Ini sebenarnya gila sejak AI keluar, setiap model untuk biologi memiliki batasan yang sama: melatihnya pada satu penyakit, itu hanya bekerja pada penyakit itu. melatih kembali untuk obat, pasien, atau jaringan baru. Janji model dasar untuk biologi pada dasarnya tidak ada. Prediksi tembakan nol tidak mungkin. sampai sekarang. Model Arc Institute (Stack) belajar dari kelompok sel, bukan satu per satu. cara LLM melihat kata-kata dalam sebuah kalimat dan bukan secara terpisah, sel menjadi konteks satu sama lain. Anda dapat menunjukkan sel-sel yang diobati dengan obat, dan itu memprediksi seberapa banyak sel yang sama sekali akan merespons obat yang sama. bahkan jika tidak ada yang pernah menjalankan eksperimen itu. bahkan jika jaringan itu tidak pernah terganggu. bahkan jika kombinasi itu tidak pernah ada dalam pelatihan. sel itu sendiri menjadi petunjuk, hanya dari kesimpulan. Anda dapat mengkueri biologi sekarang. "Apa yang akan dilakukan sel hati jika saya memberi mereka obat kanker ini?" dan itu menjawab dengan prediksi ekspresi gen yang sebenarnya. belum sempurna, tetapi cukup baik sehingga mengalahkan metode yang ada di 28 dari 31 tolok ukur (pada dasarnya tidak pernah terdengar di bidang ini di mana mengalahkan 60% dianggap baik). Mereka menggunakannya untuk membangun atlas perturbasi virtual: 28 jaringan manusia, 40 kelas sel, 201 obat. tidak perlu laboratorium. murni in silico. Ketika mereka memvalidasi terhadap eksperimen laboratorium basah nyata, prediksi itu cocok. penemuan obat saat ini berharga $5 juta + dan 2 tahun per percobaan yang mungkin tidak berhasil. sekarang Anda menyaring secara komputasi terlebih dahulu. "Jaringan mana yang akan memiliki efek di luar target?" "Bagaimana sel-sel pasien ini akan merespons secara berbeda?" pertanyaan yang dulunya membutuhkan jutaan hibah sekarang hanya membutuhkan GPU. Perlahan tapi pasti kita memecahkan biologi