AI-byggda celler banar väg för framtidens biologi och hälsa
Tema AI och människan
– Att modellera en mänsklig cell är komplext. Den innehåller mer än 20 000 gener och 6 miljarder proteinmolekyler, som alla interagerar dynamiskt i ett mikroskopiskt utrymme. Traditionella mekaniska cellmodeller kan inte fånga denna skala och komplexitet, säger Wei Ouyang, chef för AICell Lab vid KTH.
Hans forskningsgrupp arbetar för att möta denna utmaning genom att utveckla Human Cell Simulator, en datadriven, generativ AI-modell som kan förändra vårt sätt att förstå biologi, läkemedelsutveckling och personlig medicin.
Inspirationen till Human Cell Simulator kommer från verkliga problem inom cancerforskning och utmaningar under covid-19-pandemin. Trots framsteg inom beräkningsbiologi kvarstår en lucka i vår förmåga att helt simulera en mänsklig cell.
Här tror Wei Ouyangs team att AI kan göra stor skillnad. Nya framsteg inom generativ AI, som diffusionsmodeller, erbjuder innovativa sätt att simulera komplexa biologiska system.
– Dessa teknologier kan hjälpa oss att skapa helt datadrivna modeller av mänskliga celler, vilket gör att forskare kan studera cellulära processer mer effektivt än någonsin tidigare, säger han.
Brist på data
Samtidigt som AI har en enorm potential inom livsvetenskap, är vägen framåt fortfarande osäker och fylld av utmaningar. Wei Ouyang påpekar att det krävs enorma mängder biologiska data för att kunna bygga en fullständig modell av en mänsklig cell. Medan stora AI-modeller som ChatGPT tränas på biljoner ord, hanterar nuvarande biologiska databaser, som Human Protein Atlas, runt 100 000 högkvalitativa cellbilder. Att utöka dessa datamängder för att omfatta fler celltyper blir avgörande för att driva utvecklingen av AI-baserad forskning framåt.
Dessutom krävs enorma datorkapaciteter för att bearbeta och analysera dessa data.
– Att träna så stora AI-modeller kräver hundratals grafikkort och avancerade system för databehandling, förklarar Wei Ouyang.
För att möta denna utmaning utvecklar laboratoriet plattformar som REEF, en AI-driven mikroskopiplattform som autonomt samlar in data, och Hypha, ett system som hanterar och strömmar data till kluster. Dessa verktyg är avgörande för framgången med Human Cell Simulator-projektet.
Vägen mot personlig medicin
Om projektet lyckas kan Human Cell Simulator revolutionera medicin. En viktig tillämpning är inom personlig medicin, där data från enskilda patienter kan användas för att skapa skräddarsydda cellmodeller. Inom cancerbehandling skulle läkare till exempel kunna simulera hur patientens celler reagerar på olika läkemedel, vilket kan leda till mer precisa och individuella behandlingar.
Inom läkemedelsutveckling kan virtuella experiment på AI-modellerade celler snabba upp upptäckten av nya läkemedel. Traditionella laboratorieexperiment är både kostsamma och tidskrävande, men experiment som utförs i datorn med hjälp av AI-drivna modeller kan drastiskt minska dessa hinder och göra processen både effektivare och mer exakt.
Vad är nästa steg för AICell Lab?
Forskargruppen arbetar även med långsiktiga projekt som kan föra AI-driven forskning ännu längre. Nästa stora steg är utvecklingen av så kallade "schema-agenter", autonoma AI-system designade för att planera och genomföra experiment.
– Dessa agenter skulle kunna hantera instrument, analysera data i realtid och generera insikter som kan vägleda nästa omgång experiment, vilket skapar en kontinuerlig cykel av vetenskapliga upptäckter. Vår vision är att utveckla AI-system som kan agera som självständiga forskare och driva vetenskaplig utveckling på egen hand. Det är ett otroligt spännande steg för AI framtid inom livsvetenskap, avslutar Wei Ouyang.
Text: Marta Marko Tisch ( martamt@kth.se )