Biohub 1,8 milliárd dolláros adatgyűjtéssel a sejtek előrejelzésétől a szabályozásukig

A Biohub, az NIH, a DOE, a Google és a Meta összesen 1,8 milliárd dolláros kötelezettségvállalást jelentett be, hogy nagy adathalmazokat hozzanak létre a biológiai AI-modellek betanításához — írja a Latent Space podcast. A bejelentés az új képalkotó és mérési eljárásokra épül, amelyek most érnek be.

A Latent Space beszélgetésében Fabian Theis, a Helmholtz Munich munkatársa — az egyik legbefolyásosabb kutató a virtuális sejt koncepciójának fejlesztésében — azt vázolta, hogy a rendszerbiológia a feltérképezéstől az előrejelzés, majd a szabályozás felé halad. Theis szerint a jelenlegi perturbációs predikciós adatkészletek nem elég nehezek ahhoz, hogy bonyolult algoritmusok indokolják őket.

Miért maradnak alul a modellek az egyszerű alapvonalaktól

A kudarc oka részben a mérőszámokban keresendő. Az Arc Virtual Cell Challenge 2025-ös eredményei szerint sok modell nem győzi le az egyszerű konstans alapvonalakat, amelyek a gének átlagos változását becsülik. Egy friss tanulmány azonban rámutatott, hogy több elterjedt mérőszám rosszul kalibrált, és egy tanulletlen átlagbecslést is jutalmazhat — jobb mérőszámokkal a mélytanulási modellek már felülmúlják az átlagalapvonalat.

Milyen adatok hiányoznak a virtuális sejtekhez

Theis álláspontja szerint a valódi kihívás a nagy pontosságú, többskálás, egymáshoz igazított biológiai adatok gyűjtése: a molekuláktól a sejteken, szöveteken és szerveken át az élőlényekig. A Biohub kezdeményezése pontosan ezt az adathiányt célozza. A szakember ugyanakkor hangsúlyozta, hogy a modellek fejlesztése évek óta folyamatban van, a mostani bejelentés csak most kap nagyobb figyelmet.

A kérdés tehát nem az, hogy működhetnek-e a virtuális sejtek, hanem az, hogy elegendő-e az adat ahhoz, hogy a modellek eljussanak a sejtállapotok szándékos megváltoztatásáig. A Biohub kötelezettségvállalása ezt a célt tűzte ki, 1,8 milliárd dollárral.