Microsoft Research представила Quine — ИИ-систему для изучения сложных процессов в биологии

Зачем нужна система

Более двух десятилетий Microsoft Research занимается исследованиями на стыке вычислительной биологии и других областей. В эту работу входили иммунология, вирусология, геномика, биомедицинская визуализация, клеточная биология и белковая инженерия. Она привела к появлению базовых методов, новым научным результатам и технологиям, которые дошли до клиник, в том числе для диагностики редких и инфекционных заболеваний и выявления биомаркеров рака.

Опыт этих исследований показал, что биология не делится на аккуратные отдельные области так, как часто устроены модели и инструменты. Гены влияют на белки, белки взаимодействуют внутри клеток, клетки формируют ткани, а результаты экспериментов меняют знания учёных и их следующие вопросы. Поэтому для решения сложных биологических задач мало создавать всё более способные модели отдельных наборов данных или задач. Нужны системы, которые связывают знания разных масштабов и типов данных, рассуждают об экспериментах и свидетельствах и участвуют в цикле, через который развивается наука.

Microsoft Research представила Quine как исследовательский проект, развивающий долгосрочное видение системы для научных открытий. Quine объединяет модель мира биологии с инструментами, которые связывают её с научными публикациями, лабораторными экспериментами и работающими с системой исследователями.

Ограничения экспериментов

Экспериментальные методы совершенствуются, а лаборатории могут проводить больше исследований, но биология по-прежнему ограничена временем и сложностью. Природные процессы нельзя ускорить или вывести из первых принципов. Эксперименты требуют времени, циклы проверки гипотез длинные, а важные вопросы часто затрагивают взаимодействия, множество возможных сочетаний и отдалённые последствия, которые невозможно изучить только экспериментально.

Одновременно развитие машинного обучения, в особенности появление универсальных базовых моделей и моделей рассуждения, которые способны поэтапно работать над задачами, открывает новые возможности. Такие системы начинают не только распознавать закономерности, но и объединять сведения из разных областей, рассуждать об абстрактных понятиях и поддерживать последовательное решение задач. Многие методы, созданные для работы с человеческим языком, оказались применимы и к биологии: они позволяют моделям учиться представлять биологические системы на разных типах данных и масштабах.

Это привело исследователей к вопросу: как создать модель мира для биологии? Так называют систему, которая описывает состояние биологического объекта, предсказывает, как оно изменится после вмешательства, и оценивает последствия такого вмешательства на несколько шагов вперёд. Она не должна заменять эксперименты. Её задача — помочь с помощью вычислений изучать возможные пути, предлагать варианты, ранжировать их и выбирать приоритетные до того, как будут потрачены ограниченные лабораторные ресурсы. В перспективе учёные, модели и эксперименты должны работать в непрерывном ускоряющемся цикле.

Что умеет Quine

Quine — первый шаг Microsoft к этой системе. В него входят модель мира биологии и связующий слой, который соединяет её с моделями для координации работы и рассуждения, научными инструментами, публикациями и командами исследователей.

Основу проекта составляет модель мира, которая учится создавать общие представления для разных типов и масштабов биологических данных: последовательностей, структур, функций, состояний клеток и изображений. Quine обучается на этих данных совместно и может использовать сведения одного типа, чтобы делать прогнозы по другому. Так модель выявляет связи, которые могли бы потеряться, если бы система по отдельности подключала специализированные модели для каждой области. Такой подход отражает устройство самой биологии: чтобы понять один её уровень, нужен контекст других. По результатам команды, обучение на связанных представлениях не снижает качество, а помогает модели лучше обобщать данные и справляться с более широким кругом задач биологического рассуждения.

В единой системе, которая поддерживает вычислительные эксперименты и учитывает результаты предыдущих попыток, исследователи могут строить прогнозы для разных типов данных и оценивать последствия биологических вмешательств до лабораторной проверки. Модель мира не обязана быть совершенной — и не сможет полностью описать биологию. Достаточно, чтобы она помогала планировать эксперименты.

Пример из исследований рака

Конкретный пример — работа с протоковой аденокарциномой поджелудочной железы, или PDAC, самой распространённой формой рака поджелудочной железы и одной из наиболее сложных для лечения. В сотрудничестве с исследователями Broad Institute при MIT и Гарварде Microsoft несколько лет развивала и применяла модели ex vivo, созданные на основе образцов пациентов. Команда проверяла давнюю гипотезу: поведение опухоли и её реакция на лекарства зависят не только от генетики, но и от транскрипционного состояния клеток. При PDAC опухолевые клетки могут находиться в разных состояниях, связанных с реакцией на лечение.

С помощью Quine исследователи проверили, могут ли негeнетические свойства рака — прежде всего состояние клеток — стать мишенями для терапии. Система спрогнозировала и расставила по приоритету тысячи соединений, оценивая их способность переводить опухолевые клетки из одного значимого для лечения состояния в другое. В лабораторных экспериментах с переходом из классического состояния в базальное соединения, получившие наиболее высокие оценки Quine, вызвали самые выраженные ожидаемые изменения. Весь путь от быстрого сокращения списка соединений до выбора нескольких перспективных кандидатов для лабораторной проверки занял одни выходные. По оценке авторов, это может сэкономить месяцы экспериментов и значительные исследовательские расходы. Некоторые из наиболее сильных эффектов вызвали соединения с неожиданным механизмом действия. Это стало ранним свидетельством того, что ИИ может находить новые возможности для перепрофилирования лекарств и разработки препаратов.

Обратный переход — из базального состояния в классическое — оказался сложнее. Quine заранее предсказала, что доступные соединения вызовут более слабый эффект. Кроме того, эксперименты выявили результат, которого исследователи не ожидали в полной мере: система предсказала, что несколько соединений будут последовательно переводить клетки к отдельному, третьему фенотипу. Лабораторные данные подтвердили этот прогноз. Значит, разнообразие состояний клеток рака поджелудочной железы не сводится к простой оси между классическим и базальным состояниями. Эксперименты не только проверили гипотезы модели, но и помогли сформулировать новые.

Дальнейшая работа будет включать недавно добавленные наборы данных РНК и задачи, которые помогут описать всё разнообразие состояний, улучшить прогнозы переходов между ними и оценивать уверенность модели. Это позволит учёным выбирать наиболее перспективные гипотезы для лабораторной проверки. Такой цикл и должен поддерживать Quine: каждый раунд экспериментов углубляет понимание биологии, а новые сведения могут стать обучающими данными для следующей версии системы.

Программа Quine Fellows

Microsoft создала Quine, чтобы улучшить собственные научные исследования. По мере развития системы её включали в текущие исследовательские программы. Каждый вопрос, результат эксперимента и неожиданное наблюдение помогали совершенствовать модели и рабочие процессы, а также выяснять, где ИИ может ускорить исследования. Со временем Quine стала важной частью работы над научными открытиями в нескольких областях, включая биологию рака, белковую инженерию, геномику и биовизуализацию.

Теперь Microsoft хочет развивать проект вместе с внешними исследователями. Многие решения о дальнейшем направлении Quine требуют знаний, творческого подхода и разных точек зрения научного сообщества. Поэтому компания открывает программу Quine Fellows: учёные, работающие на переднем крае биологии и медицины, смогут напрямую пользоваться системой.

Разработчики заявляют, что будут уделять первостепенное внимание безопасности, защищённости и ответственному управлению. Развитие и предоставление доступа к Quine будет проходить поэтапно. На первом этапе система доступна участникам программы Quine Fellows и отдельным исследовательским группам. За развитием будут следить с помощью внутренних проверок и встроенных мер защиты. По мере совершенствования технологии Microsoft рассчитывает расширить доступ через продукты вроде Microsoft Discovery.

Прогресс ИИ в биологии можно оценивать по бенчмаркам и рейтингам, но для Quine важнее её работа в реальных научных условиях. Может ли она помогать, когда данных не хватает, а вопрос ещё никто не задавал? Сократит ли она путь от вопроса до открытия?

Цель команды — чтобы со временем Quine стала привычным инструментом научной работы и оставалась на заднем плане, пока наука движется быстрее. В центре должны быть учёные, эксперименты и открытия.

Авторы

Николо Фузи

Джонатан М. Карлсон