insitro چطور یه کارخونهٔ داده برای هوش مصنوعی زیستی ساخت
خلاصهٔ کاملتر
Daphne Koller و Max Salick از شرکت insitro تو این مقاله توضیح میدن چرا یه شرکت هوش مصنوعی باید آزمایشگاه واقعی داشته باشه. به گفتهٔ اونا، برخلاف متن و کد، دادهٔ زیستیای که یه مدل برای فهمیدن رابطهٔ علّی ژنها لازم داره هیچجا وجود نداره و فقط با انجام آزمایش به دست میاد. اسم insitro هم از ترکیب in silico (یعنی محاسبه روی کامپیوتر) و in vitro (یعنی آزمایش تو ظرف) اومده. نتیجهٔ این کار مثلاً تو ALS سه هدف درمانی جدید بوده، از جمله ALS-1.
پلتفرم اصلیشون POSH هست (Pooled Optical Screening in Human cells). میلیونها سلول با هم تو یه ظرف رشد میکنن و هر کدوم یه guide RNA از CRISPR میگیرن که معمولاً یه ژن رو خاموش میکنه، همراه یه بارکد مولکولی. بعد سلولها رنگآمیزی و تصویربرداری میشن و طی حدود سیزده دور شیمی، بارکد هر سلول تو همون جا خونده میشه. هر پلیت بیش از 200 هزار تصویر تولید میکنه. چون همهٔ سلولها تو یه محیطن، اثر batch (یعنی تفاوتهایی که از شرایط آزمایش میاد نه از ژن) کمتر میشه.
نویسندهها کلی خرابی عجیب رو تعریف میکنن. یه بازوی رباتیک پلیت سلولها رو پرت میکرد، چون چسب یه دستگاه سیل جدید درِ پلیت رو بهش میچسبوند و اون دستگاه خودش برای حل مشکل ترک خوردن شیشهها اومده بود. خطرناکتر از همه خرابیهای بیصدا بودن: یه پرایمر با برچسب اشتباه، یه پورت USB خراب، و درایور یه دوربین که تصاویر رو یه فریم جابهجا میکرد. هیچکدوم خطایی گزارش نمیکردن و فقط داده رو خراب میکردن.
درس اصلیشون این ترتیبه: اندازه بگیر، پایدار کن، بعد بهینه کن. با سنسورها، لاگهای زماندار و حتی یه ترازوی ساده برای وزن کردن پلیتها، و نرمافزارهای خودشون مثل Pyxscope برای میکروسکوپ و Pyxcell برای تحلیل تصویر، فرایند رو پایدار کردن. بازدهی بارکد از میانگین 34 درصد به 47 درصد رسید ولی مهمتر اینکه انحراف معیار از 11.2 به 2.5 واحد درصد افتاد. بعد با شیمی بهتر به بالای 71 درصد رسیدن. حالا یه اسکرین کل ژنوم بهجای 52 هفته کار یه نفر، فقط 4 هفته کار میبره، و 50 هزار دلار معرف بهجای 200 هزار دلار.
هوش مصنوعی هم به ساختن خود پلتفرم کمک کرده. یه شبکهٔ عصبی کوچیک برای خوندن بارکدها، سهم سلولهای با بارکد معتبر رو از 66.6 به 78.8 درصد رسوند. یه سیستم active learning به اسم iALDE (یعنی مدل فقط نمونههایی که مطمئن نیست رو از متخصص میپرسه) زمان برچسبگذاری رو بیش از پنجاه برابر کم کرد. یه سیستم کنترل کیفیت agentic هم با مدلهای زبانی چندوجهی ساختن که 82 درصد با متخصصها همنظره و پوشش بررسی تصاویر رو هشتاد برابر کرده. نویسندهها تأکید میکنن که هدف حذف دانشمند نیست، بلکه گذاشتن قضاوتش جایی که بیشترین اثر رو داره.
نکات کلیدی:
- POSH میلیونها سلول رو با CRISPR تغییر میده و با حدود 13 دور توالییابی بارکد هر سلول رو تو همون جا میخونه.
- بعد از پایدارسازی، انحراف معیار بازدهی بارکد از 11.2 به 2.5 واحد درصد رسید.
- بازدهی بارکد با شیمی جدید از 34 درصد به بالای 71 درصد رسید.
- هزینهٔ معرف یه اسکرین کل ژنوم از 200 هزار دلار به 50 هزار دلار کم شد.
- کنترل کیفیت agentic با مدلهای چندوجهی در حدود شش هفته به تولید رسید و 82 درصد با متخصصها همنظره.
- تصویربرداری حدود 100 برابر ارزونتر از روشهای دیگهٔ اندازهگیری تکسلولیه.




