美国政府、科技巨头Google母公司Alphabet (GOOGL-US)与Meta Platforms (META-US)加入由祖克柏夫妇支持的非营利研究机构Biohub, 共同推动总规模达18亿美元的「虚拟生物学计划」(Virtual Biology Initiative), 目标是创建大规模、可供人工智能(AI)训练的生物学开放数据集, 让AI模型能够预测细胞在不同条件下的反应, 进一步加速药物研发与生物医学研究。

这项计划的内核在于解决AI进入生物学领域所面临的关键瓶颈:数据不足。Biohub科学主管Alex Rives指出, 目前细胞数据集规模约达数亿个细胞, 但若要创建具备准确预测能力的生物学模型, 所需数据量可能必须扩大到数十亿, 最终甚至达到数兆个细胞。

Biohub表示, Meta、Google DeepMind与药物研发公司Isomorphic Labs将共同投入3亿美元。美国能源部则将在未来5年投入超过5亿美元, 用于实验室测量、模型创建与运算能力。美国国立卫生研究院(NIH)则将集成过去联邦政府投入超过5亿美元所创建的数据集与研究数据库, 并由Biohub协助将这些数据标准化, 使其能够用于AI模型训练。

上述资金与资源承诺, 加上Biohub今年4月已投入的5亿美元, 使整体计划规模达到18亿美元。Biohub由Meta首席执行官Mark Zuckerberg与妻子Priscilla Chan共同支持, 此次计划则希望将政府资源、科技公司的AI能力与生物医学研究数据集成起来。

这项计划的主要目标, 是让研究人员能够更大规模地观察细胞面对不同环境、药物或其他生物学变化时的反应, 再利用这些数据训练AI模型, 创建能够预测细胞行为的模型。若技术成熟, 科学家未来可能先在电脑中进行大量「虚拟实验」, 筛选出最值得进一步验证的研究方向, 再将结果带入实验室, 从而减少部分传统生物研究所需的时间与成本。

Biohub表示, 计划将采用包括空间转录体学(spatial transcriptomics)在内的技术, 分析完整组织内部的分子活动, 同时通过大规模筛选实验观察细胞如何因环境变化而产生反应。这些数据过去并未以如此大规模且协调一致的方式收集, 因此计划除了增加数据量, 也将创建新的测量与数据标准。

Biohub先前在4月宣布投入5亿美元启动Virtual Biology Initiative, 其中约4亿美元用于开发新的细胞测量工具, 另外1亿美元支持Biohub之外的研究。整体计划也涉及运算与新测量技术, 希望创建能够处理庞大生物数据的基础设施。

这项计划采取「开放科学」模式, 但商业资助者并非一开始就必须与所有研究人员共享新产生的数据。Biohub科学主管Rives表示, 出资的商业机构将获得一段时间的数据优先使用权, 之后相关数据才会公开成为科学研究资源。政府资助的相关研究则不会受到相同的限制。

Biohub希望通过这种方式吸引更多私人资金加入, 并计划进一步寻求制药公司与慈善机构参与。对科技公司而言, 优先取得高品质生物数据可让其率先训练AI模型并探索商业应用; 对研究社群而言, 数据最终公开则有机会成为更广泛的公共科研基础。

Rives表示, 生物学研究目前缺少类似互联网文本数据那样庞大且可直接供AI学习的数据基础, 因此需要创建能够描述「细胞语言」的大规模数据集。Biohub希望把原本可能需要数十年完成的数据收集与模型开发工作, 压缩到约5年内。

按照目前规画, Biohub预计约1年后取得第一批数据集, 并希望在5年内置立具备准确预测能力的生物学模型。不过, 这些仍属计划目标, 最终能否创建足以准确仿真细胞行为的模型, 仍取决于数据品质、规模以及AI模型能否有效从复杂的生物系统中找出可重复的规律。

此次合作也反映科技业与政府正加速投入AI生物学。除了Biohub之外, Anthropic已创建生物学实验室, 探索AI与人工实验研究的结合; OpenAI Foundation则启动超过1.25亿美元的计划, 用于支持生物学与医学数据集的AI研究。

Biohub认为, 如果能创建足够大且标准化的细胞数据集, AI将不只是协助研究人员分析既有数据, 而可能进一步预测细胞在特定干预下的反应, 让部分药物研发与生物实验从「先做实验、再分析结果」逐步转向「先通过AI预测、再进行实验验证」。这也被视为AI从语言、影像等数据领域进一步进入生命科学的重要一步。