コンテンツにスキップ
メインサイト ニュース コンソール

計算スピードで「Lab-in-the-Loop」を実現する——Ian Quigley、Leash Bio

· Latent Space 翻訳済
播客深度访谈

Image 3: Latent.Space

Latent Space:AIエンジニア・ポッドキャスト(The AI Engineer Podcast)

コンピューティング速度で回すLab-in-the-Loop(Lab-in-the-Loop at Compute Speed)—— Ian Quigley(Leash Bio)

Leash Bioはいかにして、誰もが手を焼いてきたDEL(DNAコード化化合物ライブラリ)実験を手なずけ、そのデータを使って「近道をしてカンニングする」モデルを暴き出したのか。そしてなぜこのデータが、化学者のように思考するAIエージェントのトレーニングにうってつけなのか。

Brandon Anderson

3時間前

数年前、私は偶然 Leash Bio の Substack を見つけ、一瞬で魅了されました。彼らが開催した Kaggleコンペ(私たちはタンパク質とリガンドの結合問題を実際にはまったく解けていなかったことを証明したもの)であれ、ある分子の著者が誰かを知るだけで、その活性の高さを予測するには十分かもしれないという驚くべき発見であれ、彼らのSubstack――少なくとも Owl Posting1 による彼らの徹底解説――は、AI創薬に取り組むすべての科学者にとって必読の文献と言えるでしょう。

Video 1

そのため、Leash Bioの Ian Quigley とようやく腰を据えて語り合い、教えを請う機会を得られたことは、私にとって非常に刺激的な体験でした。Leashは DNAコード化化合物ライブラリ(DNA-Encoded Libraries、略称 DEL)に注力しています。これは、タンパク質と低分子化合物の相互作用データを極めて高いスループットで収集する手法です。2 Leashの取り組みを知るまで、私が耳にしてきたDELの話といえば、実践者たちによる悪夢と不満の声ばかりでした。しかしIanとそのチームは、どういうわけかこのじゃじゃ馬を手なずけ、クリーンで再現性の高いデータを抽出することに成功しました。そしてそのデータこそが、大規模なモデルトレーニングにとって理想的な素材だったのです。ネタバレを避けて一言で言えば、その秘訣は「認識論的な厳密さ(epistemic rigor)」と、何としてでも「やり遂げる(Do The Thing)」という確固たる信念に行き着きます。

さらに面白い展開はここからです! エピソードの終盤で、Ianは収録当時にチームが試行錯誤していた新たな方向性を明かしてくれました。それは、AIエージェントが検証可能な科学的推論を行うための「実験場(playground)」です。過去数年間に蓄積されたデータを使えば、数万回もの「Lab-in-the-Loop」シミュレーション環境を提供できることに彼らは気づきました。これこそが、科学分野向けのエージェントに強化学習(RL)を施すために切望されていたものです。それから2か月後、このアイデアは「Minos」へと結実し、本日、完全なプレプリント論文、ブログ記事、そしてオープンソースデータセットが公開されました。数日後には最新アップデートをお届けするショートポッドキャストも公開予定ですので、ぜひご期待ください!

Video 2

Ianとの対談は大いに盛り上がり、これまで制作した中でも間違いなくトップクラスに面白いエピソードの1つとなりました。化学のビギナーであれ、「AI × バイオ」分野のベテランであれ、誰もが何かしらの収穫を得られる内容になっています。

ぜひお楽しみください!

Video 3

今回の対談で取り上げたトピック:

  • なぜDELは携わった人々をことごとく苦しめてきたのか。そしてLeashはいかにして各分子に数十個のバーコードを付加し、薬剤ではなくDNAそのものと結合してしまうタンパク質をスクリーニングで排除したのか。
  • Ianが提唱する生物学のスケーリング則:生物学をスケールさせる手段は、画像撮影(イメージング)とDNAシーケンシングの2つしかない。
  • Kaggleコンペティション:地下室で生成された約40億件もの測定データに約2,000チームが挑んだものの、未学習の化学ライブラリに対してランダム推測を上回るスコアを出せたチームは皆無だった話。さらに、Leashが「コ・フォールディング(co-folding / 複合体構造予測)技術によって自分たちの仕事が不要になるのではないか」と密かに恐れていた理由。
  • ChEMBL における「賢いハンス(Clever Hans)効果」:モデルは分子構造からどの化学者が合成したかを言い当てることができ、「誰が作ったか」の情報が構造そのものとほぼ同等の活性予測能力を持ってしまっていた件。
  • Leash独自のデータのみでトレーニングされた Hermes が、公開ベンチマークで Boltz と同等レベルに達した背景。また、BoltzがPDB(Protein Data Bank)ですでに学習済みだったBRD4分子について。
  • 結合ポケットの破壊(Breaking the pocket):Hermesが本来の結合部位ではなく、タンパク質の「ニックネーム(見せかけの特徴)」を暗記していたことが判明した後、大規模なタンパク質変異導入プロジェクトに乗り出した経緯。
  • ルマカフトル(Lumacaftor)に類似したヒット分子が、思いがけずミスフォールドタンパク質の検出器として機能した話。
  • エージェント・サンドボックス(Agent Sandbox):LLMが自然言語を用いて構造活性相関(SAR)を推論し、わずか100回の実験予算の中で650万個の分子から最適なバインダーを探索。
  • Recursion マフィアと、その出身者が立ち上げた企業がことごとく共通した気質を持つ理由。
  • コスリのパラドックス(Kosuri paradox):直接データを収集できるのなら、そもそもなぜモデルが必要なのか?
  • ある抗炎症パイプラインにおいて、DELのヒット分子からわずか6か月で良好なマウスPK/PD(薬物動態/薬力学)データへと進捗させたプロセスと、サイトカイン標的に対して抗体医薬ではなく低分子経口薬を選択した根拠。
  • 潤沢な資金を持つ研究室がLeashのスケールを超えられないボトルネックは何なのか、そしてIanが力技で実現させたいと熱望する「大規模並列精製」。

1

間違いなくインターネット上で最高のバイオテック・ブロガーです。

2

常のごとく、ここでの秘訣は問題をコンビナトリアルライブラリへとマッピングし、次世代シーケンシング(NGS)技術で読み出すことにあります。ポッドキャスト本編で徹底的に掘り下げています!