Stanford ၏ Virtual Biotech သည် AI အေးဂျင့် 37,000 တွင် အလုပ်လုပ်သည် — နှင့် ၎င်း၏ရလဒ်များသည် သိပ္ပံတွင်သာ အကျုံးဝင်သည်

Stanford ဆေးဓာတ်ခွဲခန်းမှ လှည့်ပတ်ခဲ့သည့် နောက်ဆုံးကုမ္ပဏီတွင် ဝန်ထမ်း ၃၇,၀၀၀ ရှိပြီး ၎င်းတို့အနက်မှ တစ်ဦးမှာ လူသားမဟုတ်ပေ။ ဓာတ်ခွဲခန်းနေရာမရှိ၊ လုပ်ခလစာမရှိ၊ နေ့လယ်စာ အနားယူချိန်လည်း မရှိပါ။ စက်တင်ဘာလ 17 ရက်နေ့ထုတ် Science ဂျာနယ်တွင် ထုတ်ဝေခဲ့သည့် လေ့လာမှုတစ်ခုတွင် သုတေသီများသည် ဆေးဝါးကုမ္မဏီကြီးတစ်ခုမှ နောက်ပိုင်းတွင် ၎င်းကိုယ်တိုင်ရောက်ရှိလာသည့် အဆုတ်ကင်ဆာကုထုံးကို လွတ်လပ်စွာ တီထွင်ဖန်တီးနိုင်ခဲ့သည့် ထောင်သောင်းချီသော လက်တွေ့စမ်းသပ်မှုများကို ခွဲခြမ်းစိတ်ဖြာသည့် AI ဝန်ထမ်း virtual biotech ကုမ္ပဏီတစ်ခုမှ ဖော်ပြခဲ့သည်။

အေးဂျင့်များဖြင့် ပြုလုပ်ထားသော ဆေးကုမ္ပဏီကြီးတစ်ခုဖြစ်သည်။

အဆိုပါပရောဂျက်သည် Stanford ဆေးတက္ကသိုလ်မှ ဇီဝဆေးပညာဒေတာသိပ္ပံတွဲဖက်ပါမောက္ခ James Zou နှင့် အလုပ်ကို ဦးဆောင်သူ Harrison Zhang ၏ ဘွဲ့ရကျောင်းသားဖြစ်သည်။ Zou ၏အဖွဲ့သည် 2025 ခုနှစ်တွင် စတင်ထုတ်လုပ်ခဲ့သော AI သိပ္ပံပညာရှင်အေးဂျင့်များ၏ "virtual lab" ကိုတည်ဆောက်ထားပါသည် — သို့သော် ယခုတစ်ကြိမ်တွင် အဖွဲ့သည် မူးယစ်ဆေးဝါးဖွံ့ဖြိုးတိုးတက်မှုအပြည့်အ၀ပံ့ပိုးပေးနိုင်ရန် လေ့ကျင့်ပေးထားသည့် သောင်းနှင့်ချီသော AI အေးဂျင့်များဖြင့် ကုမ္ပဏီတစ်ခုလုံးကို ဖန်တီးထားသည်။

"ကျွန်ုပ်တို့၏ စိတ်ကူးမှာ ၎င်းအား မည်မျှအထိ တွန်းအားပေးနိုင်မည်ကို သိမြင်ရန် ဖြစ်ပါသည်။ ဆေးဝါးပစ်မှတ်များကို ရှာဖွေခြင်းမှအစ လက်တွေ့စမ်းသပ်မှုများ ဒီဇိုင်းဆွဲခြင်းအထိ အရာအားလုံးကို လုပ်ဆောင်နိုင်သော ဇီဝနည်းပညာကုမ္ပဏီတစ်ခု ဖန်တီးနိုင်မလား။" Stanford ဆေးပညာ ကြေညာချက်တွင် Zou က ပြောကြားခဲ့သည်။ "မူးယစ်ဆေးရှာဖွေတွေ့ရှိမှု၏ အလွန်ရှုပ်ထွေးသောစိန်ခေါ်မှုများကို ကိုင်တွယ်ဖြေရှင်းနိုင်သော အပြည့်အဝအေးဂျင့်ကုမ္ပဏီတစ်ခု ရှိနိုင်မလား။"

virtual ကုမ္ပဏီသည် တည်ထောင်ထားသော ဇီဝနည်းပညာ၏ အဖွဲ့အစည်းဆိုင်ရာ ဇယားကို ထင်ဟပ်စေသည်- သိပ္ပံအရာရှိချုပ်မှ သုတေသနအဖွဲ့များကို မော်လီကျူးပစ်မှတ်များကို ဖော်ထုတ်ခြင်းမှ မော်လီကျူးပစ်မှတ်များကို ဖော်ထုတ်ခြင်းမှ လက်တွေ့စမ်းသပ်မှုများကို ဒီဇိုင်းထုတ်ခြင်းအထိ ဆေးဝါးဒီဇိုင်း၏ ပင်မဒြပ်စင်များပေါ်တွင် အပြိုင်လုပ်ဆောင်သည့် အထူးပြုဌာနခွဲများအဖြစ် သုတေသနအဖွဲ့များကို ဦးဆောင်သည်။

စမ်းသပ်မှုပေါင်း 50,000 တွင် Agent 37,000 ကိုတွေ့ရှိခဲ့သည်။

ဆေးဝါးရှာဖွေတွေ့ရှိမှုတွင် အကြီးမားဆုံးစိန်ခေါ်မှုတစ်ခုမှာ မည်သည့်မော်လီကျူးများ ရှင်သန်နိုင်မည်ဟု ခန့်မှန်းခြင်းဖြစ်သည်— Zou မှတ်စုများသည် ဒေါ်လာဆယ်ဂဏန်း သို့မဟုတ် သန်းရာပေါင်းများစွာပင် ကုန်ကျနိုင်ပြီး နှစ်ပေါင်းများစွာ ကြာနိုင်သည်။ အေးဂျင့်များကို စေ့စေ့စပ်စပ် တာဝန်ပေးအပ်ခြင်းခံရသည်- သိပ္ပံဆိုင်ရာ စာပေများကို ကျယ်ကျယ်ပြန့်ပြန့် ရှင်းလင်းခြင်းထက်၊ အေးဂျင့်တစ်ခုစီသည် တိကျသော လက်တွေ့စမ်းသပ်မှုတစ်ခုကို ခွဲခြမ်းစိတ်ဖြာပြီး ဘေးကင်းမှုနှင့် ထိရောက်မှုဆိုင်ရာ အချက်အလက်များကို ပြန်လည်ရယူခဲ့သည်။ စုစုပေါင်း၊ ၎င်းတို့သည် တစ်ပတ်အတွင်း စမ်းသပ်မှုပေါင်း ၅၀,၀၀၀ ခန့်ကို စာရင်းပြုစုပြီး လူသားသုတေသီများ နှစ်ပေါင်းများစွာ အချိန်ယူရမည်ဟု အလုပ်တာဝန်တစ်ခုဖြစ်သည့် Zou မှ ပြောကြားခဲ့သည်။

ထို့နောက် အေးဂျင့်များသည် အဆိုပါစမ်းသပ်မှုများအတွင်း စုဆောင်းရရှိထားသော မော်လီကျူးအချက်အလက်များကို စစ်ဆေးကာ အမှတ်ပေးစနစ်နှစ်ခုကို တည်ဆောက်ခဲ့သည်။ ပထမအကြိမ်သည် ဆဲလ်အမျိုးအစားများစွာကို ကျယ်ကျယ်ပြန့်ပြန့်သက်ရောက်ခြင်းထက် မူးယစ်ဆေးဝါးသည် ဆဲလ်အမျိုးအစားတစ်ခုအား မည်ကဲ့သို့ အတိအကျပစ်မှတ်ထားသည်ကို တိုင်းတာသည်။ ဒုတိယ တိုင်းတာသည့် "bimodality" — ပစ်မှတ်ထားသော မျိုးဗီဇတစ်ခု၏ လုပ်ဆောင်ချက်သည် အလင်းခလုတ်၊ အဖွင့်အပိတ်ကဲ့သို့ ပြုမူသည်ဖြစ်စေ သို့မဟုတ် အလယ်အလတ်အကွာအဝေးရှိသည့် မှိန်စက်ကဲ့သို့ ပြုမူသည်ဖြစ်စေ၊

ထွက်ပေါ်လာသည့် ပုံစံသည် ထင်ရှားလှသည်။ ဆဲလ်-သတ်သတ်မှတ်မှတ်နည်းလမ်းဖြင့် ကူးပြောင်းခြင်းကဲ့သို့သော မျိုးဗီဇများကို ပစ်မှတ်ထားသည့် မူးယစ်ဆေးဝါးများသည် အဆင့် 1 မှ အဆင့် 2 စမ်းသပ်မှုအထိ 40% ပိုဖြစ်နိုင်ချေ 48% သည် စျေးကွက်သို့ရောက်ရှိရန် အလားအလာ 48% ပိုများပြီး ကျယ်ပြန့်သောလုပ်ဆောင်မှုရှိသော ဆေးဝါးများနှင့် နှိုင်းယှဉ်ပါက ၃၂% ပိုနည်းပါသည်။ ကင်ဆာများ၊ ဦးနှောက်ရောဂါများ၊ နှလုံးရောဂါနှင့် ကျောက်ကပ်နှင့် အဆုတ်အခြေအနေများတွင် သက်ရောက်မှု ဆက်လက်ရှိနေပါသည်။

"အေးဂျင့်တွေ ရှာဖွေတွေ့ရှိခဲ့တဲ့ သိပ္ပံပညာက တကယ်ကို စိတ်လှုပ်ရှားစရာကောင်းပြီး ဒီဆဲလ်တစ်ကိုယ်တည်းအင်္ဂါရပ်တွေကို ပိုကောင်းတဲ့ဆေးဝါးတွေဖြစ်အောင် အသုံးချနိုင်တယ်ဆိုတာကို ပြသနေပါတယ်" ဟု Zou ကဆိုသည်။ "ဒီလိုမျိုး ဒေတာစုဆောင်းခြင်းရဲ့ အရေးပါမှုကို ညွှန်ပြပါတယ်။ ဒါက မူးယစ်ဆေးဝါး ရှာဖွေတွေ့ရှိမှု လုပ်ငန်းတစ်ခုလုံးကို ကူညီပေးနိုင်ပါတယ်။"

B7-H3 စမ်းသပ်မှု- ခန့်မှန်းချက်မှ အတည်ပြုခြင်းအထိ

အဆုံးအဖြတ်ပေးသည့်မေးခွန်းမှာ all-AI ကုမ္ပဏီသည် အမှန်တကယ်ဆေးတစ်မျိုးကို ဒီဇိုင်းထုတ်နိုင်မလား။ ရှာဖွေတွေ့ရှိရန်၊ အဖွဲ့သည် အဆုတ်ကင်ဆာသုတေသီများအတွက် စိတ်ဝင်စားမှု ကြာမြင့်စွာဖြစ်သော ပရိုတင်း B7-H3 မှ အေးဂျင့်များကို ညွှန်ပြခဲ့သည်။ အေးဂျင့်များသည် လေ့လာမှုများနှင့် ဇီဝဆေးဘက်ဆိုင်ရာ အချက်အလက် သိုလှောင်ရာများကို ခွဲခြမ်းစိတ်ဖြာပြီး B7-H3 သည် အကျိတ်ဆဲလ်များအနီးတွင် နေထိုင်လေ့ရှိသော fibroblasts များတွင် အလွန်ဖော်ပြမှုရှိကြောင်း တွေ့ရှိခဲ့သည်။ spatial transcriptomic data များကို တူးဖော်ကြည့်ရာ၊ ဤ B7-H3-expressing fibroblasts များသည် အနီးနားရှိ ခုခံအားဆဲလ်များဆီသို့ အချက်ပြပြီး ၎င်းတို့ကို နှိမ်နှင်းကာ အကျိတ်ကို ခန္ဓာကိုယ်၏ သဘာဝကာကွယ်မှုမှ ထိထိရောက်ရောက် ဖုံးကွယ်သွားကြောင်း တွေ့ရှိခဲ့သည်။

ထို့နောက် အေးဂျင့်များသည် B7-H3 ပေါများသောဆဲလ်များပေါ်ရှိ ပစ်မှတ်ထားသော ပရိုတင်းတစ်မျိုးဖြစ်သည့် ပဋိပစ္စည်း-ဆေးဝါးပေါင်းစပ်တစ်ခုကို ဒီဇိုင်းထုတ်ကာ ၎င်းတို့ထံ တိုက်ရိုက်ပေးပို့သော ဓာတုကုထုံးဆိုင်ရာ ဝန်ထုပ်ဝန်ပိုးတစ်ခုဖြစ်သည်။ အရေးကြီးသည်မှာ၊ ဒီဇိုင်းသည် ဇန်နဝါရီ 2025 မတိုင်မီ ရရှိနိုင်သော အချက်အလက်ပေါ်တွင်သာ မှီခိုအားထားရသည်။ လများအကြာ၊ ဩဂုတ်လ 2025 တွင် တည်ထောင်ထားသော ဆေးဝါးကုမ္ပဏီတစ်ခုသည် B7-H3 နှင့် တူညီသော antibody-drug conjugate ဗျူဟာကို သီးခြားတီထွင်ခဲ့သည်။ ထိုကုထုံးသည် လူသားလေ့လာမှုတစ်ခုတွင် ထိရောက်မှုကိုပြသပြီးနောက် FDA ၏အောင်မြင်မှုကုထုံးသတ်မှတ်ခြင်းကို ဆက်လက်ခံယူရပါသည် — Zou သည် အတုမရှိသော ဇီဝနည်းပညာ၏ဒီဇိုင်းကို ပြင်ပမှအတည်ပြုချက်အဖြစ် Zou မှဖော်ပြသည်။

Zou သည် B7-H3 ကိုနောက်ထပ်မလိုက်ဘဲ၊ အခြားကုမ္ပဏီတစ်ခုက ၎င်းကိုဆေးခန်းများသို့ ထိန်းကျောင်းနေပြီဖြစ်သည်။ သို့သော် virtual biotech သည် အလားတူပုံစံဖြင့် ရေးဆွဲထားသော အခြားပစ်မှတ်များကို ပေါ်လွင်စေသည်ဟု ၎င်းက ပြောသည်။

လူသားများသည် ပြွန်လမ်းကြောင်းတွင် ရှိနေကြသည်။

အေးဂျင့်လုပ်အားပမာဏ အတိုင်းအတာရှိသော်လည်း Zou သည် ကန့်သတ်ချက်များနှင့်ပတ်သက်၍ ရှင်းလင်းပြတ်သားစွာပြောသည်။ "လူသားများ၊ ရုပ်ပိုင်းဆိုင်ရာစမ်းသပ်မှုနှင့် AI သည် သက်ရောက်မှုဖြစ်စေသော လမ်းကြောင်းသည် အမြဲရှိနေလိမ့်မည်" ဟု ၎င်းက ပြောကြားခဲ့သည်။ အဖွဲ့၏ နောက်တစ်ဆင့်မှာ ဇီဝနည်းပညာ၏ တွေ့ရှိချက်အသစ်ကို ရူပကမ္ဘာတွင် မည်မျှကြာကြာထားနိုင်သည်ကို စမ်းသပ်ရန်အတွက် လက်တွေ့ဓာတ်ခွဲခန်းများထဲသို့ ပြောင်းရွှေ့နေသည်။

သုတေသနကို စတန်းဖို့ဒ်၏ ဇီဝဆေးပညာဒေတာသိပ္ပံဌာနမှ ထပ်လောင်းပံ့ပိုးမှုဖြင့် Knight-Hennessy ပညာသင်ဆု၊ အမျိုးသားကျန်းမာရေးအင်စတီကျု၊ အမျိုးသားသိပ္ပံဖောင်ဒေးရှင်းနှင့် Chan Zuckerberg Biohub တို့က ရန်ပုံငွေထောက်ပံ့ခဲ့သည်။

##ဘာကြောင့်အရေးကြီးတာလဲ။

သုတေသနကို အကျဉ်းချုပ်ဖော်ပြသည့် မော်ဒယ်များမှ သိပ္ပံပညာသို့ AI ကို အသုံးချပုံတွင် ပိုမိုကျယ်ပြန့်သော ပြောင်းလဲမှုကြားတွင် လေ့လာမှုသည် စမ်းသပ်မှုအစီအစဉ်၊ ဒေတာခွဲခြမ်းစိတ်ဖြာမှုနှင့် ဆန်းသစ်သောကုထုံးများကို အဆိုပြုသည့် အေးဂျင့်စနစ်များအထိ ရောက်ရှိလာသည်။ The New York Times နှင့် မျိုးရိုးဗီဇလုပ်ငန်းဆိုင်ရာ သတင်းစာများ၏ လွှမ်းခြုံမှုမှာ "virtual biotech" မူဘောင်ရေးဆွဲနေသည့် အာရုံစိုက်မှုကို အလေးပေးဖော်ပြသည်။

B7-H3 ပေါ်ရှိ ဒီဇိုင်း-မစစ်ဆေးမီ ရလဒ်သည် ညွှန်ပြနေပါက၊ ဆေးဝါးလုပ်ငန်းတွင် အကဲဖြတ်ရန် သုတေသန ကိရိယာ အမျိုးအစားအသစ် ရှိသည်- စာပေပြန်လည်သုံးသပ်ခြင်းနှင့် အစမ်းခွဲခြမ်းစိတ်ဖြာမှုများကို ရက်များအတွင်း ချုံ့နိုင်သည့် AI အေးဂျင့်အဖွဲ့အစည်းများ။ အဖွင့်မေးခွန်း — Zou ၏အဖွဲ့တစ်ဖွဲ့သည် ယခုစမ်းသပ်နေသည် — အေးဂျင့်များက ရုပ်ပိုင်းဆိုင်ရာဓာတ်ခွဲခန်းခုံတန်းလျားတစ်ခုနှင့် အဆက်အသွယ်ရှိနေသော အေးဂျင့်များအဆိုပြုသည့်အရာများထဲမှ မည်မျှရှင်သန်နေသနည်း။

AI ၏ရှေ့တွင်နေပါ။

AI သည် ဆေးရှာဖွေတွေ့ရှိမှုမှ အခြေခံရူပဗေဒသို့ အဆင့်တိုင်းတွင် သုတေသနကို အသွင်ပြောင်းနေသည်။ သုတေသနနယ်ပယ်ကိုပုံဖော်ခြင်းဆိုင်ရာ ပိုမိုထူးခြားသော AI သတင်းနှင့် ခွဲခြမ်းစိတ်ဖြာမှုများအတွက်၊ AI သတင်းပိုမိုဖတ်ရှုရန် →။

---

Stay Ahead of AI

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

Read more AI news →