اگر در بازار سرمایه‌گذاری روی طول عمر (Longevity) فعال هستید، می‌دانید گلوگاه اصلی زیست‌شناسی نیست، بلکه پردازش داده‌هاست. Co-Scientist راه‌حلی ارائه داده که تحلیل‌های ژنتیکی ۶ ماهه را به چند روز کاهش می‌دهد.
پژوهش‌های پیری معمولاً زمانی متوقف می‌شوند که دانشمندان باید هزاران مقاله پراکنده را به نتایج آزمایشگاهی وصل کنند. برای حل این مشکل، از یک عامل هوش مصنوعی (AI Agent) — شبیه به دستیاری که هم‌زمان هزاران کتاب را می‌خواند و نتایج را با دقت در گزارش‌ها می‌بافد — استفاده می‌شود. همان‌طور که در تحلیل‌های قبلی ما درباره‌ی اتوماسیون پژوهشی اشاره کردیم، هدف تبدیل AI از یک چت‌بات به یک همکار عملیاتی است.
به نقل از گزارش DeepMind در ۱۸ مه ۲۰۲۶، این ابزار در دو جبهه عمل می‌کند. اول، ده‌ها هزار مقاله را برای پیشنهاد بیش از ۲۰ عامل ژنتیکی جدید جهت معکوس کردن پیری (Senescence) بررسی کرد. آزمایش‌های آزمایشگاهی تأیید کردند که چندین مورد از این عوامل، سلول‌های پوست، مو و ماهیچه را به حالت جوان‌تر برگرداندند.
دوم، این ابزار مرحله «پیگیری» را خودکار می‌کند. طبق گزارش این شرکت، متصل کردن نتایج غربالگری به ادبیات علمی معمولاً ۶ ماه زمان می‌برد، اما Co-Scientist این کار را در چند روز انجام می‌دهد. این سیستم بر اساس ترکیب داده‌های خام و علوم موجود، تشخیص می‌دهد کدام مسیرهای ژنتیکی ارزش دنبال کردن دارند. پژوهشگران عمر ابودایه (Omar Abudayyeh) و جاناتان گوتنبرگ (Jonathan Gootenberg) اکنون از این ابزار برای حذف کارهای تکراری استفاده می‌کنند.
این تغییر، AI را از یک ابزار پاسخ‌دهنده به یک «شریک آزمایشگاهی» تبدیل می‌کند که سخت‌ترین بخش فرضیه‌سازی را بر عهده می‌گیرد. برای صنعت بیوتکنولوژی، هزینه شکست کاهش می‌یابد؛ چون چرخه «آزمون-خطا-یادگیری» حالا چندین برابر سریع‌تر شده است. ما از کشفیات تصادفی به سمت دقت الگوریتمیک در حوزه طول عمر حرکت می‌کنیم.
گام بعدی شما
- بررسی پورتال پژوهشی DeepMind برای رصد پیشرفت‌های عامل‌های AI در بیوتکنولوژی.
- دنبال کردن نتایج انتقال این عوامل ژنتیکی از محیط آزمایشگاهی به آزمایشات بالینی.
- مطالعه اثرات کاهش هزینه تحقیق و توسعه (R&D) در شرکت‌های داروسازی.
اما تأثیر این سرعت در تولید داروهای شخصی‌سازی‌شده حتی تکان‌دهنده‌تر است — به تحلیل ما درباره‌ی پزشکی دقیق مراجعه کنید.
گفتگو