
ポッドキャストノーツ|YC特別討論:AIはいまやがんを克服するに十分なほど強力になっているのか?
整理 & 翻訳:TechFlow

TechFlow解説:2026年11月8日に開催された第10弾『YC Paper Club』「AI for Biology」スペシャルセッションにおいて、Y Combinatorを離れて新たな起業へ向かう訪問パートナーのFrancois Chaubard氏が、まず会場参加者にスマホでスクリーン内のQRコードを読み取らせ行われた盲測実験を通じて「チューリングテストは真に合格したのか」と投げかけると、その後、4人の一流AIバイオ&計算腫瘍学研究者の最先端レポートと質疑応答を紡ぎ、現在がなぜAIが癌治療と生命科学を再構築する核心的ターニングポイントに至ったのかを全面的に解説しました。
約82分にわたる対談は3つの主要テーマで段階的に展開しました。まずOmantaの共同創業者兼CEOアルフレッド・ゴンザレス氏が、遺伝子シーケンシングコストの急落により、癌を「集団の平均値」から「単一患者のデータ問題」へと変換する方法を明らかにし;次にArc Institute機械学習元責任者かつIntology AI科学責任者のユスフ・ルハニ氏が、5億の単一細胞データベースが露呈するデータバイアスの罠と、大規模言語モデルの自律後方訓練を模倣して物理実験の閉ループを構築する方法を分析し;最後にStanford博士課程のギャリック・ブリクシ氏とディヴィヤ・ノリ氏がステージを共にし、ゲノム大規模モデルEvo 2、双方向共進化モデルMinerva、Few-shot Context Learning(ICL)を紹介し、微調整不要で大量のDNA配列から直接疾患関連変異を予測し、遺伝子編集ツールを設計する方法、そしてマウス脳におけるウェット実験で実証的に活性化を確認した過程を詳細に紐解きました。
出演者: アルフレッド・ゴンザレス(Omanta共同創業者兼CEO、UCLA癌生物情報学博士)、ユスフ・ルハニ(Intology AI科学責任者、元Arc Institute機械学習チーム責任者)、ギャリック・ブリクシ(Stanford博士課程、Evo 2チーム責任者、Minervaプロジェクト著者)、ディヴィヤ・ノリ(Stanfordコンピュータ博士課程、Brian Hie研究室研究員)
司会: フランソワ・シャウバルド(Y Combinator訪問パートナー、YC Paper Club发起人)
配信元: Y Combinator / YouTube(https://youtu.be/-XL2gClQ2gg)
原題: Is AI Now Good Enough To Cure Cancer? | YC Paper Club
放送日: 2026年11月8日
要点まとめ
- 現場でのチューリングテスト盲測: フランソワ・シャウバルド氏はClaude Codeを使って12時間かけてテスト用ウェブサイトを構築し、会場観客に盲測を実施。32歳男性の設定と「YC会場にいる」というコンテキストを注入した結果、GPT-6 Astraは人間の9割以上を騙せた割合が最も高く36.4%(Claude Fable 5.1は30.0%、GLM 5.3 FlashXは26.1%、Gemini 3.8 Flashは23.8%、Grok 4.6は23.1%、Kimi K3は19.0%)。これはチャートの70%という合格ラインを大幅に下回り、一方で人間の33.3%がAIと誤判定されました。
- AI Bioがシンギュラリティを迎える核心要因: シーケンシングコストが断崖式的に下落し、Evo 2の訓練セットが9兆塩基対に拡大。AlphaFoldは今市場に出回る新薬の全開発段階で活用され、AIタンパク質結合剤のBindCraftベンチマーク成功率は10〜100%に達し、Radical Numericsが開発したバクテリオファージ療法が実際に患者臨床に応用され始めた。業界全体がRLVR(検証可能な報酬強化学習)のような閉ループを生物実験の検証フェーズに導入しつつある。
- 癌を「単一患者のデータ問題」と捉える: Omantaは各患者の自身の最大2万種類の遺伝子・RNA発現・クローン進化多次元データを基に、マルチエージェントパイプラインによって従来の数十人規模のバイオインフォマティクスラボを代替。希少腫瘍や初期化学療法の抵抗症患者に対して、極めて短期間で他腫種横断的な新規経路アプローチを探し出している。
- 「細胞界Common Crawl」のデータバイアス罠と閉ループ実験: ユスフ・ルハニ氏のチームはNIH原始トランスクリプトームライブラリを智能体で1ヶ月連続実行させ、細胞データ規模を3,500万から5億以上に押し上げたが、免疫細胞とT細胞の過剰サンプリングが桁違いに存在することが判明。解決策は「大規模モデルの自律後方訓練(Intology AIのLocusシステムがPostTrainBenchで行う探求など)」の概念を、AI主導の閉ループウェット実験データ生成に移行させることであり、データ量の水増しでは解決しない。
- 純粋なDNA下一塩基予測から生物学的理解が芽生える: ギャリック・ブリクシ氏のチームは全生命域のゲノムを重複排除・選別し、9兆塩基対で70億パラメータと400億パラメータのEvo 2を訓練(100万塩基対のコンテキスト対応可)。人類の参考ゲノムセットをわずか1つしか見ていない状態でBRCA1コード領域と非コード領域の致病变異予測性能は人間用の有監督モデルに匹敵甚至超越。新たに発表した双方向モデルMinervaと組み合わせることで、共進化接触面や新規非コードRNA、CRISPR類似の逆転写酵素系も精密に特定できる。
- ゲノム大規模モデルのFew-shot Context Learning(ICL)とマウス脳実証: ディヴィヤ・ノリ氏らの発見によると、自然配列サンプルを4〜64例のみコンテキストプロンプトとして入力すれば(パラメータ更新不要)、Evo 2は独自にモチーフを再構築し、レア-earth結合タンパク質であるランモジュリン、特異的標的抗体、全要素揃ったCRISPR-Cas9システム、さらには完全なファージゲノムまで設計可能。AlphaGenomeをリワードモデルとして利用しGRPO強化学習で後方訓練を施した結果、設計された細胞タイプ特異的エンハンサーが実際のマウス脳実験にて特定領域での蛍光活性化に成功した。
注目発言
- 「医療臨床で歴史的人群の平均値だけを頼りにしても、生死に向き合う個々の患者にとって実は意味を成さないことが多い。腫瘍一つひとつが2万遺伝子の情報を内在しているなら、患者自身が生きていて掘り出すべき独立した巨大データセットなのである。」
- 「過去はBroad研究所やSanger研究所のような機関でこそ三四名のトップアルゴリズム、ライブラリ構築、バイオインフォ、臨床チームを抱えられただろう。今はこの全套實驗室インフラを智能体化し、単一患者中心にリアルタイムで回転させている。」
- 「たとえ智能体に公開済みのNIH原始細胞データを全て走らせてデータセットを5億細胞超に膨張させたとしても、結果はほぼ大半が免疫細胞とT細胞に偏っており、データ量の水増しだけで本当の生物学的多様性が買えるわけではない。」
- 「細胞生物学の頂点教科書は冒頭にこう記している。『多くの観点から見れば、人類は宇宙構造の理解よりも生きた細胞の動作機構に対する認知の方が劣っている。我々は多数種の完全ゲノムを解読したが、未研究の遺伝子を1つノックアウトした後の細胞の振る舞いをまだ予測できないのだ。』」
- 「人類は自然言語やコード、数式を読むことができるが、DNA配列を直接理解することはできない。ゲノム大規模モデルの本質は、何億年もかけた自然選択によって書き上げられた辞典を、人間とAI科学者が問いただせる道具へと翻訳することだ。」
- 「訓練前にランダム抽出率を偏向し、遺伝子と保存エレメントを含むようにしただけで、同じ次世代塩基予測でも臨床変異評価ベンチマークでのスコアが最下位から業界首位に一気に跳躍した(スピアマン相関係数が0.16向上)。」
- 「誰もEvo 2を专门にコンテキスト学習用に訓練していないが、ヌクレオチドレベルの次世代塩基予測だけできゃ、『少サンプル設計能力』が自然発生的に出現し、CRISPR-Casの位点サンプルがたった4例でも、整套システムをそのまま生成できる。」
本編
冒頭のチューリングテスト実測:GPT-6 Astra欺瞞率36.4%、人間の三分の一もAIと間違えられる
フランソワ・シャウバルド: 皆さん、こんばんは!今夜の『YC Paper Club』AI for Biologyスペシャルへようこそ。今日は私の実験室で共働してきたり、YCでコラボレーションしてきた一流学者やクリエイターの皆さんをお招きしていますが、非常に豪華な顔ぶれです。しかし生命科学に入る前に、唐突ですが今日の場にいる全員にスクリーンのQRコードをスマホでスキャンしてほしいのです。
先日ArcAGIのGreg氏と夕食を食べた際、彼は「チューリングテストは既に征服された」と豪語していました。その場で私は反論しました。アーロン・チューリングは1950年の名論文で「おおよそ50年後(西暦2000年)までに、平均的な尋問者が5分間続けて質問を行っても、機械と人間を見分けられる確率が70%を超えないプログラムを作れるだろう(つまり30%以上のケースで見破られない。現在の比較チャートでは70%を合格ラインとしている)」と述べていた。だが現実として、航空会社の客服ロボットと話すと数回の対話で見抜いてしまうことがある。
そこで私は過去12時間でClaude Codeを使い、「Vibe Coding」で盲測サイトを一から作りました。ルールは至ってシンプル:会場半分の観客には真の人間の相手グループへ、残り半分には「32歳の男性」と「YCの会議室に座っている」という設定を完全に知っている大規模モデル相手にランダムマッチします。互いに探りを入れながら投票判断を行う時間は2分です。
さて、2分の結果がリアルタイムで集計完了です!皆様に画面の棒グラフで主流モデルの成績を見ていただきます:GPT-6 Astra が36.4% のテストラウンドで人間と誤認されるという最高成績を記録しました。それに続くのが Claude Fable 5.1(30.0%) 、GLM 5.3 FlashX(26.1%) 、Gemini 3.8 Flash(23.8%) 、Grok 4.6(23.1%) 、Kimi K3(19.0%) です。
興味深いのはチャート最下部の基準線です:真の人間が会場観客からAIと誤判定される比率が、なんと33.3%にも及びました! どうやら普段から口調を簡潔に冷たく保っていれば、三分の一はロボットに見られるようです。私がモデルに会場の設定を過度に注入し、プロンプトで「AI側を有利にするよう」に繰り返し調整を行ったにも関わらず、全体の合格率は30%台にとどまり、疑いなく合格するにはまだ差があります。またBoris氏とClaude Codeチームにも再び敬意を表し、12時間でリアルタイムシステムを組み上げてくれたことに感謝申し上げます。
ステージ去りの挨拶:なぜ今こそAI Bio最高の時代なのか?
フランソワ・シャウバルド: ここで今晚の本題に入ります。なぜ「AI for Biology」に注目すべきなのか? 普段の実験室のミーティングでは私がYasaの隣に座り、彼は毎回私に生物AIを勧めます。彼の最も強烈な説得詞は「いつの日か自分が癌を患う時、過去にAI治療の研究により多くの時間を費やさなかったことを悔やむことになるだろう」でした。すぐに転職を考える訳ではありませんが、次第に完全に心を動かされ、今では自身も関連研究に打ち込んでいます。
スライドでは、今AI Bio時代を爆発させている幾つかのコアサインを列挙しました:
- 前例のない分子・遺伝子データ量的拡大: Evo 2 alone で既に9兆塩基対の訓練を完了しており、次世代モデルはさらに大規模スケールで加速推進中です。遺伝子シーケンシングコストの継続的な暴落と引き換えに、生物データの指数関数的増加をもたらしています。
- 基礎ツールが臨床医薬品パブラインに全面参画: Demisは数ヶ月前のYC講演で、市場に出る全ての真正新药が、開発のどのフェーズにおいてもAlphaFoldを活用していると明かしました。当初は修辞法かとも思いましたが、その後GenentechのR&D専門家やトップ博士に十数名に個別確認したところ、全員が「全くその通りだ」と答えました。
- タンパク質設計とヒト体内療法の着地加速: AIタンパク質結合剤のBindCraftベンチマーク成功率は10〜100%に到達。同一実験室背景を持つEric Nguyen主宰のRadical Numerics は、AI生成バクテリオファージ療法が実際に患者テスト段階に進んでいます。あとでDivyaも紹介しますが、4〜64件のICLサンプルのみで生物配列設計を精緻に誘導できます。
- 高品質ベンチマークと検証可能強化学習(RLVR)閉ループの完成: 構造予測のCASPや細胞モデリングのVirtual Cell Challenge など、評価基準が明確になりつつあります。資本面ではLila 、Chai 、Isomorphic から巨額の資金がこの分野へ流入しています。さらに重要なのは、人工知能界隈が「検証可能タスク」に対する再帰的自我改善(RSI / RLVR)の方法論を確立したこと:コードベースのユニットテストのように高速な計算検証也好、高価で時間がかかるウェット実験による物理検証也好、コアとなるフライホイールはすでに成立しています。すなわち基本モデルで候補医薬品をサンプリングし、Top Nを検査して効果を測定し、実際のデータを回収してモデルをファインチューニングし、ループを回す。
ここで少し感傷的なご挨拶をさせてください。今回が私司会を務める最終回であり、第10弾の『YC Paper Club』となります。半年間にわたり皆様と共にこの硬派な学術コミュニティを構築できたことは私の大きな誇りです。これまでの9回の累計再生回数は100万回を超えました。金曜日正式にYCを退職し、次の起業の旅立ちます。ここからは今晚最初の重鎮ゲストAlfredo Gonzalezをご紹介いたします。
アルフレッド・ゴンザレス:腫瘍シーケンシング費用が晩餐会より安くなった時、癌を「単一患者のデータ問題」へ
アルフレッド・ゴンザレス(Omanta共同創業者兼CEO): 前半期にこのコミュニティへの注力いただいたFrancois氏に感謝します!過去の番組で交わされた思考の火花は誠に衝撃的です。私はアルフレッド、Omanta の共同創業者の一人で、行っている仕事とは癌患者一人ひとりに向けて彼特有の腫瘍を中心とした「専属の開発实验室」を一掃組み立て、患者を癌から救済するためのものです。
簡単に経歴を説明します。学部卒業後はHarvardで早期発生転写因子を研究し、その後にBroad Instituteに入り、癌細胞株での最初期の商業化・学術化CRISPR遺伝子スクリーニング検証作業に関わり、そこで後ほど共同創業者兼妻となるRanad Humeidi を结识しました。以降、UCLAで癌バイオインフォマティクスの博士号を取得し、大規模腫瘍と正常組織ゲノムの自動化解析パイプライン構築を担当し、世界最大級の希少肉腫腫瘍データセットの一つを構築。博士の中核テーマはまさに「N-of-1」の希少難治腫瘍症例を攻略することにありました。
本日YCで掲げる「AIで癌を克服する」は決して虚構ではなく、人類史上初めて真にこの臨界点に立ったことを意味します。三点に沿って共有します:
第一に、なぜ癌は現在純粋なる「データマイニング問題」になったのか? Francois剛才示したシーケンシングコスト曲线の通り、現在の完全ゲノムシーケンシング費用はサンフランシスコベイエリアで外食する夕食代より安い場合すらあります。それだけでなく、大多数の進行期・再発腫瘍患者にとって、腫瘍シーケンシングはすでにMedicareやMedicaidを含む米国保険制度の給付対象となっています。
十年遡れば、人類は素晴らしいマイルストーンを達成しました:『がんゲノムアトラス(TCGA)』。しかし当時の技術条件下では、離散的な各腫瘍類型につき数百患者のシーケンス処理が限界でした。単一患者のサンプルとデータ次元の制約のため、医師や学者はコホートから「集団平均値」や上位頻出変異を無理やり探し出したものでしたが、これら集団統計平均値は個々の患者に降りかかると往々にして指導価値を持ちませんでした。
今は異なります:患者自身の完全ゲノム、コピー数変異、RNA発現、可变剪接および細胞状態展開後、自然と約2万遺伝子次元のカバーを持つ巨大個人独立データセットとなります。過去学術界が使っていた表面データの0.1%未満に対し、現在はフルデータを得ています。本当に欠けているのは、この2万次元のマインをリアルタイムで徹底的に掘り透かすインフラです。
第二に、どうやってマルチエージェントで「単一患者専属实验室」を構築するか? 十年前にBroad研究所やSanger研究所級のマイルストーン研究をするために必要な人員数はいくらか? アルゴリズム専門家を筆頭にインフラエンジニア、クラスター運用、変異検出専門家、遺伝学者、データ可視化エンジニア、さらに臨床を理解する医学博士を並べなければならないため、通常30〜40名の豪華重装団が必要でした。
今やソフトウェア業界で語る「ソフトウェア工場」のように、バイオメディカル分野でも同様の智能体アーキテクチャが「AI版専属实验室工场」を意味します。過去三四十名のトップバイオインフォエキスパートが数ヶ月を費やすクレンジング、クラスタリング、経路推論の全部を、異なるロールを担当するAI智能体群(臨床試験マッチング専門、安全性と毒性証拠審査専門、生物学背景と最新文献読解専門)に分解可能です。火曜朝に最新の移植可能新機序論文が出れば、システムの午後にはそれを取得し、治療中の患者プラン改善に即時活用でき、従来年単位だった転換サイクルをリアルタイムに圧縮します。
Omanta で患者を寛解期へ導いた二つの実戦事例を共有します:
- 希少脳腫瘍患者の腫種横断的決裂: 伝統医学は解剖部位に基づき腫瘍を硬直的な離散ラベルで分類します。希少な癌肿遭遇時に医師の手中の文献は殆ど空白となります。だが細胞底層の生物経路は人間が貼った分類ラベルを顧みず、神経芽細胞腫と肺腺癌が全く同じ経路で駆動することも珍しくありません。かつて薬なし不可と言われた極めて稀な脳腫瘍患者がおり、我們的多維データ空間で再クラスタリングした結果、彼の腫瘍が分子特徴上間葉系由来腫瘍(Mesenchymal tumors) に極めて近いことが判明しました。実際に活性化されている細胞表面マーカーと駆動経路に従い、従来の文献では一切言及されないものの中核機序を的確に捉えた新療法組合せを見つけ出すことに成功しました。
- 複数ライン化学療法の失敗からの是正救治: もう一人の患者は此前三度にわたる細胞毒薬物化学療法を連続して受けましたが全滅し、生活の質が劇的に低下していました。當方の初期原始標本に対してクローン進化(Clonal evolution)の遡及掘削を行い、データは鮮明に証明しました:腫瘍内部の高い異质性に鑑み、病院が標準的な勘所石選び法で選ばれた前三つの化疗方案は、底層の生物学的機序からそもそも適合していなかったのです。もしこの自動研究インフラが第一天から配置されていれば、患者は前三輪の劇毒化学療法の苦痛を無益に負う必要は全くなかったはずです。
第三に、将来展望について。既に承認された薬剤再利用に加え、将来は具体的な患者個体に対してリアルタイムで全新タンパク質医薬品と送達ペプチドをカスタマイズしていきます。David BakerチームのBennettら論文が示唆するように、AI从头设计タンパク質は従来の開発スクリーニングサイクルを十年短縮できます。さらに去年Google DeepMindがマウンテンビューで推進したAI科学家協働システム(Co-scientist) と組み合わせれば、モデルが必ずしもトップ人類教授を上回る必要はなく、十分な接近度を維持できていれば、人類スケールで千万単位の人時労働量を節約可能です。
現場質問: PPTで将来の重要データソースとして「オーガノイド(Organoids)」に触れられていますが、単一患者の専属实验室構築においてオーガノイド方案的にスケールメリットのある実現可能性はあるのでしょうか?
アルフレッド・ゴンザレス: 非常に良いご質問です。博士課程でも不少オーガノイドプロジェクトに参加しました。客観的に言えば、過去七八年で二波目のオーガノイド創業ブームがあり、純粋な科学的可実現性の観点からは抜群です。オーガノイドは希少腫瘍が極度に不足している生体を増幅し、転移節標本のように直接使用して高スループット薬剤攪乱テストが可能です。本当に詰まっている理由は科学ではなく医院のシステムプロセスにあります:現在大多数の医院は手術スライスを得た直後の第一反応がホルマリン固定液(Formalin fixation)への投入であり、この一工程が活細胞を彻底殺害し、其後のオーガノイド培養の可能性を断ち切っています。未来打通的关键恰恰是医院前端的試料保全インフラです。
現場質問: 虽你们在实验室里成功定位到罕见肿瘤的真正致病通路甚至找对了药,现实中怎么打通「最后一步」,让临床主治医生看懂你们的报告并真正同意开处方,或者甚至为单患者开展 N-of-1 临床试验?
アルフレッド・ゴンザレス: 臨床医は常に最後の医療的意思決定権限と責任境界を持っています。だが実務協力中发现了一个极为正向的现实:当今の腫瘍内科医は業務強度が大きく非常に苦労しており、自ら計算クラスターを組み全ゲノム差異分析を実行する時間はありません。特に患者の一次、二次標準治療が相次いで失敗し、医者が経験に頼って盲検的に下次方案を選ぶ局面になれば、論理链条严密且证据包扎实可核查的多维生物数据报告拿到手时,绝大多数临床医生都非常乐意以此为依据为患者争取新方案。至于从零发起全新分子N-of-1试验,则是另一套合规审批流程。
現場質問: あなたは近年注目されている「悪性腫瘍転向(Reversal of malignancy)」の方向性をどう見ていますか? 例えば某韓国機関がオーガノイド信号モデルを用いて癌細胞を正常細胞状態に戻すと主張していると聞きますが?
アルフレッド・ゴンザレス: 彼らが具体的 claimed した実験詳細については深く把握しておらず、軽率な判断は控えたいと思います。但我认为討論任何「悪性転向」には以下の二本柱の硬性指標を見る必要があります。第一に、究竟何を以て厳密に「転向」(定義しているのか? 亜型腫瘍乃至異なる患者の進展段階は全く異なるので)。第二に、長期追跡した患者の実際の臨床予後データが支撐されているかどうかです。
現場質問: 単一患者AI専属实验室で激进方案を探索する際、如何保障絶対的安全を確保し、アルゴリズムミスが患者に致命的な損害を与えるのを避けるのですか?
アルフレッド・ゴンザレス: 安全は常に第一です。むしろ逆説的には、このインフラ自体が治療の安全性を大幅に向上させているのです。先ほど述べた无效化疗を無駄に受けた患者の例でいえば、无效有毒方案を精准フィルタリングすること自体が最大の傷害回避です。先に承認済み或いは一期臨床安全性検証を終えた药物库から経路マッチを優先する限り、薬剤安全譜は本来極めて明確です。仮に未来の「零从头设计(De novo)」個人藥物分子走向舞台,也完全可以遵循现代临床试验成熟的剂量爬坡(Dose escalation)安全控制路径。
ユスフ・ルハニ:5億単一細胞データベース露呈のバイアス罠、そして「自律後方訓練闭ループ」による仮想細胞加速
ユスフ・ルハニ(Intology AI科学責任者、元Arc Institute機械学習責任者): ご招待ありがとうございます。本日は本来是分配给我讲「仮想細胞(Virtual Cells)」ですが、少し違った視点を加え、過去数ヶ月深く携わった大規模モデル自律後方訓練(Autonomous Post-Training)の業務と結び付け、それが実際好用的の仮想細胞構築とどのような深く相通ずる性質を持っているかを語りたいと思います。
到底何为「科学発見」や「仮想細胞」と? 科学探求は本質的に巨大なる「検索難題」です。広大で無限に近い仮説空間面前、研究者は最少の実験で最高の情報を見つけ出し、何某かの表現型や疾病の因果律を解き明かしたいと考えます。AlphaFoldやESM等の分子モデルの第一の価値は検索の大幅加速です:全ての蛋白質を湿結晶実験に行う必要はなく、モデルで配列から立体構造を直ちに推測し、極めて高い費用対効果で実験優先順位を配列できます。
そして仮想細胞研究の中核野望は、この計算能力を純粋な「分子配列レベル」から、実際の疾病症状や生理規律により近い細胞、組織乃至整个生物体階層へ引き上げることです。現実の臨床試験が挫折する主たる原因は往々にして分子結合がいかないことではありません(既知の標的に向けて親和性分子を設計するのは私達は既に非常に得意です)、而是「臨床有効性が成立しない」。当初標点を採点する段階で我々は既に生きた細胞を制御するために究竟どのスイッチを叩くべきか理解していませんでした。人類が活體に対して高度に予測不能である正是、細胞は静态分子ではなく、常に激しい流動と混沌交互にある複雑分子混合体だからです。
細胞状態を建模するために、昨年春に『Nature』誌に掲載された「汎用細胞埋め込みモデル(Universal Cell Embedding)」では、非常に直觉的な路线を採用しました。数千数万の単一細胞の遺伝子発現量を「細胞×遺伝子」転写本カウント行列に拼接し、部分的な遺伝子発現をランダムに隠蔽して自己教師付き予測・再構築を行います。事實上百年以前より発生生物学者は有名な「ワーディングトンのエピジェネティックランドスケープ(Waddington Landscape)」を提唱してきました。転写とエピジェネティックの制約により、活細胞は任意に混沌状態に留まることは許されず、大規模モデルの特徴空間内の「低次元多様体(Low-dimensional manifold)」内に制限されています。
3,500万の単一細胞を自己符号化行列に入れたとき、人的ラベルが全くなくても、モデル出力のUMAP多様体空間は既に自発的に精確に百年の生物文献と吻合する細胞大类と細分化サブグループを聚め出しました!
だが続く問いはこうです。自然言語処理がインターネット上のCommon Crawlを集めてスケーリング則の奇蹟を達成したように、細胞生物学においても同様に真似ができ、人類が集めた公共細胞庫を全 sweep できるのか?
今年早々『Cell』誌に掲載したもう一つの研究で大胆な試行を行いました。(早在2025年Claude Code尚未普及之时,我们是全行业最早一批派自主智能体进去挖掘数据的团队):智能体に整整跑了一个月的时间,自动清洗并重处理了NIH公共原始转录组数据库中的所有单细胞记录,硬生生把数据体量推高了一个数量级,从3,500万飙升到5亿多個細胞。
但当我们激动地拆开这张跨越全部组织与细胞类型的热力图时,一个令人清醒的结果泼了一盆冷水:全网5亿多细胞数据的绝大部分竟然高度扎堆在「免疫細胞」上,而免疫细胞里又有一多半(整整高出一个数量级)全是T细胞! 也就是说,就算你把人类现存所有开源细胞库翻个底朝天,靠线性堆积公开数据根本买不来真正的生物学广度与多样性。
所以真正的出路不在于盲目线性堆数据,而在于切换成「AI引导的闭环实验(Scaling AI-guided experimentation)」:利用已经从海量生物文本里掌握全局图景的Claude或GPT类前沿模型,去精准决策下一轮该花钱去湿实验采集哪类罕见稀缺细胞数据。
一旦把研发看作「提出假设 → 实验验证 → 反馈更新」的循环结构,我惊讶地发现,它和当下人工智能前沿实验室如火如荼研究的自主大规模模型后训练(Autonomous LLM Post-Training)与递归自我改进(RSI),面对的竟然是高度一致的工程难题!不管是跑湿实验还是自动训练模型,核心都要直面三大瓶颈:单次评估成本极高、实验/评测反馈充满噪声、假设搜索空间过于浩瀚。
为了验证这套发现闭环能否跨界互通,六个月前我加入了专注通用自动化AI研发系统的初创公司Intology AI。前几个月我们的自主研发系统Locus在考察大模型能否自主完成Qwen等基座模型后训练的权威榜单PostTrainBench上跑出了领先成绩,力压众多常见编程智能体。核心原因其实并不玄学:市面上的通用编程智能体(Coding Agents)压根不是针对「科学研究检索与假说试错」优化的!
就在昨天出炉的最新评测中,我们直接把这套在纯机器学习后训练场景下调优出来的Locus系统,几乎原封不动地迁移到「AI分子设计与特性预测」任务上(让智能体基于基础模型潜在空间做高效率采样检索并控制噪声验证集过拟合)。
结果显示,在严格锁死同一GPU算力沙盒预算的前提下,随着计算预算(H100 GPU小时)不断拉高,专攻科研发现的Locus显著拉开了与Anthropic、OpenAI通用编程智能体的差距,在特定采样效率测试中甚至远超BoltzGen与Codex等现成工具(当然这些目前仍属于计算机模拟结果,下一步必定需要回归湿实验验证)。
最后我想用经典细胞生物学教科书开篇第一句作为结语:「从许多方面来看,人类对宇宙结构的理解甚至胜过对活细胞内部运转机制的认知;我们虽已测完众多物种的全基因组,却依然无法预测哪怕只敲除一个尚未研究过的基因,细胞究竟会走向何方。」
现场提问: 你们在后训练过程中用的是什么具体技术(是强化学习RL吗)?你们如何评价仿真模拟(Virtual cell)与真实物理世界之间的差距?
Yusuf Roohani: 先回答后半句:每次我们哪怕在实验室完全相同的条件下测量同一个细胞,生物波动与检测仪器噪声本身就极大,所以「如何尽可能在噪声评价器中精准复现物理世界」本来就是最高难度的挑战,所有模拟评测最终都必须接受湿实验逼真度的考校。至于前半句,你点到了最关键的地方:传统的编程智能体根本没针对科学试错设计,没有专门负责长周期盯紧假设推进、控制单次实验算力或实验经费成本、以及对候选假说策略性排序的评判智能体(Judge agents)。恰恰是围绕研发流重构这套多智能体协作机制,才让自动化机器学习的成果丝滑迁移到了科学发现领域。
现场提问: 你最后一页图表横轴写的是「H100算力时间」,你们对比时是如何做到对 Anthropic 与 OpenAI 公平比较的?另外你们是用 Token 消耗量还是训练步数来衡量成本?
Yusuf Roohani: 我们做的是完全受控同台对比:把我们自己的 Locus 系统以及来自 Anthropic、OpenAI 的现有自主代理系统放进完全相同的沙盒与完全相同的 H100 GPU 配额里运行。由于这个任务涉及调用大模型驱动科学模型的训练与微调,真正的瓶颈和账单大头落在 GPU 训练计算小时数(Compute hours)上,而不是纯推理对话 Token。
现场提问: 能不能稍微揭秘一点 Locus 的底层架构?比如它是怎么搭出来的?
Yusuf Roohani: 具体专有架构不便透底,但核心是以大语言模型为引擎底座,在外部围绕「实验思路提出、防验证集噪声过拟合、长期记忆检索」打磨了一系列科研专用工程策略。顺带一提,底层写代码确实还是用 Python(笑,真把秘密说漏嘴了)。
François Chaubard(追问): 在药物试验等每次取样成本极其高昂的现实世界里,样本效率至关重要,最近大模型界很多惊人提升其实源自不改模型权重的「持续性外挂框架(Continual harness)」与上下文记忆更新,你们觉得应该偏向重参数微调,还是框架与上下文工程?
Yusuf Roohani: 非常同意你的判断。尤其在生物自主研发与探索期,先优化外部 Harness(工具脚手架与上下文更新机制)绝对是性价比最高、见效最快的低垂果实;参数微调与后方训练更适合当你确实要把高频能力固结下来做快速推理检索的时候。但为了保证通用发现能力不在单个榜单上盲目过拟合(Bench maxing),我们在早期探索阶段明显更克制改动权重,优先深耕 Harness 与推理框架设计。
Garyk Brixi:把 9 万亿碱基对当语言读懂生命密码,从 Evo 2 到发现全新 RNA 的 Minerva
Garyk Brixi(Stanford 博士生、Evo 2 团队负责人): 这两年大家每天都在用基于「下一个词预测(Next token prediction)」训练出来的语言大模型,人类能看懂英文、看懂代码、看懂数学公式,唯独盯着 DNA 碱基序列看时一头雾水。但某种意义上,DNA 就是经过亿万年自然选择写就的一部通用语言:DNA 编码 RNA 与蛋白质,蛋白质通过极度复杂的机理决定生物体是否健康、长多高;而自然选择再反过来筛选哪些 DNA 能存活并被测序记录。
过去三年里,光是 NCBI 公共数据库里的基因组数据量就已经翻了一倍。但对 DNA 建模极度棘手,因为它的词汇表只有区区 4 种碱基对,里面又塞满了在基因组内部到处疯狂自我复制的寄生序列与「冗余垃圾」,且尺幅跨越惊人:单单一个基因就可能长达数十万碱基对,却往往因为其中仅仅 1 个单碱基突变就会致命。
于是我们决定采用最简单粗暴也最纯粹的办法:打造一款全生命域通吃的 DNA 生成式预训练大模型 Evo 2(70 亿参数与 400 亿参数两档稠密模型,基于注意力与卷积混合架构)。训练过程中有一项核心秘诀往往被忽略:我们把公开抓来的绝大多数垃圾数据狠心扔掉了!
不仅每个物种严格只留 1 条高质量代表基因组、剔除高度相似冗余,把总规模浓缩成 9 万亿碱基对;在预训练主体阶段,我们还刻意围绕存在基因、RNA 及进化保守元件的功能区做数据重采样扩增,等于主动抛弃了数万亿无效噪声 Token,并先在短上下文学精基础语义、再拉长至 100 万碱基对超长窗口学习跨距组合规律。
把损失函数拉下来之后,怎么去跟一个「只会输出 A/T/C/G 的模型」对话呢?主要有两种路数:
- 当作极其敏锐的「生命因果判别器(Decision model)」: 模型读过全生命域真正存活下来的自然界 DNA,因此深谙什么样的序列「合乎自然规律」。只要输入一段带有基因突变的序列,如果模型给出极低概率(它认为这段代码很反常),就往往高度预示着功能丧失或致病风险。在癌症高危基因 BRCA1 突变临床评估测试里,Evo 2 仅仅见识过 1 套人类参考基因组,却在编码区与非编码区突变判断上打平乃至反超了人类专有有监督模型!而且消融实验证明,若偷懒留入 50% 随机全基因组序列,Spearman 相关性会骤降 0.16 并跌到榜尾,可见数据混合配比极其致命。
- 用稀疏自编码器(Sparse Autoencoder)做可解释性解剖,解锁全新基因生成: 打开 Evo 2 内部神经元特征后,我们发现仅仅靠「预测下一个碱基」,模型内部竟然自己长出了识别大肠杆菌前噬菌体(Prophages)、细菌防御 CRISPR 阵列以及被细菌征用的噬菌体单基因的特征神经元;这些片段在碱基序列上完全不同,模型却全靠无监督自学习打通了它们的生物功能关联。配合功能分类器微调后,团队从零生成了新型 PhiX 类噬菌体,该方向现已进入人体临床测试阶段。
而针对 Evo 2 过去在预测「远离位置之间协同进化(Co-evolution)与三维接触相互作用」上的短板,我们最近发布了全新双向模型 Minerva。它能直接通过模型内部的远距注意力权重,精准扫描并勾勒出拟杆菌等基因组里原本被传统生物统计漏掉的数以百计全新非编码 RNA 结构。就在最近的一次湿实验验证中,我们实锤发现了一类名为 UG27 逆转录酶(UG27 RT) 的全新系统:它自带类似 CRISPR 的可编程非编码 RNA 阵列,能把 DNA 转成 RNA 再逆转录成带发夹结构的 DNA。虽然目前还没完全搞清它在自然界全部用途,但这证明了纯 DNA 语言模型已经具备直接充当人类新生物学发现引擎的硬实力。
现场提问: 你为什么最终选择在单核苷酸(Nucleotide)最小颗粒度上做词元切分(Tokenization),有没有试过类似 BPE 的多碱基词表?
Garyk Brixi: 就目前中小规模对照实验结果来看,在单核苷酸最细粒度上做切分,对精准识别单点致病突变(Mutation prediction)效果明显更好。当然,长远我也一直期待探索字节级端到端建模如何兼顾分辨率与计算长度。
现场提问: 有没有想过像具身物理 AI 那样做「双塔架构(Two-tower)」模型,一边塔读 DNA 序列,另一边塔直接用自然语言给生物学家吐出人话解读?
Garyk Brixi: 确实有很多团队正在朝几个互相竞争的路线冲刺:有的前沿大模型公司在文字预训练里直接混掺 DNA 序列训练,有的研究者把 DNA 模型嵌入向量对齐映射到大语言模型里。至于哪一种架构会最终胜出,目前还没有定论。
现场提问: 既然数据筛选与配比能让表现提升如此巨大,你们是怎么科学找出最优「预训练数据配比混合物」的?
Garyk Brixi: 坦白讲,在 2024 年底训练 Evo 2 属于「边写书边摸索」的第一批先驱,当时几乎没有前人预印本参数可直接抄作业。我们核心做法是在处理数据的同时同步构建了一整套紧密贴合生物学意义的评估集(Evals)和缩放定律分析(Scaling analysis),现在随着评测集越来越成熟,已经能比当年更加定向地按评测短板反向优化数据配比了。
现场提问: 你们既然已经在模型内部找出了这么多有生物意义的神经元特征,有没有试过用这些内部特征去定向干预引导(Steering)Evo 2,比如设计专门靶向结合癌细胞的 DNA 序列?
Garyk Brixi: 就在上周我们刚发了专门探讨「如何引导 Evo 2 生物设计」的几篇最新预印本。实话实说,现阶段单纯靠「机械可解释性神经元干预」去做定向生物设计的效果,还不如接下来下一位讲者 Divya 要展示的「上下文少样本提示(Prompting)」方案来得惊艳。
现场提问: 你刚才提到训练时每个物种基本只筛选保留一套基因组,那岂不是丢掉了人类群体内部的大量个体基因差异?可你们居然还能这么准地预测人类癌症致病突变,这背后是什么逻辑?
Garyk Brixi: 原因其实和经典的进化比较统计学完全相通:就算不跑深度学习,只要把上百种灵长类动物的基因组摆在一起对齐比对,凡是在漫长进化尺度下几乎纹丝不动、高度保守的碱基位点,通常都是核心命门,一旦发生突变大概率出大事。
相比之下,如果我们拿在座所有现场观众的个人基因组全投进去训练,海量 Token 算力都会浪费在人类之间高度重复的序列冗余上,根本学不出核心致病特征。在算力 Token 预算有限的前提下,优先喂给跨越整个生命树的多样性保守信号性价比极高;当然,要捕捉人类特有的复杂病症与调控,下一步就必须把群体多组学数据和前一位嘉宾提到的单细胞表达数据融进来。
Divya Nori:无需微调!4 条示例直接提示 DNA 大模型,小鼠大脑实验当场点亮
Divya Nori(Stanford 计算机博士生、Brian Hie 实验室研究员): 大家好!刚刚 Garyk 留下的悬念由我来揭晓:如何不改动任何权重、不用跑动辄成千上万条数据微调,仅仅通过「给基因组大模型写几条 Prompt(提示词)」,就能高效设计出全新生物元件?这项工作主要由 Alex Hao 博士后领衔,Garyk 和实验室 Brian Hie 教授等多位同事共同完成。
过去几年「少样本提示(Few-shot prompting)」彻底重塑了人们使用文本大语言模型的方式:哪怕不更新模型参数,只要在上下文塞入几封邮件范本,大模型靠预训练涌现出的「上下文学习(ICL)」就能瞬间领会指令格式与隐含规则。
但在生物序列设计领域,传统思路长期被卡在另一套极度依赖数据的范式里:例如早期论文为了生成有活性的 CRISPR-Cas9 系统,必须先拿几万个 CRISPR 位点去对 Evo 1 做全量微调;想生成完整微小噬菌体基因组,也得拿几千个微病毒科基因组对 Evo 2 做重度微调。可现实生物学里,大量全新靶点和稀有蛋白家族根本攒不出几千个带标注的训练样本。
令人惊喜的是,我们近期在 Evo 2 身上发现了一项此前几乎只在人类自然语言模型中出现过的神奇涌现属性:仅仅经过大规模单核苷酸下一字符预测的预训练,没有任何人教过它上下文学习,Evo 2 竟然天然自带了极强的少样本上下文学习能力! 这意味着你只需要在输入提示里给它看 4 个到十几个具备共同功能的 DNA 序列示例,模型就能自己在推理时推演出重组、突变算法,直接补全生成出一条兼具同样功能的新序列。
我们一口气在从 100 个核苷酸到 10 万个核苷酸的四大生物尺度上验证了这条新范式:
- 稀有天然蛋白(Lanmodulins): 这是一种革命性用于稀土金属采矿回收的高亲和力稀土结合蛋白,其中有个特定子家族在自然界里人类已知样本统共只有区区 14 条!我们直接把这 14 条序列塞进上下文提示词,零微调就成功提示 Evo 2 生成了全新的功能性目标蛋白候选序列。
- 抗体靶向结合设计: 直接借用基于三维结构生成模型产出的少量命中序列作为文本示例喂给 Evo 2,在完全不输入任何三维蛋白结构条件的情况下,成功针对我们测试的全部抗体靶点生成了高活性新命中序列。
- 复杂基因编辑系统重现(CRISPR-Cas9): 以前需要几万个数据做全量微调;现在仅仅把 4 条 CRISPR-Cas 位点示例放进上下文,Evo 2 就能一次性端到端连同 CRISPR 阵列、tracrRNA 和 Cas9 蛋白整套体系一起补全设计出来。
- 整套完整噬菌体基因组设计: 在仅付出全量微调方案零头算力的成本下,直接提示模型生成具备预期完整基因组架构的新型噬菌体。
但我们不止步于软件仿真预测,还把这套范式真正推进到了动物湿实验,着手设计细胞类型特异性增强子(Cell-type specific enhancers)(这是决定基因疗法药物能否只在特定脑区或特定病灶精确表达而不误伤健康器官的关键核心开关)。
在把增强子提示能力做到极致时,我们也回应了前一场大家关注的「如何后方训练 Evo 2」的问题:我们用序列到功能预测模型(类似 AlphaGenome,能直接预测某段调控元件究竟会在哪类细胞里激活)作为奖励函数(Reward model),并引入了防止投机作弊、控制 DNA 序列熵与 GC 含量的约束,通过 GRPO 强化学习循环对 Evo 2 进行后方训练微调,专门放大模型利用上下文范本提示的能力!
随后 Alex 在湿实验室里把这套经强化学习加持的模型少样本设计出的新型增强子打进了真实小鼠大脑里。现场幻灯片右侧清晰的脑片荧光显微镜照片证明:特定目标脑区成功发出了清晰且高度特异的荧光亮斑!
展望未来,这种「数据高效率上下文条件控制(Data-efficient conditioning)」将把生物设计彻底带入「实验室闭环(Lab in the loop)」时代:科学家手握一小池自然序列范例,让 Evo 2 用 ICL 批量发散出多种新方案,经计算机快速筛选(In silico filters)后挑出最优设计送进湿实验测试,随后直接把测试命中的真实验证序列再插回到下一轮 Prompt 示例池中持续滚雪球。
而且人类语言模型积累下来的推理时增强与脚手架技巧,都可以无缝照搬进生物设计世界。今天分享的所有内容都已收录于我们上周刚公布的两篇预印本论文中。
现场提问: 能不能具体展开讲讲你们针对增强子所做的强化学习后方训练机制、奖励函数和防刷分机制?
Divya Nori: 整体环境设计比较标准高效:我们先给出在特定目标细胞类型中已知活跃的天然增强子示例提示 Evo 2,让它批量采样生成一批新候选序列;随后送进类似 AlphaGenome 的「序列到功能」预言机模型预测每条新序列在各个细胞类型里的特异性激活得分,作为 GRPO 算法更新 Evo 2 权重的奖励信号;同时为了防止模型在优化过程中走捷径「作弊(Reward hacking)」,我们在奖励里专门加了保证 DNA 序列熵正常、GC 碱基含量合理的正则约束项。
现场提问: 你认为 Evo 2 为什么会涌现上下文学习能力?对于基因簇之类的相邻结构我还能理解,可为什么连抗体序列设计都能出现这种提示即用的泛化效果?
Divya Nori: 说实话一开始我们自己也非常惊讶,因为模型根本没接受过专门的 ICL 训练。学术界对自然语言大模型出现 ICL 有几个主流解释,放在基因组数据里竟然奇迹般严丝合缝:第一,自然序列同样服从典型的长尾幂律分布与突发性(Burstiness),某些罕见 k-mer 片段只在特定局部上下文成簇扎堆出现;第二,基因组天然充满大量语义相关与平行对称结构。
而从我们在预印本里做的内部机制剖析来看,Evo 2 的注意力层里竟然真的长出了与自然语言模型几乎一模一样的「诱导头(Induction head)」机制来执行模式识别与上下文类比。
现场提问: 在「上下文提示 + 强化学习设计增强子」的任务里,这种效果究竟多大程度归功于预训练权重里早已背下来的经典表达模式,又有多少是真的临场靠 Prompt 里的新模式在发挥组合创造力?
Divya Nori: 这正是「权重内化先验」和「上下文现学组合」之间的精彩权衡。具体就增强子而言,它们在 Evo 2 浩瀚的全生命域预训练语料里本身占比就极度稀疏;所以我认为虽然模型肯定用到了底层序列物理先验,但更大一部分突破性的特异性表达调控,确实是靠 Evo 2 实时读懂 Prompt 里这几条新范本的核心基序(Motifs),并将它们直接精准重组设计出来的。
François Chaubard: 非常精彩!再次感谢 Divya,也感谢今晚到场的所有嘉宾和朋友们!













