ورود سیستم‌های عامل‌محور به کشف دارو؛ تمرکز استارتاپ PostEra بر توسعه دانشمند هوش مصنوعی

استارتاپ PostEra، از خروجی‌های دوره زمستان ۲۰۲۰ وای‌کامبینیتور (YC W20)، اخیراً موقعیت شغلی جدیدی تحت عنوان «پژوهشگر یادگیری ماشین در حوزه علوم عامل‌محور» (Agentic Science) منتشر کرده است. این شرکت که خود را یک شرکت بیوتکنولوژی هوش مصنوعی‌محور (AI-first biotech) می‌نامد، با توسعه پلتفرمی به نام Proton در شیمی دارویی شناخته می‌شود و تاکنون بیش از ۱ میلیارد دلار قرارداد همکاری مشترک با غول‌های داروسازی نظیر Pfizer و Amgen به امضا رسانده است.

اگرچه این خبر در قالب یک آگهی استخدامی منتشر شده، اما جزئیات فنی مندرج در آن تصویری دقیق از مرزهای دانش و چالش‌های مهندسی کنونی در تقاطع هوش مصنوعی، شیمی و زیست‌شناسی ارائه می‌دهد.

چالش‌های هوش مصنوعی در زیست‌شناسی محاسباتی

کشف دارو (Drug Discovery) یکی از پرهزینه‌ترین و زمان‌برترین حوزه‌های صنعت سلامت است. روش‌های یادگیری ماشین سنتی معمولاً وابسته به دیتاست‌های بزرگِ برچسب‌خورده هستند؛ در حالی که در آزمایش‌های بیوشیمی، هر اندازه‌گیری آزمایشگاهی (Assay) هزینه و زمان زیادی می‌برد. علاوه بر این، توزیع داده‌های شیمیایی پیوسته دستخوش تغییر است (Distribution Shift) و داده‌های حاصل از پایگاه‌های داده معمولاً پراکنده، دارای داده‌های گمشده فراوان (High Missingness) و بسیار ناهمگن هستند.

به همین دلیل، رویکردهای ساده یادگیری تحت نظارت (Supervised Learning) در طراحی مولکول‌ها و پیش‌بینی پارامترهایی مانند ADME (جذب، توزیع، متابولیسم و دفع) یا میزان اثربخشی (Potency) اغلب به بن‌بست می‌خورند.

راهکار PostEra: سیستم‌های عامل‌محور و یادگیری درون‌زمینه

بر اساس جزئیات ارائه شده، رویکرد پژوهشی PostEra بر سه ستون اصلی متمرکز است:

• توسعه سیستم‌های عامل‌محور (Agentic Systems): ساخت سیستم‌های خودکار که مانند یک دستیار پژوهشی (AI Co-Scientist)، شبیه‌سازی فرآیندهای بیولوژیکی و فیزیولوژیکی و تحلیل داده‌های هدف‌گذاری دارویی را به‌طور خودگردان برنامه‌ریزی و اجرا کنند.
• یادگیری درون‌زمینه (In-Context Learning) برای ساختارهای مولکولی: طراحی مدل‌هایی که بدون نیاز به بازآموزی سنگین (Fine-Tuning)، با دریافت چند نمونه معدود (Few-Shot) در پنجره کانتکست، خود را با یک سری شیمیایی جدید یا تست بیولوژیکی تازه هماهنگ کنند.
• مدل‌های پایه داده‌های جدولی (Tabular Foundation Models): اکثر داده‌های غربالگری دارویی در قالب جداول چندمتغیره ذخیره می‌شوند. ایجاد مدل‌های پایه برای داده‌های جدولی ناهمگن و کم‌حجم یکی از حوزه‌های تحقیقاتی جدید و کمتردست‌خورده در یادگیری عمیق است.

جنبه‌های مهندسی و زیرساخت

از نظر مهندسی نرم‌افزار و زیرساخت ML، این پروژه‌ها نیازمند مقیاس‌پذیری و کار با مدل‌های بزرگ (بیش از یک میلیارد پارامتر) با فریم‌ورک‌هایی مانند PyTorch یا JAX هستند. تکنیک‌هایی نظیر موازی‌سازی داده و مدل (Data & Model Parallelism)، شاردینگ و پیاده‌سازی پایپ‌لاین‌های مقیاس‌پذیر در مواجهه با داده‌های چندحالته (Multimodal Data) از الزامات کلیدی پیاده‌سازی این سیستم‌ها به شمار می‌روند.

چرا این موضوع برای مهندسان نرم‌افزار و ML اهمیت دارد؟

جهت‌گیری PostEra نشان می‌دهد که ترند سیستم‌های عامل‌محور (Agents) فراتر از چت‌بات‌ها و دستیارهای کدنویسی رفته و در حال نفوذ عمیق به فرآیندهای تحقیق و توسعه در علوم پایه است. حل مسائلی نظیر انتقال یادگیری تحت تغییر توزیع، مدل‌سازی جداول ناقص و ساخت عامل‌های شبیه‌ساز فیزیولوژیک، همگی نمونه‌هایی از مسائل درجه‌یک دنیای یادگیری ماشین هستند که حل آن‌ها می‌تواند چرخه کشف درمان برای بیماری‌های پیچیده را از سال‌ها به ماه‌ها کاهش دهد.