究人员更快地找到正确的路径——并偶尔指出隐藏的捷径——那是一场值得关注的竞赛。
关键点
- Quine是微软研究院针对生命科学的新“生物世界模型”。
- 它结合了基础模型（在基因组、蛋白质、RNA、细胞图像上训练）和交互式研究平台。
- 在与哈佛大学和麻省理工学院布罗德研究所的胰腺癌研究中，Quine筛选了数千种化合物，并在一个周末内达到湿实验室验证。
- 它还预测了一个先前被忽视的细胞状态，后来在实验室中得到证实。
- Quine不用于临床——它严格来说是一个研究助手。微软计划将其整合到其Discovery平台中。
- 更大的图景：生成式AI正从单任务工具转向系统级科学推理。