全文概要
Biohub 联合美国能源部(DOE)、美国国立卫生研究院(NIH)以及 Google DeepMind、Isomorphic Labs、Meta 等机构宣布,共同投入 18 亿美元构建面向 AI 模型的生物学基础数据,打造"虚拟生物学计划"(Virtual Biology Initiative)。这是迄今规模最大的、面向 AI 的生物学数据生成行动,目标是让全球科研界能够构建并调用可预测细胞与疾病行为的 AI 模型,从而加速疾病理解与治疗手段的发现。

Biohub 联合美国能源部(DOE)、美国国立卫生研究院(NIH)以及 Google DeepMind、Isomorphic Labs、Meta 等机构宣布,共同投入 18 亿美元构建面向 AI 模型的生物学基础数据,打造"虚拟生物学计划"(Virtual Biology Initiative)。这是迄今规模最大的、面向 AI 的生物学数据生成行动,目标是让全球科研界能够构建并调用可预测细胞与疾病行为的 AI 模型,从而加速疾病理解与治疗手段的发现。

1. 破解 AI 生物学的"数据瓶颈"

AI 在生物学中的应用长期受制于高质量、结构化生物学数据的稀缺——相比训练现代 AI 系统的海量文本与图像数据,可用于预测性模型训练的生物数据要少得多。虚拟生物学计划正是针对这一瓶颈,通过跨机构、跨学科的数据生成协作,扩展细胞对不同干预条件响应的数据覆盖范围,覆盖远超现有研究的细胞类型与条件,并开发验证更大规模、更快速度、更高精度的细胞研究技术。

2. 各方投入与合作分工

在该计划中,DOE 将通过其"创世纪使命"(Genesis Mission)在五年内投入逾 5 亿美元,用于实验室测量、建模与计算,依托百亿亿次级超算、X 射线与中子散射、冷冻电镜及国家实验室体系的自主实验室等资源。NIH 将协调其既往逾 5 亿美元联邦投资所形成的数据集、知识库与生物信息库,并与 Biohub 合作将这些数据标准化以用于 AI 模型训练。Google DeepMind、Isomorphic Labs 与 Meta 则合计投入 3 亿美元,用于创建技术与多模态数据集。Biohub 早前已承诺 5 亿美元锚定该计划,其中 4 亿美元支持冷冻电子断层扫描、活体组织大规模成像及分子—细胞—组织—整体水平构建与扰动等新技术,另有 1 亿美元资助外部研究。

3. 开放科学与前景区分

该计划定位为开放科学行动,但参与出资的商业伙伴可在数据正式公开前获得临时早期访问权;禁运期结束后数据将作为公共科学资源发布,政府资助的工作则不受此类限制。Biohub 预计首批数据集将在约一年内就绪,并力争在五年内构建越来越精确的预测模型。若"虚拟细胞"得以实现,科研人员将可在数字层面进行实验,大幅加速新疗法与新药的发现路径,这也使其被视为下一阶段科学研究的核心挑战之一。

来源:Biohub 官方公告;Newswise;Analytics Insight 等科技媒体


解螺旋科研助手企业微信二维码,扫码添加免费领取科研资料礼包,包含AI科研提效、SCI投稿技巧、国自然基金、医学科研绘图、科研软件工具等实用资料


声明:本文资讯来源于公开报道及学术期刊,仅作行业信息传播,不构成临床用药建议。转载需注明来源。