AI

生物学研究AIが膵臓がんの細胞状態を変える化合物を選別

この記事のポイント

  1. 実現したこと

    生物学研究AIのQuineは、膵臓がんの細胞状態を変える可能性に基づき、数千種類の化合物を優先順位付けした。

  2. 実現の仕組み

    配列や構造、細胞状態、画像などを共同学習し、ある種類のデータを別の種類に関する予測へ利用する。

  3. 得られた結果

    Microsoftは、上位候補の複数をBroad Instituteの研究者と複数の実験的評価で検証したとしている。

  4. 従来との違い

    Quineは、分野別の専門モデルを連携させる方式とは異なり、異なるデータ種の表現を共同学習する構成を採用した。

明るい研究室のベンチに、配列・分子構造・細胞状態・顕微鏡画像を示す図案のシートと多数の化合物瓶が並び、絞り込まれた瓶のそばに状態を幾何学模様で表したアッセイプレートが置かれている。
AI生成画像

生物学研究AIのQuineが、膵臓がんの細胞状態を変える可能性のある化合物を数千種類から優先順位付けした。Microsoftによると、上位候補の複数を実験で検証した。異なる生物学データの共同学習を、実験候補の選別へつないだ。

配列から細胞画像までを共通表現で結ぶ

Microsoftが開発するQuineは、生物学の異なる種類のデータを横断する研究用AIシステムだ。中核となる世界モデルは、生物学的な状態や介入による変化を予測するため、配列、構造、機能、細胞状態、画像データにまたがる共通表現を学習する。

Microsoftによると、これらを共同学習することで、ある種類のデータから得た証拠を、別の種類のデータに関する予測へ利用することができる。分野別の専門モデルを個別に動かして連携させる方式に対し、Quineは異なるデータ種の関係をモデルの学習段階で取り込む構成を採用した。

予測を実験設計へ渡し、測定結果を戻す

世界モデルの予測を研究に使うため、Quineは処理の統括や推論を担うモデル、科学ツール、文献、研究者へ接続する実行基盤を備える。この基盤が、モデルによる計算と研究者の作業を結び付ける。

研究者の問いは候補案となり、そこから実験で試す設計へ進む。実験から得た測定結果を次の問いとモデルへ戻す循環によって、計算上の候補生成と実際の実験を接続する構成だ。

膵臓がんの細胞状態を標的に数千種類を順位付け

この候補選別を適用した対象が、膵臓がんの一種である膵管腺がんだ。Microsoftと研究機関Broad Instituteの研究者は、腫瘍の挙動や薬剤への反応が遺伝的特徴だけでなく、転写に関わる細胞状態にも依存するという仮説を、患者由来の体外実験モデルで調べている。

この研究でQuineが評価したのは、化合物によって腫瘍細胞を治療上意味のある状態間で移行させる可能性だった。その可能性に基づき、数千種類の化合物を予測・優先順位付けし、実験で調べる候補を選別した。

上位候補を複数の実験的評価で検証

Microsoftによると、Broad Instituteの研究者との共同研究では、Quineが上位に順位付けした化合物の複数を、複数の実験的評価で検証した。AIによる順位付けから候補を選び、その候補を実験で確かめる段階まで進めた。

この検証は、研究用の化合物選別に関する成果である。Quineは研究専用の実験的技術として位置付けられており、臨床・医療用途を目的としていない。