स्टॅनफोर्ड मेडिसिन लॅबमधून बाहेर पडणाऱ्या नवीनतम कंपनीमध्ये 37,000 कर्मचारी आहेत आणि त्यापैकी एकही मनुष्य नाही. लॅबची जागा नाही, पगार नाही आणि जेवणाची सुटी नाही. सायन्स जर्नलमध्ये 17 सप्टेंबर रोजी प्रकाशित झालेल्या एका अभ्यासात, संशोधकांनी पूर्णतः एआय-कर्मचारी असलेल्या आभासी बायोटेक कंपनीचे वर्णन केले आहे ज्याने हजारो क्लिनिकल चाचण्यांचे विश्लेषण केले, कोणती औषधे यशस्वी होतील याचा अंदाज लावणारा जैविक सिग्नल उघड केला आणि फुफ्फुसाच्या कर्करोगाच्या थेरपीची स्वतंत्रपणे रचना केली ज्यावर एक प्रमुख फार्मास्युटिकल कंपनी नंतर पोहोचली.

एजंटांनी बनलेली संपूर्ण औषध कंपनी

स्टॅनफोर्ड मेडिसिनमधील बायोमेडिकल डेटा सायन्सचे सहयोगी प्राध्यापक जेम्स झू आणि या कामाचे नेतृत्व करणारे पदवीधर विद्यार्थी हॅरिसन झांग यांचा हा प्रकल्प आहे. हे AI वैज्ञानिक एजंट्सच्या "व्हर्च्युअल लॅब" वर बनते जे Zou च्या ग्रुपने 2025 मध्ये लॉन्च केले होते — परंतु यावेळी टीमने आणखी पुढे जाऊन, औषध विकासाच्या संपूर्ण पाइपलाइनला सपोर्ट करण्यासाठी प्रशिक्षित हजारो AI एजंट्ससह एक संपूर्ण कंपनी तयार केली.

"आम्ही याला किती पुढे ढकलू शकतो हे पाहण्याची आमची कल्पना होती. आम्ही एक बायोटेक कंपनी तयार करू शकतो जी औषधांचे लक्ष्य शोधण्यापासून ते क्लिनिकल चाचण्या तयार करण्यापर्यंत सर्व गोष्टींवर लक्ष ठेवेल?" Zou यांनी स्टॅनफोर्ड मेडिसिनच्या घोषणेमध्ये सांगितले. "आमच्याकडे एक पूर्णपणे एजंटिक कंपनी असू शकते जी औषध शोधण्याच्या अत्यंत जटिल आव्हानांना तोंड देते?"

व्हर्च्युअल कंपनी प्रस्थापित बायोटेकच्या संस्थात्मक तक्त्याला प्रतिबिंबित करते: मुख्य विज्ञान अधिकारी एजंट विशेष विभागांमध्ये विभागलेल्या संशोधन संघांचे नेतृत्व करतात जे आण्विक लक्ष्य ओळखण्यापासून ते क्लिनिकल चाचण्या तयार करण्यापर्यंत औषध डिझाइनच्या मुख्य घटकांवर समांतर कार्य करतात.

50,000 चाचण्यांमध्ये काय 37,000 एजंट सापडले

औषधाच्या शोधातील सर्वात मोठे आव्हान म्हणजे कोणते रेणू क्लिनिकल चाचण्यांमध्ये टिकून राहतील याचा अंदाज लावणे - Zou नोट्सच्या प्रक्रियेसाठी दहापट किंवा अगदी लाखो डॉलर्स खर्च होऊ शकतात आणि अनेक वर्षे लागू शकतात. एजंटना एक बारकाईने काम सोपवण्यात आले: वैज्ञानिक साहित्याचा व्यापक विस्तार करण्याऐवजी, प्रत्येक एजंटने विशिष्ट क्लिनिकल चाचणीचे विश्लेषण केले आणि सुरक्षितता आणि परिणामकारकता डेटा पुनर्प्राप्त केला. एकूण, त्यांनी एका आठवड्यापेक्षा कमी कालावधीत अंदाजे 50,000 चाचण्यांचे कॅटलॉग केले, असे झू म्हणतात की मानवी संशोधकांना अनेक वर्षे लागली असती.

त्यानंतर एजंटांनी त्या चाचण्यांदरम्यान गोळा केलेल्या आण्विक डेटाची तपासणी केली आणि दोन स्कोअरिंग सिस्टम तयार केल्या. प्रथम अनेक पेशी प्रकारांवर व्यापकपणे परिणाम करण्याऐवजी औषध विशिष्ट पेशी प्रकाराला कसे लक्ष्य करते हे मोजले. दुसरे मोजलेले "बिमोडॅलिटी" — लक्ष्यित जनुकाची क्रिया लाईट स्विच, स्नॅपिंग ऑन आणि ऑफ, किंवा मध्यवर्ती अवस्थांच्या श्रेणीसह मंद मंद सारखी वागते.

जो नमुना समोर आला तो धक्कादायक होता. सेल-विशिष्ट मार्गाने स्विच-सदृश जनुकांना लक्ष्य करणारी औषधे फेज 1 ते फेज 2 चाचण्यांमध्ये 40% जास्त होती, बाजारात पोहोचण्याची 48% अधिक शक्यता होती आणि व्यापक क्रियाकलाप असलेल्या औषधांच्या तुलनेत 32% कमी प्रतिकूल घटना होत्या. कर्करोग, मेंदूचे आजार, हृदयविकार आणि किडनी आणि फुफ्फुसाच्या स्थितींमध्ये हा प्रभाव कायम राहिला.

"एजंटांनी शोधलेले विज्ञान खरोखरच रोमांचक आहे आणि हे दर्शविते की या सिंगल-सेल वैशिष्ट्यांचा उपयोग चांगली औषधे बनवण्यासाठी केला जाऊ शकतो," झू म्हणाले. "हे अशा प्रकारचा डेटा गोळा करण्याच्या महत्त्वाकडे निर्देश करते. यामुळे संपूर्ण औषध शोध उद्योगाला मदत होऊ शकते."

B7-H3 चाचणी: अंदाज ते प्रमाणीकरण

ऑल-एआय कंपनी प्रत्यक्ष औषधाची रचना करू शकते का हा निर्णायक प्रश्न होता. हे शोधण्यासाठी, संघाने B7-H3 वरील एजंट्सकडे लक्ष वेधले, फुफ्फुसाच्या कर्करोगाच्या संशोधकांना आवडणारे प्रोटीन. एजंटांनी अभ्यास आणि बायोमेडिकल डेटा रिपॉझिटरीजचे विश्लेषण केले आणि त्यांना B7-H3 फायब्रोब्लास्ट्समध्ये उच्च प्रमाणात व्यक्त केले गेले - संयोजी-ऊतक पेशी जे सहसा ट्यूमर पेशींच्या जवळ राहतात. स्थानिक ट्रान्सक्रिप्टोमिक डेटामध्ये खोदून, त्यांना आढळले की हे B7-H3-व्यक्त करणारे फायब्रोब्लास्ट जवळच्या रोगप्रतिकारक पेशींना सिग्नल देत आहेत आणि त्यांना दाबत आहेत, शरीराच्या नैसर्गिक संरक्षणापासून ट्यूमरला प्रभावीपणे लपवतात.

त्यानंतर एजंटांनी अँटीबॉडी-ड्रग संयुग्मची रचना केली - एक लक्ष्यित प्रोटीन जे मुबलक B7-H3 वाहून नेणाऱ्या पेशींवर घर करते आणि त्यांना थेट केमोथेरपी पेलोड देते. निर्णायकपणे, डिझाइन केवळ जानेवारी 2025 पूर्वी उपलब्ध असलेल्या माहितीवर अवलंबून होते. काही महिन्यांनंतर, ऑगस्ट 2025 मध्ये, एका स्थापित फार्मास्युटिकल कंपनीने स्वतंत्रपणे B7-H3 विरुद्ध समान अँटीबॉडी-ड्रग संयुग्मित धोरण विकसित केले. मानवी अभ्यासात परिणामकारकता दर्शविल्यानंतर त्या थेरपीला FDA ब्रेकथ्रू थेरपी पदनाम प्राप्त झाले - Zou ने आभासी बायोटेकच्या डिझाइनचे स्वतंत्र, तृतीय-पक्ष प्रमाणीकरण असे वर्णन केले आहे.

Zou पुढे B7-H3 चा पाठपुरावा करत नाही, कारण दुसरी कंपनी आधीच क्लिनिककडे पाठपुरावा करत आहे. परंतु ते म्हणतात की आभासी बायोटेकने त्याच प्रकारे डिझाइन केलेले इतर उमेदवारांचे लक्ष्य समोर आले आहे.

मानव हा नालाच राहतो

एजंट कर्मचारी संख्या असूनही, Zou मर्यादांबद्दल स्पष्ट आहे. ते म्हणाले, "मानव, शारीरिक प्रयोग आणि प्रमाणीकरण हे नेहमीच वाहिनी असेल ज्याद्वारे एआय प्रभाव पाडते." टीमची पुढची पायरी म्हणजे व्हर्च्युअल बायोटेकचे नवीन निष्कर्ष प्रत्यक्ष प्रयोगशाळांमध्ये हलवत आहेत जे भौतिक जगात किती टिकून आहेत हे तपासण्यासाठी.

स्टॅनफोर्डच्या बायोमेडिकल डेटा सायन्स विभागाच्या अतिरिक्त समर्थनासह नाइट-हेनेसी स्कॉलरशिप, नॅशनल इन्स्टिट्यूट ऑफ हेल्थ, नॅशनल सायन्स फाऊंडेशन आणि चॅन झुकरबर्ग बायोहब यांनी संशोधनासाठी निधी दिला.

हे महत्त्वाचे का आहे

विज्ञानात AI कसे लागू केले जाते यामधील व्यापक बदलादरम्यान हा अभ्यास आला - संशोधनाचा सारांश देणाऱ्या मॉडेल्सपासून ते एजंटिक सिस्टिमपर्यंत जे प्रयोगांचे नियोजन करतात, डेटाचे विश्लेषण करतात आणि नवीन उपचारशास्त्राचा प्रस्ताव देतात. द न्यूयॉर्क टाईम्स आणि जीनोमिक्स इंडस्ट्री प्रेसच्या कार्याचे कव्हरेज "व्हर्च्युअल बायोटेक" फ्रेमवर्ककडे लक्ष वेधत आहे ते अधोरेखित करते.

B7-H3 वरील डिझाईन-पूर्वी-प्रमाणीकरण परिणाम कोणतेही संकेत असल्यास, फार्मास्युटिकल इंडस्ट्रीकडे मूल्यांकन करण्यासाठी संशोधन साधनाचा एक नवीन वर्ग आहे: AI एजंट्सच्या संस्था जे वर्षांचे साहित्य पुनरावलोकन आणि चाचणी विश्लेषण दिवसांमध्ये संकुचित करू शकतात. खुला प्रश्न - एक Zou ची टीम आता चाचणी करत आहे - एजंट जे प्रस्तावित करतात त्यापैकी किती भौतिक प्रयोगशाळेच्या खंडपीठाशी संपर्क टिकून राहतो.

AI च्या पुढे रहा

AI औषधाच्या शोधापासून ते मूलभूत भौतिकशास्त्रापर्यंत प्रत्येक स्तरावर संशोधनात परिवर्तन करत आहे. अधिक ताज्या AI बातम्या आणि क्षेत्राला आकार देणाऱ्या संशोधनाच्या विश्लेषणासाठी, अधिक AI बातम्या वाचा →.

---

Stay Ahead of AI

Get the latest AI news, analysis, and breakthroughs — all in one place.

Read more AI news →