- アメリカ政府とテクノロジー企業が協力し、約 18 億ドルを投じて生物データセットを構築。
- 本プロジェクトは、生物学における標準化データの需要を解決することを目的としている。
- Biohub は国立衛生研究所と協力し、情報を標準化してモデルを訓練する。
- NVIDIA が計算インフラと技術的専門知識を提供し、このイニシアチブを支援する。
アメリカ政府、Meta、Google DeepMind およびその他のパートナーが、約 18 億ドルの資金と既存のリソースを結集し、オープンな生物データセットを構築しており、その目的は生きた細胞の振る舞いを予測することにある。本プロジェクトは Biohub のバーチャル生物学イニシアチブを拡張するもので、目標は「バーチャル細胞」を開発することであり、研究者は最終的にこれを用いて細胞反応を予測し、デジタル環境で一部の生物学実験を行えるようになる。Biohub は、計算ツールと生物学を組み合わせることに注力する非営利研究組織である。Google DeepMind、創薬企業 Isomorphic Labs、および Meta が共同で 3 億ドルを本イニシアチブに投じている。
資金源とパートナー
アメリカエネルギー省が今後 5 年間で 5 億ドル超を生物測定、モデリング、計算に提供する。国立衛生研究所が、5 億ドル超の過去の連邦投資によって開発されたデータセット、データベース、その他のリソースを調整する。Biohub が NIH と協力し、情報を標準化して予測モデルの訓練に利用できるようにする。
本プロジェクトは、高度な計算モデルを生物学に適用する上での大きな障壁の一つを解決することを目的としている。研究者は、条件が変化した際の細胞の振る舞いと反応を示すために、大量の標準化された実験データを必要としている。Biohub によれば、生成されるデータセットは研究者に公開される。その目標は単に細胞を分類することではなく、モデルが細胞の介入に対する反応を予測できるよう、十分な測定データを提供することであり、これは研究者が実験室での実験を行う前に疾患や治療法を調査するのに役立つ可能性がある。「正確な生物学的予測モデルは科学的発見を大幅に加速させ、科学者がデジタル環境で実験を行えるようにする」
Biohub の科学責任者である Alex Rives 氏はこう述べている。「そこから得られる知見は、疾患に対するより深い理解を解き放ち、全く新しい治療の道を開くだろう。」Biohub は 4 月にバーチャル生物学イニシアチブを開始する際、すでに 5 億ドルの投資を約束しており、そのうち 4 億ドルは測定技術に充てられる。これには、細胞内の近原子構造を明らかにできるクライオ電子トモグラフィー技術や、生きた組織内の数百万から数十億の細胞をイメージングすることを目的とした顕微鏡技術が含まれる。残りの 1 億ドルは Biohub 以外の研究を支援する。
標準化データの重要性
拡張されたイニシアチブは、これらの取り組みを連邦研究所のインフラおよび追加の民間投資と結びつけるものである。エネルギー省の貢献は、スーパーコンピュータ、X 線および中性子散射、クライオ電子顕微鏡およびトモグラフィー技術、ならびに自律型実験室を含むアメリカ国立研究所の能力を活用する。国立衛生研究所は、その「生物創世ミッション」を通じて、国家データベースおよび発生生物アトラス、共通データ標準、計算モデリングに適したデータセットの計画など、既存の生物医学リソースを提供する。この広範な取り組みに参加しているその他の組織には、Allen Institute、Broad Institute、Glaston Institute、Human Cell Atlas、Human Protein Atlas、Wellcome Sanger Institute が含まれる。
NVIDIA が高速計算インフラ、専門ソフトウェア、技術的専門知識を提供する。
Biohub は、共通の識別子、共有標準、単一のアクセスポイントを作成し、異なる機関で生成されたデータセットが協調して機能できるようにする計画である。この標準化は極めて重要となる。なぜなら、生物データは異なる機器、実験、細胞タイプ、測定方法に由来する可能性があるからだ。最終目標はあくまで将来的なものであり、すでに実証されたものではない。本イニシアチブは、任意の生物学的反応を正確に予測できる汎用的なバーチャル細胞をまだ生み出していない。むしろ、約 18 億ドルのコミットメントは、実験データ、測定技術、計算インフラを確立し、そうしたモデルを開発・検証することを目的としている。
生物データセットの将来的な可能性と課題
本プロジェクトは単なる資金投入ではなく、テクノロジー企業と政府機関の協力の模範でもある。データの標準化を通じて、研究者は計算モデルを生物学研究により効果的に活用できるようになる。これは、科学的発見と新しい治療法の開発を加速する上で極めて重要である。しかし、正確なバーチャル細胞モデルの構築には依然として課題が残る。異なるソースからのデータを統合し、その品質と一貫性を確保する必要があるためだ。成功すれば、疾患に対する深い理解を解き放ち、生物医学の進歩を推進することになるだろう。