Recursionの23,000TB、Warpの$215Mラボ投資

23,000テラバイト超。Nvidiaが2023年に創薬企業へ$50 millionを投資した時点で、これがRecursionの自社データセットの規模だった。Nvidiaはコンピューティングプラットフォームを提供し、Recursionはデータを持ち込んだ。3年後、Warp SciencesはAIとロボットラボを組み合わせるために$215 millionを調達した。

2019年、DeepMindの科学研究に関する報道はタンパク質の形状予測を中心に扱っていた。Warpの創業者で元OpenAIプロダクト責任者のKevin Weilは、ロボットラボを、科学を大規模に実行し、科学モデルのためのデータを生成する手段として説明した。

創薬企業は、異なる優位性の源泉へ向かっている。予測だけでなく、新たな観測を生む実験、それらの観測を使えるものにする記録、そして次の試験につなげる判断を制御することだ。汎用モデルの能力は、入力としてラボに持ち込める。仮説から生物学的証拠に至る再現可能な道筋は、それとともにダウンロードできるものではない。

クラウド提供企業はモデルを提供できても、結果までは提供できない

基盤モデルは、専門家に幅広く訓練された出発点を与え、自社データで適応させることを可能にする。4月、AWSはAmazon Bio Discoveryを開始した。科学者に創薬向けの生物学的基盤モデルへのアクセスを提供するためだ。企業は、生物学に関する計算上の問いを始めるために、すべての予測能力をゼロから構築する必要はなくなった。

それにより、専門企業が説明すべきことは変わる。2社の創薬企業が同等のモデルインフラを使えるなら、投資家や製薬パートナーは、どちらがそこからより良い証拠を得られるかを問わなければならない。各創薬企業は何を測定し、どの候補を前進させるかを決め、その結果を別のチームが再現できることを示さなければならない。モデルへのアクセスは競争に参入するコストを下げる。薬を授けるわけではない。

最先端モデルを所有することは、依然として有力な反論である。Isomorphic LabsはGoogle DeepMindと緊密な関係を保ち、Bloombergは評価額$40 billionから$50 billionでの初期の資金調達協議を報じた。この協議は完了した資金調達ではない。ただし、投資家が特権的なモデル専門性に莫大な価値を置きうることは示している。同じ報道はIsomorphicの臨床入りに向けた進捗について新たな公開情報を示さず、その価値の源泉を将来の治療上の実証と切り分けることは難しいままである。

Biohubはモデルに欠ける観測に資金を投じる

BiohubのVirtual Biology Initiativeは、測定の問題を予算に組み込んでいる。Meta、Google DeepMind、Isomorphic Labsは$300 millionを拠出すると約束した。Department of Energyはラボ測定、モデリング、コンピューティングに5年間で$500 million超を計画している。発表済みの金額を合わせると$800 millionを超える。Biohubは資金、データ、コンピューティング、新たな測定を組み合わせた$1.8 billionについても説明している。このより広い数字には、異なる種類のリソースに加え、発表で言及されたNIHによる過去の$500 million超の投資が含まれる。$1.8 billionの新規現金調達ラウンドではない。

Google DeepMindのPushmeet Kohliは、より優れた予測生物学モデルには前例のない規模の新たな実験データが必要だと述べた。Biohubはマルチモーダルデータセットをオープンに利用可能にすることを目指す。これは民間創薬企業の経済性にとって重要である。公共のイニシアチブが重要な訓練データを誰もが利用できるようにすれば、生物学的データを保有することだけでは、独占性を主張する根拠が弱くなる。

Recursionの23,000TB超のデータセットは規模を示すが、有用な分母がなければバイト数は分子にすぎない。開示された規模からは、何件の実験が比較可能な条件、記録された失敗、再現可能な結果を備えているのかは分からない。次に何を試験するかを決めるラボには、こうした区別が必要だ。なければ、モデルは生物学がどう応答したかのパターンではなく、研究者がたまたま記録したもののパターンを学んでしまう。

ラボはアッセイだけでなく判断も記録しなければならない

Warpが提案するAIとロボティクスの組み合わせは、研究プロセスにおける特定の断絶に対処する。モデルは仮説に順位を付けられる。科学者は、どの順位付けが実験に値するかを選び、アッセイを規定し、観測された応答が当初の問いに関係するかを判断しなければならない。ロボットは大規模な試験の実行を助けられるが、無関係な試験を有益なものにはしない。

各サイクルが次のサイクルを教えるために、ラボに必要なのは陽性か陰性かを記した結果だけではない。提案された仮説、それを選んだ理由、試験を実行した条件、そして失敗した試験を含む結果が必要だ。この記録を解釈する責任は科学者に残る。モデルが信念を更新すべきか、それとも見かけ上の結果にはより適切に制御された実験が必要かは、科学者の判断が決める。

10月の報道は、Warpのラボ処理能力や治療上の検証について何らの指標も示していない。同社がそのサイクルを繰り返し実行できるかどうかは未解決のままである。

資金調達ラウンドは実証の要件を短縮できない

先行するAI創薬企業は、関連するベースレートを示している。Financial Timesは現在のブームを、2010年代半ばに立ち上がったスタートアップが約束を果たせなかった後の復活と説明した。資本は科学者、設備、実験を行う時間に支払える。もっともらしい分子を、宣言だけで検証済みの治療へ変えることはできない。

Insilicoは、より具体的だがなお限定的な試験を示した。同社は、構造の生成にAIの助けを使った薬剤候補rentosertibについて、初期データを報告した。これは主張を分子設計の先へ、生物学で観測されたものへと進める。初期データは決定的な臨床的検証ではない。AIというラベルが最終的に耐えなければならない種類の証拠である。

Recursionはアーカイブを23,000テラバイト超と測定できた。創薬企業はなお、次の実験が実際に何を証明したのかを測定しなければならない。