«خودکارسازی پژوهش‌های پیچیده»؛ هدف جدید چوگای از به‌کارگیری عامل‌های هوش مصنوعی

تصور کنید دانشمندی باشید که به‌جای تحلیل نتایج، ساعت‌ها وقت خود را صرف جابه‌جایی بین ابزارهای نامرتبط و پایگاه‌های داده پراکنده می‌کند. شرکت داروسازی چوگای (Chugai Pharmaceutical Co., Ltd.) تصمیم گرفته است با استقرار Biomni Lab، این گلوگاه داده را در جریان‌های کاری کشف دارو از بین ببرد. به نقل از اعلامیه این شرکت در ۴ اوت ۲۰۲۶، این پلتفرم به‌طور مشخص چهار حوزه کلیدی را هدف قرار می‌دهد: تحلیل تک‌سلولی، ژنتیک انسانی، زیست‌شناسی بیماری‌ها و ارزیابی اهداف درمانی.

زمینه و جایگاه صنعتی

چوگای که یک داروساز مستقر در توکیو و عضو گروه روش (Roche Group) است و در بازار اصلی بورس توکیو لیست شده است، اکنون به جمع مشتریان اولیه شرکت فایلو (Phylo) پیوست. هدف این همکاری حل یک اصطکاک قدیمی و مداوم است: تحلیل‌گرانی که مدام بین مجموعه‌داده‌های جداگانه در رفت‌وآمدند، در حالی که داده‌های داخلی تولیدشده در گذشته بدون استفاده باقی می‌مانند.

همان‌طور که در تحلیل‌های پیشین ما درباره‌ی اتوماسیون در علوم زیستی اشاره کردیم، مشکل اصلی نه کمبود داده، بلکه عدم دسترسی سریع به آن‌هاست. سوهه اویاما، رئیس بخش فناوری بیولوژیکی چوگای، تأکید می‌کند که مقیاس و پیچیدگی داده‌های علمی امروز، ابزارهایی می‌طلبد که به‌طور خاص برای پژوهش‌های اکتشافی ساخته شده باشند. اویاما اظهار داشت: «ما باور داریم که Biomni Lab می‌تواند به دانشمندان ما کمک کند تا پرسش‌های علمی را مؤثرتر بررسی کنند و کشف دارو را برای خلق داروهای نوآورانه برای بیماران تسریع بخشند.»

این حرکت در حالی رخ می‌دهد که صنعت از چت‌باتی‌های ساده بر پایه مدل زبانی بزرگ (LLM) — مثل کتابخانه‌داری که میلیاردها صفحه را خوانده و حالا با همان لحن کتاب‌ها جواب می‌دهد — به سمت هوش مصنوعی عامل‌محور (Agentic AI) حرکت می‌کند؛ سیستمی که می‌تواند پروتکل‌های پژوهشی چندمرحله‌ای را واقعاً اجرا کند. برای یک داروساز، این تغییر شبیه جایگزین کردن یک دایرةالمعارف دیجیتال با یک دستیار آزمایشگاه دیجیتال است که می‌تواند به‌طور مستقل ژن‌ها را اولویت‌بندی کند یا بیماری‌های نادر را تشخیص دهد، بدون اینکه برای هر وظیفه جدید نیاز به تنظیمات دستی باشد.

Biomni Lab به‌عنوان یک محیط زیست‌شناسی یکپارچه عمل می‌کند و بیش از ۳۰۰ پایگاه داده، سیستم‌های نرم‌افزاری و ابزار تحلیلی را در یک فضای کاری واحد جمع می‌کند. نکته حیاتی این است که این عامل‌ها در محیط امنیتی داخلی چوگای اجرا می‌شوند، که به هوش مصنوعی اجازه می‌دهد مستقیماً روی داده‌های پژوهشی اختصاصی شرکت بدون نشت مالکیت معنوی حساس کار کند.

معماری فنی و عملکرد

این سامانه در واقع نسخه تجاری پروژه متن‌باز Biomni است که در ژوئن ۲۰۲۴ در دانشگاه استنفورد آغاز شد. سازوکار اصلی آن، ترکیب استدلال مدل‌های زبانی با تولید بازیابی‌افزا (RAG) — شبیه دانش‌آموزی که قبل از جواب دادن، اول کتاب درسی را باز می‌کند و از آن نقل می‌آورد — و اجرای کد محور است. این معماری به عامل اجازه می‌دهد تا یک گردش کار را طراحی کند، کد لازم برای تحلیل یک مجموعه‌داده را بنویسد و آن را به‌طور خودکار اجرا نماید.

توانایی‌های Biomni Lab بر چند نقطه اتکای کلیدی توسعه‌یافته است:

• اعتبارسنجی آکادمیک: این سیستم ابتدا در یک پیش‌طرح (Preprint) در ژوئن ۲۰۲۵ توصیف شد و سپس در سال ۲۰۲۶ در یک مطالعه داوری‌شده در ژورنال معتبر Science چاپ شد. این مطالعات موردی شامل بهینه‌سازی پایداری پروتئین، تفسیر مولتی-اومیکس و کنترل ابزارهای آزمایشگاه تر (Wet-lab) بود.
• گستره تخصصی: این محیط از کاتالوگی از پروتکل‌ها و پایگاه‌های داده استخراج‌شده از ادبیات علمی در ۲۵ حوزه زیست‌پزشکی استفاده می‌کند. این قابلیت به یک عامل اجازه می‌دهد بدون نیاز به تنظیمات خاص برای هر تسک، بین اولویت‌بندی علّی ژن‌ها و بازتولید کاربرد دارو جابه‌جا شود.
• پشتیبانی مالی: در ۳ فوریه ۲۰۲۶، یک دور سرمایه‌گذاری اولیه (Seed) به مبلغ ۱۳.۵ میلیون دلار اعلام شد که توسط اندریسن هوروویتز و صندوق Anthology متعلق به منلو ونچرز هدایت شد و شرکت آنتروپیک نیز در آن مشارکت داشت.
• پذیرش سریع: از زمان انتشار نسخه متن‌باز، بیش از ۷,۰۰۰ آزمایشگاه پژوهشی، شرکت‌های بیوفارما و سازمان‌های مراقبت بهداشتی از این ابزار استفاده کرده‌اند.

شواهد مربوط به سرعت این پلتفرم در یک مطالعه موردی با شرکت گینکو بیوورکس (Ginkgo Bioworks - DNA) دیده می‌شود. در آن مورد، Biomni Lab توانست بیش از ۱۰ تحلیل پیچیده «رنگ‌آمیزی سلولی» (Cell-painting) و ترانسکریپتومیک را به پایان برساند. گردش‌کارهای پژوهشی که به طور معمول هفته‌ها زمان می‌برد، تنها در عرض چند ساعت فشرده شدند و نتایج آن‌ها توسط دانشمندان گینکو به عنوان نتایجی در سطح مقالات علمی تأیید گردید.

استقرار استراتژیک و خط لوله

این استقرار یک شرط‌بندی استراتژیک روی علم عامل‌محور است. هر چهار حوزه نام‌برده توسط چوگای — تک‌سلولی، ژنتیک، زیست‌شناسی بیماری‌ها و ارزیابی اهداف — در بخش پیش‌بالینی (Preclinical) خط لوله قرار دارند؛ جایی که دانشمندان تصمیمات حیاتی درباره اهداف درمانی و برنامه‌های پژوهشی می‌گیرند.

توسعه فایلو در بازار ژاپن بسیار سریع بوده است. در ۲۸ ژوئیه ۲۰۲۶، شرکت اونو (Ono Pharmaceutical)، شرکت مستقر در اوساکا که سازنده داروی ایمونوتراپی Opdivo است، اعلام کرد که Biomni Lab را برای دانشمندان اکتشاف خود به کار می‌گیرد. چوگای تنها یک هفته بعد از این خبر به این روند پیوست. کسین هوانگ، بنیان‌گذار و مدیرعامل فایلو، اشاره کرد که دانشمندان چوگای از اولین کاربرانی بوده‌اند که از نسخه متن‌باز استفاده کردند.

با حذف فاصله بین داده‌های پراکنده، فایلو روی ناکارآمدی مرکزی بیوتکنولوژی مدرن، یعنی «عدم استفاده از داده‌های داخلی موجود»، دست گذاشته است. اگر Biomni Lab بتواند به‌طور موفقیت‌آمیز در حوزه‌های متنوع پژوهشی چوگای مقیاس‌پذیر شود، الگویی برای سایر اعضای گروه روش خواهد بود تا اکتشافات بیولوژیکی را خودکار کنند.

پژوهشگران باید منتظر نخستین نتایج داوری‌شده (Peer-reviewed) که از این استقرار صنعتی خاص حاصل می‌شود باشند، زیرا پرونده‌های قبلی عمدتاً در محیط‌های آکادمیک یا پایلوت‌های محدود بوده‌اند. نکته قابل توجه این است که برخی از نویسندگان مقاله Science مالکیت سهام در شرکت فایلو را افشا کرده‌اند و آویو رِگِو، یکی از نویسندگان ارشد، همزمان مقام اجرایی در ژنن تک (Genentech) و عضو کمیته اجرایی شرکت روش است.

گام بعدی شما

• اگر در حوزه‌های تحلیل داده‌های زیستی فعال هستید، مستندات پروژه متن‌باز Biomni را بررسی کنید تا با نحوه طراحی گردش‌کارهای خودکار آشنا شوید.
• رصد کنید که آیا نتایج خروجی از Biomni Lab در مقالات علمی ۲۰۲۶ با استناد به داده‌های چوگای منتشر می‌شود یا خیر.
• مدل‌های عامل‌محور را در بخش پیش‌بالینی پروژه‌های خود تست کنید تا گلوگاه‌های جابه‌جایی داده را شناس کنید.

اما تأثیر این اتوماسیون بر هزینه‌های نهایی تولید دارو حتی پیچیده‌تر است — به تحلیل ما درباره اقتصاد مدل‌های استدلالی در بیوتکنولوژی مراجعه کنید.