- تتعاون الحكومة الأمريكية مع شركات التكنولوجيا باستثمار ما يقارب 1.8 مليار دولار لإنشاء مجموعة بيانات بيولوجية.
- يهدف المشروع إلى تلبية الحاجة إلى بيانات موحدة في علم الأحياء.
- ستتعاون Biohub مع المعاهد الوطنية للصحة لتوحيد المعلومات لتدريب النماذج.
- ستوفر NVIDIA البنية التحتية للحوسبة والخبرة التقنية لدعم هذه المبادرة.
تجمع الحكومة الأمريكية و Meta و Google DeepMind وشركاء آخرون ما يقارب 1.8 مليار دولار من التمويل والموارد الحالية لإنشاء مجموعة بيانات بيولوجية مفتوحة تهدف إلى التنبؤ بسلوك الخلايا الحية. يوسع هذا المشروع مبادرة علم الأحياء الافتراضي الخاصة بـ Biohub، وهدفه تطوير "خلية افتراضية" يمكن للباحثين استخدامها في النهاية للتنبؤ باستجابات الخلايا وإجراء بعض التجارب البيولوجية في بيئة رقمية. Biohub هي منظمة بحثية غير ربحية تركز على دمج الأدوات الحسابية مع علم الأحياء. تساهم Google DeepMind وشركة اكتشاف الأدوية Isomorphic Labs و Meta معاً بـ 300 مليون دولار في هذه المبادرة.
مصادر التمويل والشركاء
ستقدم وزارة الطاقة الأمريكية أكثر من 500 مليون دولار على مدى خمس سنوات للقياسات الحيوية والنمذجة والحوسبة. ستنسق المعاهد الوطنية للصحة مجموعات البيانات وقواعد البيانات والموارد الأخرى التي تم تطويرها من خلال استثمارات فيدرالية سابقة تزيد عن 500 مليون دولار. ستتعاون Biohub مع المعاهد الوطنية للصحة لتوحيد المعلومات حتى يمكن استخدامها لتدريب النماذج التنبؤية.
يهدف المشروع إلى معالجة أحد العوائق الرئيسية لتطبيق النماذج الحسابية المتقدمة على علم الأحياء: يحتاج الباحثون إلى كميات كبيرة من البيانات التجريبية الموحدة التي تُظهر كيف تتصرف الخلايا وتستجيب عند تغير الظروف. تقول Biohub إن مجموعات البيانات الناتجة ستكون متاحة للباحثين علناً. الهدف ليس مجرد تصنيف الخلايا ببساطة، بل توفير قياسات كافية لتمكين النماذج من التنبؤ بكيفية استجابة الخلايا للتدخلات، مما قد يساعد الباحثين في دراسة الأمراض وطرق العلاج قبل إجراء التجارب المخبرية. "يمكن للنماذج التنبؤية البيولوجية الدقيقة أن تسرع الاكتشاف العلمي بشكل كبير، مما يتيح للعلماء إجراء التجارب في بيئة رقمية."
قال أليكس رايفز، رئيس قسم العلوم في Biohub: "ستفتح الرؤى المكتسبة من ذلك الباب لفهم أعمق للأمراض، وتمهد مسارات علاجية جديدة تماماً." كانت Biohub قد تعهدت بـ 500 مليون دولار عند إطلاق مبادرة علم الأحياء الافتراضي في أبريل، سيتم تخصيص 400 مليون دولار منها لتقنيات القياس، بما في ذلك تقنية الميكروسكوب الإلكتروني المبرد التي يمكن أن تكشف الهياكل شبه الذرية داخل الخلايا، وتقنيات المجهر المصممة لتصوير ملايين إلى مليارات الخلايا في الأنسجة الحية. وستدعم 100 مليون دولار أخرى الأبحاث خارج Biohub.
أهمية البيانات الموحدة
تجمع المبادرة الموسعة هذه الجهود مع البنية التحتية للمختبرات الفيدرالية واستثمارات خاصة إضافية. ستستفيد مساهمة وزارة الطاقة من قدرات المختبرات الوطنية الأمريكية، بما في ذلك أجهزة الكمبيوتر العملاقة، وأشعة X وتشتت النيوترونات، والميكروسكوب الإلكتروني المبرد وتقنيات التبلور، والمختبرات الذاتية. وستوفر المعاهد الوطنية للصحة من خلال مهمتها "البيولوجيا الخلوية" الموارد الطبية الحيوية الحالية، بما في ذلك قواعد البيانات الوطنية وأطلس البيولوجيا التنموية، ومعايير البيانات المشتركة، وخطط لمجموعات بيانات مناسبة للنمذجة الحسابية. ومن بين المنظمات الأخرى المشاركة في هذا الجهد الواسع معهد ألين، ومعهد برود، ومعهد غلادستون، وأطلس الخلايا البشرية، وأطلس البروتين البشري، ومعهد ويلكوم سانجر.
ستوفر NVIDIA بنية تحتية حاسوبية متسارعة، وبرمجيات متخصصة، وخبرة تقنية.
تخطط Biohub لإنشاء معرفات مشتركة، ومعايير مشتركة، ونقطة وصول واحدة، لتمكين مجموعات البيانات التي تولدها مؤسسات مختلفة من العمل معاً. سيكون هذا التوحيد بالغ الأهمية لأن البيانات البيولوجية قد تأتي من أجهزة مختلفة، وتجارب، وأنواع خلايا، وطرق قياس. يظل الهدف النهائي مستقبلياً وليس مثبتاً بعد. لم تنتج المبادرة بعد خلية افتراضية عالمية قادرة على التنبؤ الدقيق بأي استجابة بيولوجية. بدلاً من ذلك، يهدف الالتزام بما يقارب 1.8 مليار دولار إلى بناء البيانات التجريبية، وتقنيات القياس، والبنية التحتية الحسابية اللازمة لتطوير واختبار مثل هذه النماذج.
الإمكانات والتحديات المستقبلية لمجموعات البيانات البيولوجية
لا يقتصر هذا المشروع على ضخ التمويل، بل يمثل نموذجاً للتعاون بين شركات التكنولوجيا والجهات الحكومية. من خلال توحيد البيانات، سيتمكن الباحثون من استخدام النماذج الحسابية بشكل أكثر فعالية في الأبحاث البيولوجية. وهذا أمر بالغ الأهمية لتسريع الاكتشافات العلمية وتطوير علاجات جديدة. ومع ذلك، لا يزال بناء نماذج دقيقة للخلايا الافتراضية يواجه تحديات، لأن ذلك يتطلب دمج بيانات من مصادر مختلفة وضمان جودتها واتساقها. وفي حال النجاح، سيساعد ذلك في فك شيفرة فهم أعمق للأمراض، ودفع عجلة التقدم في الطب الحيوي.