細胞AIのために、実験データを共同でつくる

細胞の遺伝子を一つ抑えたら、何が変わるのか。同じ操作を別の細胞に行っても、同じ結果になるのか。

こうした問いを、実験前にある程度予測できるようにする。そのためのデータづくりへ、研究機関、米政府機関、AI企業が共同で投資する。Biohubが進めるVirtual Biology Initiativeだ。計画の説明 ↗

必要なのは、細胞を大量に測った記録だけではない。どんな細胞に、何を加えたり減らしたりすると、どの応答が起きるのかという記録である。条件を変えた実験がなければ、観察された特徴と、操作によって生じる変化を区別しにくい。

米エネルギー省も、計算資源に加え、測定装置や自動実験設備などを使ってこの取り組みに参加する。AIへの投資が、モデルの開発だけでなく、学習させる実験そのものへ向かっている。米エネルギー省発表 ↗

ただ、実験条件をすべて測り尽くすことはできない。そこで問われるのが、ある条件で得た知識を、まだ測っていない条件へ使えるかどうかだ。

Arc Instituteの今年のVirtual Cell Challengeは、その点を試している。参加者に与えられるのは、介入前の細胞の発現情報と、抑制する遺伝子の情報。対象の細胞で実際に起きた介入後の変化は、答え合わせに使われる。競技の説明 ↗

このモデルが、細胞の状態と遺伝子への介入、その結果として起きる変化の関係を学習し、未測定の条件でも応答を予測できるようになれば、実験しやすい細胞で得た知識を、試料の少ない細胞や培養が難しい病態の研究にも使える範囲が広がる。そのためには、学習に使った細胞とは異なる条件で、予測がどこまで成り立つかを確かめる必要がある。

今回の取り組みを見る際には、データ件数だけを追っても十分ではない。どの細胞や介入が加わり、それまで予測できなかった条件をどこまで扱えるようになったか。研究費の規模を、科学的な進歩へ読み替えるには、そこを見ていきたい。