«Биология не делится на аккуратные границы»: Microsoft Research представила Quine — мировую модель биологии с научным харнессом

Что произошло

Microsoft Research представила Quine — исследовательскую систему, которая работает на стыке вычислений и биологии. В анонсе её описывают как «мировую модель биологии» вместе с харнессом, соединяющим эту модель с научными инструментами, литературой, лабораторией и исследователями, которые всем этим пользуются. Авторы публикации — Nicolo Fusi, VP and Distinguished Scientist, и Jonathan M. Carlson, Vice President.

Замысел сформулирован через ограничение, которое хорошо знают в лабораториях: биология не делится на аккуратные границы, которые обычно проводят модели и инструменты. Гены влияют на белки, белки взаимодействуют внутри клеток, клетки организуются в ткани, а эксперименты постоянно переписывают то, что учёные знают и о чём собираются спросить дальше. Отсюда вывод анонса: для самых трудных биологических вопросов нужны не просто всё более способные модели отдельных наборов данных или задач, а системы, которые связывают знание между масштабами и модальностями, умеют рассуждать об экспериментах и свидетельствах и участвуют в итеративном процессе, через который наука и движется.

Обоснование опирается на двадцать с лишним лет работы Microsoft Research на стыке вычислений и биологии — от иммунологии, вирусологии, геномики и биомедицинской визуализации до клеточной биологии и белковой инженерии; часть этой работы дошла до клиники, включая диагностику редких и инфекционных заболеваний и поиск онкомаркеров.

Эксперимент как узкое место

Даже с ростом пропускной способности лабораторий биология остаётся ограничена временем и сложностью: природу нельзя подгонять и нельзя вывести из первых принципов, эксперименты идут медленно, циклы итераций длинные, а многие важные вопросы упираются в комбинаторные пространства дизайна и отложенные эффекты, слишком большие для чисто экспериментального перебора.

Ответом Microsoft Research стала мировая модель — и здесь важно точное определение: это система, которая представляет состояние биологической системы, предсказывает, как это состояние изменится под воздействием вмешательства, и рассуждает о последствиях таких вмешательств на несколько шагов вперёд. Такая система не заменяет эксперимент, а позволяет использовать вычисления, чтобы исследовать, предлагать, ранжировать и приоритизировать возможные пути до того, как будут потрачены дефицитные лабораторные ресурсы. Целевая картина описана как будущее, в котором учёные, модели и эксперименты работают в непрерывно ускоряющемся цикле.

Отдельно подчёркивается, что мировая модель не обязана быть идеальной — точной моделью биологии она не будет никогда, — достаточно, чтобы она полезно информировала дизайн эксперимента.

Мировая модель плюс харнесс

Quine состоит из двух частей. Первая — мировая модель, которая учится на общих представлениях сразу по нескольким биологическим модальностям и масштабам: последовательность, структура, функция, клеточное состояние, данные визуализации. Вторая — харнесс, который соединяет модель с оркестрацией и reasoning-моделями, научными инструментами, литературой и командами учёных.

Ключевое инженерное решение — совместное обучение на связанных представлениях вместо оркестровки отдельных узкоспециализированных моделей: тогда свидетельства из одной модальности могут уточнять предсказания в другой, а связи, которые иначе остались бы разрозненными, сохраняются внутри одной системы. По утверждению авторов, обучение на таких связанных представлениях не размывает качество, а усиливает его, позволяя модели лучше обобщать и поддерживать более широкий круг задач биологического рассуждения.

Набор модальностей, на которых обучается проект, перечислен прямо: геномика, белки, химия, RNA и клеточное состояние, биоизображения — каждая из них наблюдает свой участок диапазона от молекулы до пациента, и эти участки перекрываются. Харнесс при этом спроектирован так, чтобы помочь учёному разбить вопрос на шаги, воспользоваться моделями и научными инструментами, сравнить свидетельства и пересмотреть план.

Что это дало в биологии рака

Самый конкретный пример — работа по pancreatic ductal adenocarcinoma (PDAC), наиболее распространённой форме рака поджелудочной железы и одной из самых трудных для лечения. Вместе с исследователями Broad Institute of MIT and Harvard Microsoft Research годами развивает и применяет полученные от пациентов ex vivo модели, чтобы проверить давнюю гипотезу: поведение опухоли и ответ на препараты зависят не только от генетики, но и от транскрипционного клеточного состояния.

Quine применили, чтобы предсказать и приоритизировать тысячи соединений по их потенциалу сдвигать опухолевые клетки между терапевтически значимыми состояниями. В лабораторных исследованиях перехода из classical в basal клеточное состояние соединения с наивысшим рейтингом дали самые большие целевые сдвиги в экспериментальных анализах. Весь процесс — от быстрого сужения пространства поиска соединений до приоритизации горстки кандидатов для лабораторной проверки — занял всего одни выходные, что потенциально экономит месяцы экспериментальной работы и заметные исследовательские расходы. Часть сильнейших эффектов пришла от соединений с неожиданным механизмом действия — раннее свидетельство того, что ИИ может открывать новые возможности для перепрофилирования препаратов.

Обратный переход, из basal в classical, оказался труднее, и Quine предсказал, что доступные соединения дадут более слабый эффект. Неожиданным стало другое: модель предсказала, что несколько соединений будут устойчиво двигать клетки к отдельному третьему фенотипу, и это подтвердилось в лаборатории. По выводу авторов, ландшафт клеточных состояний рака поджелудочной железы богаче простой оси classical–basal. Дальнейшая работа будет опираться на новые интегрированные RNA-наборы данных и задачи, чтобы описать этот ландшафт точнее, усилить предсказания переходов состояний и дать калиброванные оценки уверенности для приоритизации гипотез.

Программа Fellows и рамки доступа

Развивать систему в изоляции Microsoft Research не собирается: заявки в первую программу Quine Fellows открыты с 29 сентября по 2 ноября 2026 года. Это 16-недельная исследовательская программа с финансовой поддержкой в Microsoft Research в Кембридже, штат Массачусетс, для кандидатов PhD, постдоков, research scientists, а также академических и независимых исследователей; сама программа пройдёт с 7 июня по 24 сентября 2027 года. Fellows будут работать вместе с исследователями Microsoft и получат доступ к Quine и вычислительным ресурсам, а при необходимости — и экспериментальную поддержку.

Направления, которые интересуют организаторов, перечислены открыто: дизайн и инженерия белков; исследования, связанные с дизайном, поиском и оптимизацией ферментов; генетическая и химическая пертурбация клеточного состояния; ранняя терапевтическая работа в недостаточно обеспеченных исследованием заболеваниях, включая приоритизацию гипотез и соединений; а также смежные задачи, где более быстрая итерация между дизайном и экспериментом способна изменить результат.

Доступ к системе на этом этапе сознательно поэтапный: начальная доступность ограничена программой Quine Fellows и отдельными исследовательскими коллаборациями, действуют постоянный внутренний обзор и встроенные предохранители, а по мере взросления технологии доступ планируют расширять через продукты вроде Microsoft Discovery. Quine прямо описан как экспериментальная исследовательская технология: её выводы могут быть неполными или неточными, требуют проверки квалифицированными исследователями и научной валидации, и система не предназначена для диагностики, лечения, медицинских советов или клинических решений.

Каким будет реальный тест

Авторы отдельно оговаривают, что соблазнительно мерить прогресс ИИ в биологии бенчмарками и лидербордами: они важны, но настоящий тест Quine — это то, что происходит, когда система сталкивается с наукой как она есть на практике. Полезно ли это, когда свидетельства неполны? Справляется ли система с вопросами, которых раньше просто не задавали? Помогает ли она сократить путь от вопроса к открытию?

Ответ на эти вопросы и есть тот стандарт, который здесь важен. Амбиция сформулирована так: Quine должна уйти в фон научной практики, пока наука на переднем плане движется быстрее, а главными героями остаются не модель и не платформа, а учёные, эксперименты и открытия.