요약:
Microsoft Research는 최근 Quine이라는 인공지능 연구 시스템을 공식 출시하여 생명과학 분야의 '생물학적 세계 모델'로 정의했습니다. 이 시스템은 과학자들이 복잡한 생물학적 메커니즘을 이해하고 약물 발견 과정을 가속화하며 암과 같은 주요 질병에 대한 연구의 획기적인 발전을 촉진할 수 있도록 설계되었습니다.
Microsoft는 지난 수십 년 동안 면역학, 바이러스학, 유전체학, 생물 의학 이미징, 세포 생물학 및 단백질 공학을 포함하는 컴퓨터 생물학 분야의 연구에 계속 투자해 왔다고 밝혔습니다. 생명 과학 연구가 점점 복잡해짐에 따라 기존 모델은 종종 단일 분야의 데이터만 처리할 수 있는 반면, 실제 생물학적 시스템은 유전자, 단백질, 세포 및 조직과 같은 여러 수준의 상호 작용을 포함합니다. 따라서 연구팀은 다양한 규모와 데이터 유형에 걸쳐 추론을 수행할 수 있는 시스템을 구축하고자 했습니다.
Quine은 두 가지 핵심 부분으로 구성됩니다. 하나는 게놈, 단백질, 화학 분자, RNA, 세포 상태 및 생물학적 이미지와 같은 여러 데이터 유형에 대해 공동으로 훈련하여 통일된 지식 표현 프레임워크를 구축할 수 있는 생물학적 세계 모델입니다. 두 번째는 과학 문헌, 실험 도구, 추론 모델, 실험실 및 과학 연구자 자체를 연결하여 완전한 폐쇄형 과학 연구 루프를 형성하는 대화형 연구 플랫폼입니다.
Microsoft는 Quine이 실험을 대체하는 데 사용되는 것이 아니라 과학자들이 비용과 시간이 많이 소요되는 실험 리소스를 투자하기 전에 잠재적인 연구 방향을 선별하고 우선순위를 정하는 데 도움이 된다고 믿습니다. 이 시스템은 기존 지식을 기반으로 중재의 예상 영향을 예측할 수 있으므로 실험 설계의 효율성이 향상됩니다.
Quine은 Harvard University의 Broad Institute 및 MIT와의 공동 연구를 통해 췌장관 선암종을 연구하는 데 사용되고 있습니다. 연구팀은 종양 행동과 약물 반응이 유전적 요인뿐만 아니라 세포 상태의 변화에도 영향을 받는다는 오랜 가설을 테스트하려고 했습니다.
Quine을 사용하여 연구자들은 수천 개의 후보 화합물을 분석하고 순위를 매겨 종양 세포를 보다 유리한 치료 상태로 만들 가능성이 가장 높은 화합물을 찾았습니다. 후속 실험실 검증에서는 시스템에 의해 선택된 우선순위가 높은 후보 화합물이 실제로 가장 중요한 예상 효과를 생성하는 것으로 나타났습니다.
Microsoft는 과거에는 완료하는 데 수개월이 걸렸던 복합 스크리닝 및 검증 작업이 Quine의 도움으로 스크리닝부터 실험 검증까지 단 한 주말 만에 완료되어 연구 주기가 크게 단축되고 R&D 비용이 절감되었다고 밝혔습니다.
연구 과정에서 예상치 못한 발견도 나타났습니다. 기존 가설을 테스트하는 것 외에도 Quine은 일부 화합물이 암세포를 이전에 초점을 맞추지 않았던 제3의 세포 상태로 유도할 것이라고 예측했으며 후속 실험 결과에서 이러한 예측이 확인되었습니다. 연구자들은 이것이 인공 지능이 실험 과정의 속도를 높일 수 있을 뿐만 아니라 잠재적으로 과학자들이 새로운 생물학적 법칙을 발견하는 데 도움이 될 수 있음을 보여준다고 믿습니다.
동시에 Microsoft는 생명 과학 및 의학 분야의 연구원을 초대하여 이 시스템 사용에 참여하고 Microsoft 팀에 피드백을 제공하는 Quine Fellows 연구원 프로그램을 시작했습니다. 회사는 실제 과학 연구 시나리오를 통해 모델 역량을 지속적으로 향상시키고 보다 실용적인 응용 방향을 모색하기를 희망합니다.
Microsoft는 Quine이 여전히 실험적인 과학 연구 기술이며 연구 목적으로만 사용되며 임상 진단이나 의학적 의사 결정에는 적합하지 않다는 점을 강조합니다. 시스템에서 생성된 결론은 채택되기 전에 전문 연구원의 검토와 실제 실험을 통해 검증되어야 합니다. 마이크로소프트는 향후 기술이 성숙해짐에 따라 마이크로소프트 디스커버리(Microsoft Discovery)와 같은 플랫폼을 통해 관련 기술의 활용 범위를 점차 확대해 나갈 계획이다.
인공지능이 과학 연구에 점점 더 깊이 관여함에 따라 Microsoft는 Quine과 같은 시스템이 미래 과학 연구 인프라의 중요한 부분이 될 것으로 기대하고 있습니다. 계산적 추론과 실험적 검증을 긴밀하게 통합함으로써 과학자들은 질문부터 발견까지 전체 과정을 보다 빠르게 완료하여 신약 개발과 생명과학 혁신을 가속화할 수 있습니다.
자세히 알아보기:
https://www.microsoft.com/en-us/research/blog/introducing-quine-an-ai-research-system-designed-for-the-complexity-of-biology/
댓글