GSK ทุ่มงบจับมือ Relation Therapeutics ลุยพัฒนายาด้วย AI
บริษัทเภสัชภัณฑ์ยักษ์ใหญ่ GSK ขยายความร่วมมือกับ Relation Therapeutics มูลค่าสูงถึง 110 ล้านดอลลาร์ มุ่งเน้นการสร้างชุดข้อมูลชีวภาพเพื่อขับเคลื่อนโมเดล AI ในการค้นหาตัวยาใหม่
ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง
- GSK ร่วมมือกับ Relation Therapeutics มูลค่าสูงสุด 110 ล้านดอลลาร์
- มุ่งสร้างชุดข้อมูลขนาดใหญ่เพื่อฝึกฝนโมเดล AI ในแพลตฟอร์ม MORGAN
- ผสานการทดลองในห้องปฏิบัติการกับการวิเคราะห์เชิงคำนวณเข้าด้วยกัน
- เน้นย้ำความสำคัญของคุณภาพและความหลากหลายของข้อมูลชีวภาพเชิงเดี่ยว
บริษัทเภสัชภัณฑ์ระดับโลกอย่าง GSK ได้บรรลุข้อตกลงความร่วมมือด้านการวิจัยมูลค่าสูงสุด 110 ล้านดอลลาร์สหรัฐ กับ Relation Therapeutics บริษัทเทคโนโลยีชีวภาพจากสหราชอาณาจักร โดยข้อตกลงดังกล่าวเป็นการขยายขอบเขตการทำงานร่วมกันที่มีอยู่เดิมในด้านการใช้ปัญญาประดิษฐ์หรือ AI เพื่อช่วยค้นคว้าและพัฒนายาใหม่
ภายใต้เงื่อนไขของสัญญา Relation จะทำหน้าที่สร้างชุดข้อมูลขนาดใหญ่ที่วัดผลการตอบสนองของเซลล์มนุษย์ต่อความเปลี่ยนแปลงทางพันธุกรรมและการใช้ยา ข้อมูลชุดนี้จะถูกนำไปใช้ฝึกฝนโมเดล AI ที่ออกแบบมาเพื่อระบุเป้าหมายในการรักษาโรค รวมถึงโมเดลต่างๆ ที่อยู่ในแพลตฟอร์ม MORGAN ของทางบริษัทเอง
แนวทางวิจัยของ Relation ได้ผสานการสร้างข้อมูลชีวภาพควบคู่ไปกับการพัฒนาโมเดล AI โดยกระบวนการวิจัยจะเชื่อมโยงการวิเคราะห์เชิงคำนวณเข้ากับการทดลองจริงที่สร้างข้อมูลใหม่เกี่ยวกับเซลล์มนุษย์ ความร่วมมือครั้งนี้ต่อยอดมาจากข้อตกลงก่อนหน้านี้ระหว่างทั้งสองบริษัทที่เคยร่วมมือกันศึกษาโรคพังผืดและโรคข้อเสื่อม ซึ่งโครงการเหล่านั้นเกี่ยวข้องกับการศึกษาเชิงสังเกตการณ์เพื่อสร้างชุดข้อมูลโรคสำหรับการวิเคราะห์ผ่านแพลตฟอร์ม Lab-in-the-Loop
ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง
การที่บริษัทยายักษ์ใหญ่หันมาลงทุนมหาศาลในการสร้างชุดข้อมูลชีวภาพเฉพาะทาง สะท้อนให้เห็นว่าปัญหาคอขวดในปัจจุบันของการนำ AI มาใช้ค้นคว้าตัวยาไม่ได้อยู่ที่ตัวสถาปัตยกรรมโมเดลอีกต่อไป แต่อ1ยู่ที่ความขาดแคลนของข้อมูลดิบที่มีคุณภาพสูงและสะท้อนชีววิทยาของมนุษย์ได้อย่างแม่นยำ การผสานห้องปฏิบัติการเข้ากับกระบวนการประมวลผลจึงกลายเป็นกุญแจสำคัญในการสร้างความได้เปรียบทางการแข่งขัน
นอกจากข้อมูลที่สร้างขึ้นเองแล้ว คลังข้อมูลสาธารณะยังคงเป็นแหล่งวัตถุดิบสำคัญในการฝึกฝนโมเดลพื้นฐานทางชีววิทยา แม้ว่าการรวมข้อมูลจากหลากหลายการศึกษาจะมีความท้าทายทางเทคนิคก็ตาม โดยงานทบทวนวรรณกรรมในปี 2025 ในวารสาร Experimental & Molecular Medicine ระบุว่า คลังข้อมูลอย่าง CZ CELLxGENE, Human Cell Atlas และ NCBI Gene Expression Omnibus ช่วยให้นักวิจัยเข้าถึงข้อมูลเซลล์เดี่ยวปริมาณมหาศาล โดยเฉพาะ CZ CELLxGENE แหล่งเดียiวมีข้อมูลเซลล์มาตรฐานมากกว่า 100 ล้านเซลล์
อย่างไรก็ตาม ความแตกต่างของวิธีการสุ่มตัวอย่าง โปรโตคอลการหาลำดับเบส และขั้นตอนการประมวลผลระหว่างการศึกษาอาจสร้างสัญญาณรบกวนทางเทคนิค ทำให้การคัดเลือกชุดข้อมูล การกรอง และการควบคุมคุณภาพเป็นสิ่งจำเป็นอย่างยิ่งในการฝึกโมเดลพื้นฐาน นอกจากนี้ งานวิจัยที่ตีพิมพ์ใน Nature Methods เมื่อเดือนมิถุนายนที่ผ่านมา ซึ่งศึกษาโมเดลเซลล์เดี่ยวจากคลังข้อมูล 22.2 ล้านเซลล์ ผ่านการฝึกโมเดล 400 โมเดลและทดลองกว่า 6,400 การทดลอง พบว่าโมเดลปัจจุบันมักจะถึงขีดจำกัดด้านประสิทธิภาพหลังจากฝึกฝนด้วยข้อมูลเพียงเสี้ยวเดียว และไม่แสดงกฎการปรับขนาดข้อมูลที่ชัดเจนเหมือนกับโมเดลภาษาขนาดใหญ่
ที่มา: AI News
พบข้อมูลผิดพลาดในบทความนี้? แจ้งปัญหาบทความนี้
ความคิดเห็น
แสดงความคิดเห็น