10月7日、Chan Zuckerberg BiohubはVirtual Biology Initiativeを拡大した。DOE、NIH、Google DeepMind、Isomorphic Labs、Metaが参加し、合計額は18億ドル($1.8 billion)、約120億元(RMB 12 billion)となった。
この額は新規の資金コミットメントに、既存データセット、計算資源、実験室資産の割当価値を合算したものだ。単一の現金移転ではない。
示された根拠:タンパク質構造予測は機能するが、細胞レベルの有効性、毒性、薬剤応答予測は依然として失敗する。主な理由は、大規模で検証済みの訓練データの不足である。
商業参加者は約1年間のデータ・エンバーゴを受ける。政府資金によるデータはオープンに公開される予定だ。
最初の大規模データセットは1年以内を目標とし、使用可能な予測モデルは5年目標である。患者、エンドポイント、臨床転帰は関与しない。
実際に発表されたこと
10月7日、Mark ZuckerbergとPriscilla Chanが設立した非営利研究組織であるChan Zuckerberg Biohubは、Virtual Biology Initiativeの拡大を発表した。米国エネルギー省(DOE)、米国国立衛生研究所(NIH)、Google DeepMind、Isomorphic Labs、Metaがこの取り組みに加わり、参加者は新規投資、提供データ、計算資源、実験室能力の合計価値を18億ドル($1.8 billion)、約120億元(RMB 12 billion)とした。
ここでは正確さが重要だ。これは臨床試験ではなく、医薬品承認でも、査読済みの結果でもない。登録された参加者、主要評価項目、有効性または安全性データは存在しない。これは研究インフラの発表である。細胞がどのように振る舞い、摂動に応答するかを予測するモデルを訓練することを意図した規模で、生物学的データを生成・共有する計画である。
本記事の素材は一次文書ではなく、中国語の業界解説である。そこでは、18億ドル($1.8 billion)が、新規資金に既存のデータ資源と計算資産に割り当てた価値を加えたプールであり、一時的な現金注入ではないことが明記されている。この留保付きで読んでも、誰が参加しているか、また参加者がAI駆動型創薬に欠けていると述べている点において、この発表は依然として注目に値する。
18億ドル($1.8 billion)の内訳
出典記事で説明されている内訳は以下のとおりである。
参加者 | 説明された拠出内容 |
|---|---|
Chan Zuckerberg Biohub | 4月にコミットした5億ドル($500 million)。データ生成、次世代計測技術、細胞観察・摂動ツールを対象とする |
米国エネルギー省 | 5年間で5億ドル超($500 million超)をデータ収集、AI解析、計測・イメージング、モデリング計算に充てる。DOEはさらにエクサスケール・スーパーコンピューティング、中性子散乱、クライオ電子顕微鏡、自動化実験室資源をもたらす |
NIH | 既存のデータセットと知識基盤に5億ドル超($500 million超)を提供し、連携してAI対応にする。National Library of Medicine、NCBI、コンソーシアム構築の生物学的アトラスに関連する保有物を活用する |
DeepMind、Isomorphic Labs、Meta | 合計3億ドル($300 million)。予測的生命科学モデルに必要な技術とマルチモーダルデータセットに向ける |
エコシステムパートナー | Allen Institute、Broad Institute、Human Cell Atlas、Human Protein Atlasがデータを提供。NVIDIAがアクセラレーテッド・コンピューティングを提供。Renaissance Philanthropy財団が追加資金を提供する |
5億ドル(1.8 billion)まで161日
Biohubは4月29日にこのプロジェクトを初めて発表し、5年間で5億ドル(100 million)は世界的に調整されたデータ生成システムに、4億ドル($400 million)は大規模データ生成、次世代計測技術、細胞観察・摂動ツールに充てる。拡大は161日後に発表された。
見出しの資金額に現物提供のデータと計算資源を加えることが、この取り組みを説明する最も有益な方法かどうかは、正当な疑問である。
論争の余地がないのは、連合の形である。政府の実験室とスーパーコンピュータ、数十年分の公的な生物医学データベース、企業が構築したモデルとエンジニアリング、非営利の招集力が、一つの共有入力の周りに集められている。
なぜボトルネックはモデルからデータへ移ったのか
参加者が示す主張は単純明快である。タンパク質構造予測は驚くほど高性能になったが、同じ世代のモデルに細胞レベルの薬効、毒性、代謝応答について尋ねると、性能は落ちる。示された理由は訓練データであり、十分に大きくも、十分に検証済みでもない。
出典はGoogle DeepMindのAI担当副社長Pushmeet Kohli氏の発言として、仮想細胞の構築は人類最大の科学的課題の一つであり、生きた細胞がどのように振る舞い、変化に応答するかを記録した大規模なオープン実験データなしには解決できない、と引用している。この文言は出典の中国語テキストからの再翻訳であるため、逐語的引用ではなく意味の言い換えとして読むべきである。
述べられている定量的なギャップは大きい。既存の細胞データセットは数億個の細胞しかカバーしていないが、高精度の予測モデルには、細胞状態、遺伝子発現、タンパク質変化、薬剤応答動態にわたる数十億から数兆の測定が必要になる。単一の企業や機関がその量を単独で生成することはできない。これが同盟の根拠として述べられている論理である。
Biohubが構築しようとしているループ
意図されたワークフローは、design-build-test-learnサイクルである。実験がデータを生成し、データがモデルを訓練し、モデルが細胞応答を予測し、細胞が再プログラムされ、実験が予測を検証し、結果がモデルにフィードバックされる。自動化実験室と標準化された計測技術は、アルゴリズムと同様にこのループの中心である。
提示されたタイムラインは意図的に保守的である。最初の大規模データセットは約1年以内に期待されている。使用可能な予測モデルは5年目標である。長期的なビジョン、すなわち実験をデジタル空間で実行でき、最も有望な候補だけを物理的なベンチに送るほど正確な仮想細胞は、成果物ではなく願望として位置づけられている。
1年間の商業的先行期間を伴うオープンデータ
ガバナンスの仕組みは、業界の読者にとってこの発表で最も重要な部分かもしれない。出典によれば、すべてのデータセットは最終的に共有科学資産として一般公開される予定である。商業資金提供者であるDeepMind、Isomorphic Labs、Metaは約1年間のエンバーゴを受け、その間、全員に公開される前にデータを研究できる。NIHとDOEを通じた政府資金で生成されたデータは、その制限なしにオープンに利用可能と説明されている。
Biohubの科学的リードであるAlex Rives氏は、商業参加者にはインセンティブが必要であり、その理由でエンバーゴが存在すると述べていると引用されている。これも再翻訳である。この設計は、12か月の情報優位を、公的科学を補助する民間資本と交換する。出典は、Biohubが製薬企業や慈善財団とさらなる協議を計画していると述べ、定義されたデータ期間への早期アクセスに支払うことが、AI創薬における反復的な商業構造になる可能性を示唆している。
同じ日、いくつかの他の局面で
出典はこの発表を、同日またはほぼ同時期のより広い一連の動きの中に位置づけている。いずれもモデルアーキテクチャではなく、データまたは実験能力を狙ったものである。
Rivercellは、ヒト細胞の治療応答を予測するデータプラットフォームとAIモデルを構築するため、2500万ドル($25 million)の資金調達を発表した。仮想細胞の命題と直接並行する。
Isomorphic Labsは、少なくとも400億ドル($40 billion)の評価額で新規資金調達を協議中と報じられた。この数字は未確認であり、確定事項ではなく報道として扱うべきである。
Anthropicはウェットラボを設立し、社内に実験生物学の能力を加えた。
OpenAI Foundationは、AI研究に必要な生物学的・医学的データセット構築のため、1億2500万ドル($125 million)超の資金提供プログラムを立ち上げた。
出典が特定する共通点は、これらの動きのいずれも主としてモデル能力で競争しているのではなく、データ生成と実験スループットで競争しているという点である。
出典が医療AIについて導く5つの含意
以下の点は出典著者による業界分析であり、研究の知見でも、参加組織の声明でもない。
データ資産がライセンス可能になる。かつて企業がパイプラインや分子をライセンスしていたところで、今後はキュレーション済みデータセットへの優先アクセスを交渉するようになるかもしれない。由来、同意、品質監査、コンプライアンスは、バックオフィス機能から交渉のテーブルへ移る。
ウェットラボと自動化が次の堀になる。モデルアーキテクチャが収斂すれば、差別化要因は、検証済みの実験データをより速く、より安く生成できるかどうかになる。純粋なアルゴリズム企業は、データの出所について説得力のある答えを必要とする。
製薬企業はデータ源を確保する窓に直面する。デジタル事前スクリーニングとベンチ確認が開発期間を短縮するなら、利益はパイプラインと臨床検証能力を持つ組織に蓄積する。ただし、データ生成のテーブルに席を持つ場合に限る。
受託研究と実験室自動化に構造的な機会が生じる。この支出のかなりの割合は、計測技術、摂動ツール、データ収集に流れる。単なる実験ではなく、標準化され、構造化され、モデルに使える実験出力への需要を生む。
投資家は本当のデータの堀とデータの物語を分けるべきである。デューデリジェンスでは、データセットに閉じた実験検証ループがあるか、アクセスが排他的か期間限定か、注釈品質が細胞レベルの予測を支えられるかを問う必要がある。
この発表が確立しないこと
いくつかの境界を強調すべきである。18億ドル($1.8 billion)は参加者がまとめた集計コミット額であり、独立監査された現金ではない。データはまだ公開されておらず、モデル性能も示されておらず、結果として得られるデータセットが正確な細胞レベル予測を可能にするという主張を支える外部ベンチマークもない。5年モデル目標は公表されたマイルストーン枠組みのない表明目標であり、遅延があっても外部からは見えないだろう。
エンバーゴの取り決めは、政府資金と商業資金によるデータストリームが実際にどう分離されるのか、独占期間が商業的圧力にどれだけ耐えるのか、計算資源のない学術グループがデータ公開後でも利用できるのかという未解決の疑問を提起する。
最後に、この発表のどこにも臨床転帰については言及されていない。毒性や有効性をより正確に予測する仮想細胞は、試験前に候補をどう優先順位付けするかを変えるだろうが、ヒト試験を置き換えるものではなく、モデル誘導型候補選択の規制経路もここでは説明されていない。公的データ、政府の計算資源、民間資本の統合は、この分野が制約をどこに置いているかについてのシグナルである。制約が取り除かれた証拠ではまだない。


