Заметки к подкасту | Специальная дискуссия YC: достаточно ли сейчас мощен ИИ, чтобы побороть рак?

Подготовка и перевод: TechFlow

Анонс TechFlow: В рамках 10-го выпуска «YC Paper Club» с профильным фокусом «AI for Biology», состоявшемся 8 ноября 2026 года, гость-партнер Франсуа Шобар, который скоро покинет Y Combinator ради собственного стартапа, первым устроил тест Тьюринга вслепую через сканирование QR-кодов участниками, а затем связал выступления и вопросы в прямом эфире четырех ведущих исследователей в области биоИИ и вычислительной онкологии, разложив по полочкам, почему именно сегодня наступает критический переломный момент, когда искусственный интеллект переформатирует терапию рака и науки о жизни.

Почти 82-минутная дискуссия разворачивалась вдоль трех последовательных осей. Сначала соучредитель и генеральный директор Omanta Альфредо Гонсалес объяснил, как обрушение стоимости секвенирования генома позволяет рассматривать рак не как «популяционный усредненный показатель», а как «проблему данных одного конкретного пациента»; затем бывший руководитель отдела машинного обучения в Arc Institute и научный руководитель Intology AI Юсуф Рухани проанализировал ловушку смещения данных в базе из 500 миллионов одиночных клеток и показал, как заимствовать подходы к автономному постобучению больших моделей для создания замкнутого цикла физических экспериментов.

Наконец, аспиранты Стэнфорда Гэрик Брикши и Дивья Нори совместно представили догенные модели Evo 2, двунаправленную коэволюционную модель Minerva и контекстное обучение с малым числом примеров (ICL), разобрав, как модели способны без дополнительной тонкой настройки напрямую предсказывать патогенные мутации и проектировать редакторы генов из огромных массивов ДНК-последовательностей, успешно подтвердив эти результаты в экспериментах in vivo на мозге мышей.

Спикеры: Альфредо Гонсалес (соучредитель и CEO Omanta, доктор биоинформатики рака UCLA), Юсуф Рухани (научный руководитель Intology AI, бывший руководитель команды машинного обучения Arc Institute), Гэрик Брикши (аспирант Стэнфорда, руководитель команды Evo 2, автор проекта Minerva), Дивья Нори (аспирант Computer Science Стэнфорда, исследователь лаборатории Брайана Хие)

Ведущий: Франсуа Шобар (гость-партнер Y Combinator, основатель YC Paper Club)

Источник аудио: Y Combinator / YouTube (https://youtu.be/-XL2gClQ2gg)

Оригинальное название: Is AI Now Good Enough To Cure Cancer? | YC Paper Club

Дата выхода: 8 ноября 2026 года

Ключевые тезисы

• Слепой тест Тьюринга в прямом эфире: Франсуа Шобар потратил 12 часов на создание тестового веб-сайта с помощью Claude Code для проведения слепого тестирования аудитории. После внедрения профиля 32-летнего мужчины и контекста присутствия в комнате YC, модель GPT-6 Astra обманула людей чаще всех — только 36,4% (Claude Fable 5.1 составила 30,0%, GLM 5.3 FlashX — 26,1%, Gemini 3.8 Flash — 23,8%, Grok 4.6 — 23,1%, Kimi K3 — 19,0%), что значительно ниже пороговой отметки в 70% на диаграмме; при этом люди были ошибочно приняты за ИИ в 33,3% случаев.
• Основные двигатели, подводящие ИИ в биологии к сингулярности: Стоимость секвенирования упала по нисходящей, а обучающая выборка Evo 2 расширена до 9 триллионов пар оснований; AlphaFold уже применяется на каждом этапе разработки новых лекарств, выходящих на рынок; успешность AI-белковых лигандов на бенчмарке BindCraft достигла 10–100%; инженерные бактериофаги, спроектированные Radical Numerics, уже вовлечены в клинические испытания у пациентов; вся отрасль переносит аналогичные замкнутые циклы верифицируемого обучения с подкреплением (RLVR) на экспериментальные биовалидации.
• Рассмотрение рака как «проблемы данных одного человека»: Omanta опирается на многомерные данные каждого пациента объемом до 20 тысяч генов, экспрессии РНК и клоновой эволюции, используя многоагентную конвейерную систему вместо традиционных лабораторий биоинформатики численностью 30–40 человек, что позволяет в экстремально короткие сроки искать новые межопухолевые терапевтические пути для пациентов с редкими новообразованиями или рецидивирующей устойчивостью к химиотерапии первой линии.
• Ловушка смещения данных «общего краулинга клеточного мира» и замкнутые эксперименты: Команда Юсуфа Рухани ранее заставила агентов непрерывно работать в течение месяца в необработанных транскриптомах NIH, увеличив объем клеточных данных с 35 миллионов до более чем 500 миллионов клеток, но обнаружила масштабное избыточное представление иммунных и T-клеток; решение заключается в переносе «автономного постобучения больших моделей» (как исследовалось системой Locus от Intology AI на PostTrainBench) в формат управляемых ИИ замкнутых мокрых экспериментов по генерации данных, а не в слепом накоплении сырой информации.
• Биологическое понимание, возникающее из простого предсказания следующего нуклеотида ДНК: Команда Гэрика Брикши после дедупликации и фильтрации геномов всего жизненного дерева обучила модели Evo 2 на 9 триллионах пар оснований с параметрами 7 млрд и 40 млрд (с поддержкой контекста до 1 млн пар оснований). Модель, видевшая лишь одну эталонную человеческую геномную сборку, демонстрирует точность предсказания патогенных мутаций в кодирующих и некодирующих регионах BRCA1, сопоставимую или превосходящую специализированные сурвайвед-модели; совместно с недавно выпущенной двунаправленной моделью Minerva она способна точно идентифицировать коэволюционирующие контактные поверхности, новые некодирующие РНК и обратнотрансферазные системы, похожие на CRISPR.
• Контекстное обучение с малым числом примеров (ICL) догенных моделей и эмпирическое подтверждение на мозге мыши: Дивья Нори и коллеги обнаружили, что всего за 4–64 натуральных последовательности в качестве контекстных подсказок (без какой-либо донастройки параметров) Evo 2 способен автономно перестраивать мотивы и проектировать белки-хелаторы редкоземельных элементов lanmodulin, антитела к определенным мишеням, системы CRISPR-Cas9 с полным набором компонентов и даже целые геномы бактериофагов; интеграция AlphaGenome в роли reward model и последующее постобучение с помощью GRPO позволили спроектированным типоспецифичным энхансерам реально активировать флуоресценцию в конкретных зонах мозга мыши в экспериментах in vivo.

Ключевые цитаты

• «Если в клинической медицине опираться исключительно на исторические средние показатели по популяции, это часто оказывается бессмысленным для конкретного человека, стоящего лицом к лицу со смертью; когда каждая опухоль сама по себе несет информацию в двух тысячам геномных измерений, каждый пациент становится самостоятельным большим数据集.»
• «Раньше позволить себе лучшую команду из 30–40 высококлассных алгоритмистов, инженеров по созданию библиотек, биоинформатиков и клинических врачей могли лишь институты уровня Broad или Sanger. Теперь мы автоматизируем всю эту лабораторную инфраструктуру, запуская её вокруг одного единственного пациента в реальном времени.»
• «Даже если вы отправите агентов сканировать весь открытый NIH-фонд клеточных данных и раздуйте датасет до более чем 500 миллионов клеток, результат все равно покажет, что абсолютное большинство образцов — это иммунные клетки и T-лимфоциты; слепое линейное наращивание данных не купирует настоящего биологического разнообразия.»
• «Первая фраза в лучших учебниках по клеточной биологии гласит: во многих аспектах понимание людьми структуры Вселенной даже глубже, чем познание механизмов работы живой клетки; мы расшифровали полные геномы множества видов, но все еще не можем предсказать, как поведет себя клетка просто при нокауте одного нераскрытого гена.»
• «Люди умеют читать естественный язык, понимать код и математические формулы, но не могут напрямую читать ДНК-последовательности. Доменные большие модели по сути переводят криптографический словарь, написанный миллиардами лет естественного отбора, в инструмент, позволяющий людям и ИИ-ученым задавать друг другу правильные вопросы.»
• «До начала обучения мы просто заменили долю случайной выборки полного генома на предпочтение участков с генами и консервативными элементами. Даже при той же задаче предсказания следующего нуклеотида модель на бенчмарках клинической оценки мутаций мгновенно поднялась с последнего места в топ-индустрию (корреляция Спирмена выросла на 0,16).»
• «Никто специально не тренировал Evo 2 под контекстное обучение, но благодаря базовому однонуклеотидному предсказанию следующего символа модель естественно проявила „способность дизайна с малым числом примеров“: достаточно подать всего 4 образца сайтов CRISPR-Cas, и она самостоятельно сгенерирует всю рабочую систему.»

Основной текст

Стартовый тест Тьюринга: GPT-6 Astra обманул на 36,4%, а треть людей сами выдали себя за ИИ

Франсуа Шобар: Добрый вечер! Добро пожаловать на сегодняшний выпуск «YC Paper Club», посвященный AI for Biology. Сегодня к нам пришли выдающиеся ученые и фаундеры, с которыми я работал в своих лабораториях или сотрудничал через YC. Перед тем как перейти к наукам о жизни, мне пришла в голову идея просить всех在现场 достать телефоны и отсканировать QR-код на большом экране.

Недавно я ужинал с Грегом из ArcAGI, и он уверенно утверждал, что «тест Тьюринга уже пройден». Я тогда парировал: Алан Тьюринг в своей классической работе 1950 года писал, что примерно через 50 лет (к 2000 году) мы сможем написать программу, при которой средний судья, задая вопросы в течение 5 минут, сможет безошибочно отличить машину от человека с вероятностью не выше 70% (то есть в 30% случаев ошибется; на сравнительной диаграмме эта контрольная линия отмечена как 70%). На практике же, каждый раз, когда я общаюсь с роботами поддержки в авиакомпаниях, я сразу вижу, что это ИИ.

Поэтому за последние 12 часов я с помощью Claude Code быстро написал слепой тест-сайт. Правила простые: половина зрителей случайно подключается к настоящему человеку, а другая половина — к передовой модели, которая имитирует 32-летнего мужчину, полностью осознающего контекст «прямо сейчас сидящего в комнате YC». У вас есть две минуты на взаимные провокации и голосование.

Отлично, результаты таймера на месте! Вы можете видеть столбчатую диаграмму на экране со статистикой основных моделей: лучший результат показал GPT-6 Astra, успешно обманув людей в 36,4% раундов; далее идут Claude Fable 5.1 (30,0%), GLM 5.3 FlashX (26,1%), Gemini 3.8 Flash (23,8%), Grok 4.6 (23,1%) и Kimi K3 (19,0%).

Интереснейший бейслайн в нижней части графика: реальных людей зрители ошибочно приняли за ИИ в целых 33,3%! Похоже, если говорить сухо и сдержанно, треть нас автоматически засчитают за ботов. В целом, несмотря на то, что я искусственно загрузил модели контекстом зала и тщательно настроил промпты, чтобы они «выгодно выглядели» как люди, итоговый процент успеха остается около 30%, и до однозначного прохождения теста еще далеко. Отдельное спасибо Борису и команде Claude Code, позволившим собрать эту реальную систему за 12 часов.

Прощальная речь со сцены: почему сейчас золотой век ИИ для биологии?

Франсуа Шобар: Переходим к главной теме вечера: почему нас волнует «AI for Biology»? На наших лабораторных совещаниях я всегда сижу рядом с Йаса, и он постоянно тащит меня в тему биоИИ. Его самый жесткий аргумент звучал так: «Когда однажды тебе самому поставят диагноз рака, ты будешь невыносимо жалеть, что не уделил больше времени изучению лечения болезней с помощью ИИ». Хотя эта риторика не заставляет всех сразу менять карьеру, со временем я сам убедился и тоже окунулся в исследования в этой области.

На слайде я выделил несколько сигналов, которые сейчас взрывают эпоху AI Bio:

1. Непрецедентное количество данных: Только Evo 2 обучался на 9 триллионах пар оснований, а следующее поколение моделей ускоряется в еще больших масштабах; стоимость секвенирования продолжает падать, порождая экспоненциальный рост биоданных.
2. Базовые инструменты вошли в клинические лекарственные пайплайны: Демис пару месяцев назад выступал в YC и сказал, что теперь каждое новое лекарство, выходящее на рынок, хотя бы на одном этапе использования AlphaFold. Изначально я подумал, что это преувеличение, но позже спросил десятку экспертов по R&D из Genentech и顶尖 PhD, и все ответили: «Да, примерно так и есть».
3. Ускорение дизайна белков и реальных терапий: Успешность AI-белковых лигандов на бенчмарке BindCraft уже достигает 10–100%; основанная мной вместе с Eric Nguyen компания Radical Numerics уже запустила ИИ-сгенерированные бактериофаги в клинические тесты у людей; чуть позже Дивья покажет, как можно направлять дизайн биоследовательностей всего за 4–64 контекстные примеры (ICL).
4. Замкнутый цикл качественных бенчмарков и верифицируемого RL (RLVR): От CASP в структурном прогнозировании до Virtual Cell Challenge в клеточном моделировании, оценка становится все четче; финансово капитал бурно льется от Lila, Chai до Isomorphic. Важнее, что индустрия ИИ освоила методологию рекурсивного самосовершенствования (RSI / RLVR) для «верифицируемых задач»: будь то быстрая симуляция кода (как unit-test) или дорогие физические wet-lab тесты, ключевой флёр уже запущен — базовая модель генерирует кандидаты, выбираем Top N для проверки эффекта, собираем реальные данные, донастраиваем модель и повторяем.

Также хочу сказать немного трогательное прощание: этот выпуск станет моим последним, десятым в истории «YC Paper Club». Быть частью этого хардкорного академического сообщества последние полгода было невероятной честью, предыдущие 9 эпизодов собрали более миллиона просмотров. В эту пятницу я официально покидаю YC, чтобы начать свое следующее предприятие. А теперь прошу первого громкого спикера, Альфредо Гонсалеса.

Альфредо Гонсалес: Когда секвенирование опухоли дешевле ужина, превращаем рак в «задачу данных одного человека»

Альфредо Гонсалес (соучредитель и CEO Omanta): Спасибо Франсуа за все, что ты вложил в сообщество за полгода! Искры ума, которые мы высекали за последние выпуски, действительно впечатляют. Меня зовут Альфредо, я один из фаундеров Omanta. Мы занимаемся тем, что строим по одной персональной R&D лаборатории для каждого пациента с онкологией, сфокусированной вокруг именно его конкретной опухоли, чтобы помочь ему победить болезнь.

Коротко о моем академическом пути: после бакалавриата я работал над ранними транскрипционными факторами развития в Гарварде, потом присоединился к Broad Institute для валидации самых первых коммерческих и академических CRISPR-скринингов на клеточных линиях рака, где и встретил Раан Хюмеиди, которая ведет проекты репозиционирования препаратов и стала моей соучредительницей и женой. Затем я получил докторскую степень по биоинформатике рака в UCLA, где построил автоматизированные пайплайны анализа геномов крупных опухолей и нормальных тканей, участвовал в создании одного из крупнейших мировых наборов данных по редким саркомам, а моя диссертационная фокусировка была направлена на решение疑难的 N-of-1 (единичных случаев) опухолей.

Сегодня мы кричим в YC о том, что «ИИ побеждает рак», и это не пустой пафос — впервые человечество реально стоит на этом критическом пороге. Я расскажу об этом в трех пунктах:

Во-первых,почему рак сегодня стал чистой задачей数据挖掘 (data mining)? Как только что показал Франсуа с кривой стоимости, сейчас полное геномное секвенирование стоит дешевле, чем обычный ужин в ресторане в Сан-Франциско; а главное, для большинства пациентов с поздними стадиями и рецидивирующими опухолями оно уже покрыто страховками Medicare и Medicaid.

Вернемся на десять лет назад: величайшим маркером стало издание TCGA (The Cancer Genome Atlas). Но по тем техническим меркам дотянуть секвенирование сотен пациентов на одну дискретную тип опухоли было пределом. Из-за ограниченности размера выборки и размерности данных врачи и ученые были вынуждены искать «популяционные усредненные значения» и самые частотные мутации в топе, однако эти групповые усреднения часто ничего не дают конкретному отдельному больному.

Сейчас все иначе: один лишь полный геном самого пациента, вариации числа копий, экспрессия РНК, альтернативный сплайсинг и развернутые клеточные состояния — это уже само по себе формирует огромный независимый набор данных из ~20 000 измерений генов. Раньше в академии использовалось меньше 0,1% поверхностных данных; теперь у нас есть полная картина, и нам не хватает инфраструктуры для реального майнинга этих 20 тысяч пластов в режиме реального времени.

Во-вторых,как построить «персональную лабораторию» через мультиагенты? Сколько человек требовалось десять лет назад для прорыва на уровне Broad или Sanger? Вам нужна команда из экспертов по алгоритмам, инженеров инфраструктуры, админов кластеров, специалистов по поиску вариантов, генетиков, визуализаторов данных плюс доктор медицины для клинической интерпретации. Это 30–40 человек тяжелого люкса.

Тогда как в софте все говорят о «software factories», в биомедицине та же агентная архитектура означает «AI-завод персональных лабораторий»: всю многосложную очистку, кластеризацию и выводы путей, которые занимали десятки ведущих биоинформатиков месяцы, теперь можно распараллелить между узкоспециализированными ИИ-агентами (один для матчмейкинга клинических испытаний, другой для анализа безопасности и токсикологии, третий для чтения контекстной литературы). Как только во вторник утром выходит новая статья с переносимыми механизмами, система во второй половине дня уже загружает её и обновляет схемы лечения прямо текущего пациента, сжимая годы трансформационных циклов до реального времени.

Два наших реальных кейса в Omanta по выходу пациентов в ремиссию:

• Межтипный прорыв для редкой опухоли мозга: Традиционная медицина жестко делит опухоли по анатомии на дискретные ярлыки. При редких формах документация часто пустая. Но биологические пути на клеточном уровне не слушают наши бумажные ярлыки: нейробластома и аденокарцинома легкого могут совершенно одинаково питаться одним путем. У одного уникального пациента с редкой опухолью мозга не оставалось препаратов. Проанализировав его многомерный спектр, мы переклюстрировали его опухоль в пространстве и увидели, что ее молекулярные признаки идеально пересекаются с мезенхимальными опухолями; следуя реальным активированным поверхностным маркерам и драйверным путям, мы нашли комбинацию новой терапии, которую старая литература никогда бы не упомянула, но которая бьёт точно в механизм.
• Корректировка провала множественных линий химиотерапии: Пациент прошел три курса цитотоксической химиотерапии подряд, всё провалилось, качество жизни рухнуло. Вернув логику клоновой эволюции на его ранних биоптатах, данные четко доказали: из-за высочайшей внутренней неоднородности опухоли выбранные стандартные протоколы третьего круга с биологической точки зрения изначально ему не подходили. Если бы наша автоматизированная исследовательская база работала с первого дня, пациенту не пришлось бы напрасно терпеть тройную токсическую атаку.

В-третьих, краткий взгляд в будущее: помимо уже одобренных программ репозиционирования, мы будем создавать совсем новые протеины и пептидные доставки в реальном времени под конкретного индивидуума. Как уже продемонстрировала группа Дэвида Бейкера (работы Беннета и др.), ИИ-дизайн de novo сокращает традиционные годы скрининга на десятилетия; плюс ко всему синергия с системой совместных ученых Google DeepMind, которая хоть и не будет заменять лучшего профессора полностью, но будучи «достаточно близкой», масштабируется на глобус и экономит сотни миллионов человеко-часов на пробные лабораторные ошибки.

Вопрос из зала: Вы упоминали органойды как будущий важнейший источник данных. Реально ли их масштабировать при постройке персональной лаборатории для одного больного?

Альфредо Гонсалес: Отличный вопрос, я сам занимался ими во время PhD. Честно говоря, за последние 7–8 лет были два волны органойд-стартапов. По научной выполнимости это идеально: они позволяют культивировать живые ткани крайне дефицитных редких опухолей и применять их к высокопроизводительному тесту лекарственных воздействий, как метастатические модели. Проблема не в науке, а в больничной логистике: после операции врачи обычно сразу опускают ткань в формалин, убивая все живые клетки и делая культивирование невозможным. В будущем нужно чинить этот фронт-офис сохранения образцов.

Вопрос из зала: Даже если вы найдете правильный путь или лекарство, как пробить последний километр: чтобы лечащий врач понял ваш отчет, согласовал рецепт и тем более инициировал N-of-1 испытание?

Альфредо Гонсалес: Врач всегда имеет финальный юридический контроль и риск. Но на практике мы видим очень обнадеживающую реальность: современные онкологи перегружены колоссально, у них нет времени самим деплоить compute-кластеры или запускать полногеномные дифференциальные анализы. Особенно когда первая и вторая линии исчерпаны, и врачи вынуждены наугад угадывать третью, получить на руки строгий логический отчет с верифицируемыми многомерными доказательствами — подавляющее большинство клиницистов будут благодарны и готовы использовать эти данные как основание для нового плана. Запуск абсолютно нового молекулярного N-of-1 трека требует отдельного compliance-процесса.

Вопрос из зала: Как вы смотрите на направление «реверсии злокачественности»? Например, южнокорейская структура заявляет, что через органойдовые сигнальные модели может обратить раковые клетки обратно в здоровое состояние?

Альфредо Гонсалес: Я недостаточно глубоко знаком с их деталями, чтобы давать оценку. Но любая «реверсия злокачественности» должна отвечать двум жестким метрикам: первое, как строго на молекулярном или фенотипическом уровне вы определяете этот «возврат» (разные подтипы и стадии прогрессируют по-разному); второе, нужны долгосрочные реальные клинические данные пациента, подтверждающие этот феномен.

Вопрос из зала: При агрессивном исследовании радикальных схем в персональной лаборатории, как гарантировать абсолютную безопасность и не навредить пациенту из-за галлюцинаций алгоритма?

Альфредо Гонсалес: Безопасность всегда номер один. Парадоксально, но ровно эта инфраструктура драматически повышает безопасность терапии. Как в примере с тем парнем, получившим тройную бесполезную химию — своевременный фильтр токсичных и无效的 протоколов максимизирует защиту. Если мы берем пул одобренных или прошедших фазу 1 препаратов, их safety profile прозрачен; а если мы пойдем в будущее «полностью нового de novo дизайна», мы строго пройдем через зрелые клинические протоколы титрования дозы (dose escalation).

Юсуф Рухани: 500-миллионная база одиночных клеток, ловушки смещения и использование «автономного постобучения» для виртуальных клеток

Юсуф Рухани (научный руководитель Intology AI, бывший лидер ML в Arc Institute): Спасибо организаторам! Обычно мне дали говорить о «виртуальных клетках» (Virtual Cells), но я добавлю свой угол зрения и свяжу это с моими недавними погружениями в работу с автономным постобучением больших моделей (Autonomous Post-Training), показав глубокие параллели между ним и построением по-настоящему работающих виртуальных клеток.

Что такое «научное открытие» и зачем нам виртуальная клетка? Научное исследование — это бесконечный поиск гипотез. Исследователи хотят найти максимум полезной информации о механизме или болезни с минимальными экспериментами. Первая ценность таких инструментов как AlphaFold или ESM в том, чтобы резко ускорить этот поиск: не нужно ставить кристаллизацию на каждую структуру белка, сначала вычисляем пространственную геометрию по аминокислотной последовательности и расставляем приоритеты для реальных пробирок.

А амбиции виртуальной клетки — вознести эти вычисления с плоскости «молекулярной последовательности» в более высокие уровни, ближе к реальным симптомам и физиологическим процессам: уровень клетки, ткани и целого организма. Главная причина провала临床试验 часто кроется не в том, что молекула не связывается (мы уже отлично умеем цепляться за известные таргеты), а в том, что «фармакодинамика in vivo не сходится»: мы изначально неправильно понимаем, какие регуляторные кнопки в живой клетке нужно тянуть. Жизнь непредсказуема именно потому, что клетка — не стабильная молекула, а динамичный поток хаотично взаимодействующих смешанных веществ.

Для моделирования клеточных состояний мы ранее разработали «Универсальную модель представления клетки» (Universal Cell Embedding), опубликовавшуюся в начале года в Nature. Подход довольно интуитивен: складываем тысячи транскриптов одиночных клеток в матрицу, маскируем некоторые значения и учим модель восстанавливать их через self-supervised learning. Сто лет назад развитие биология предложила знаменитый «ландшафт Уоддингтона» (Waddington Landscape): из-за эпигенетических ограничений клетки не находятся в полном беспорядке, а привязаны к какому-то «низкоразмерному многообразию» (low-dimensional manifold), очень похожему на feature space большой языковой модели.

Загружая 35 миллионов одиночных клеток в unsupervised autoencoder, даже без любых ручных лейблов UMAP-пространство само спонтанно и точно кластеризовало крупные типы клеток и субпопуляции, идеально совпадающие с вековыми литературными знаниями!

Но следующий вопрос: в NLP мы сделали скачок по закону масштабирования, забрав интернет через Common Crawl. Можем ли мы повторить этот трюк в клеточной биологии, просканировав все доступные открытые клеточные базы целиком?

Мы попробовали это в другом нашем исследовании, опубликованном в Cell (мы были одними из первых в отрасли, кто в 2025 году отправил autonomous agents копать эти данные задолго до массового появления Claude Code): агенты крутили месяц, авточищая и повторно обрабатывая все сырые записи NIH, буквально раздув датасет на порядок — с 35 до более чем 500 миллионов клеток.

Но когда мы взволнованно вскрыли карту распределения по всем тканям и типам, холодный душ оказался таким: абсолютное большинство тех 500+ миллионов клеток в сети приходится на иммуноциты, внутри которых T-клеток — свыше половины (то есть целое порядке выше)! То есть даже если обойти все открытые клеточные банки человечества, простым линейным добавлением открытых данных настоящую биологическую широту и разнообразие купить невозможно.

Поэтому верный путь — не линейное нагромождение данных, а переключение на AI-guided experimentation: используем передовые Claude/GPT-подобные модели, которые уже знают общую картину по огромным биотекстам, чтобы принимать точные решения, какие редкие клетки выгоднее заказать для мокрого эксперимента на следующем шаге.

Как только вы рассматриваете разработку как «формулировать гипотезу → проверять экспериментом → получать feedback и обновляться», я с удивлением обнаружил, что это зеркалит то, что сейчас активно изучают передовые ИИ-лабы: autonomous post-training больших языковых моделей и recursive self-improvement (RSI). И там, и здесь мы сталкиваемся с идентичными техническими проблемами: сверхдорогая стоимость каждой оценки, шумный feedback от реальной среды и гигантское пространство поиска.

Чтобы проверить гипотезу о переносе такого discovery-closure, полгода назад я примкнул к стартапу Intology AI, создающему универсальные автоматизированные AI-R&D системы. Наши первые месяцы наш кастомный движок Locus на авторитетном benchmark PostTrainBench (где проверяют способность моделей к автономному постобучению базовых Qwen-архитектур) обходил множество обычных code-agents. Почему? Потому что обычные general-purpose programming agents вообще не заточены под «научный поиск и хипотезис-теринг»!

Вчера вышли свежие бенчмарки, где мы практически «out-of-the-box» перетащили систему Locus, тонко настроенную для постобучения в машинном обучении, в задачу «AI-дизайн молекул и прогноз свойств» (где агент делает high-efficiency семплирование из латентного пространства базовой модели с контролем noise-validation set overfitting).

Результаты показали: при жестко одинаковом GPU-песочнице и бюджете, Locus, созданный для исследований, резко отошел от generic code-agents Anthropic/OpenAI. В тестах на эффективность семплирования он сильно превосходил BoltzGen и Codex (разумеется, эти результаты пока чисто computer-simulated, следующим шагом обязательно потребуют wet-lab подтверждения).

Закончу цитатой из классики клеточной биологии на первой странице любой книги:«Во многих отношениях наши знания о структуре Вселенной превышают наше понимание механизмов работы живой клетки; мы уже прочитали полные геномы множества видов, но по-прежнему не способны предсказать, куда повернется клетка при нокауте всего одного нераскрытого гена».

Вопрос из зала: Какие именно техники вы используете в процессе постобучения (это RL)? Как оцениваете разрыв между симуляцией (Virtual cell) и физическим миром?

Юсуф Рухани: Начну со второго вопроса: даже при идеальном контроле условий одни измерения одной и той же клетки имеют огромный биологический шум и технические помехи сенсоров, поэтому «максимально точно воспроизводить физический мир среди шума» — это самая высокая планка, любая симуляция в итоге принимает экзамен на реалистичность мокрого эксперимента. По первому вопросу: вы уловили самое важное. Обычные code-agents не рассчитаны на научные тесты-ошибки. Им не хватает dedicated judge-agents, которые бы держали длинные циклы мониторинга гипотез, контролировали стоимость отдельных тестов или стратегически расставляли кандидатные идеи. Именно реконструкция этого мультиагентного рабочего процесса позволила автоматизированному ML бесшовно перейти в realm научных открытий.

Вопрос из зала: На вашей последней диаграмме горизонтальная ось — H100 compute time. Как вы обеспечили fair comparison с Anthropic и OpenAI? И вы считаете цену в токенах или в шагах тренировки?

Юсуф Рухани: Мы провели fully controlled head-to-head сравнение: поместили нашу систему Locus и готовые автономные агенты Anthropic/OpenAI в абсолютно идентичные sandbox с равным пулом H100 GPU-配额. Так как задача требует calls к большим моделям для тренировки/донастройки научных моделей, главный cost-driver — это compute-hours тренировки GPUs, а не инференсные диалоговые токены.

Вопрос из зала: Можно немного спойлернуть внутреннюю архитектуру Locus? Например, как она собрана?

Юсуф Рухани: Конкретный proprietary stack держать в строжайшем секрете, но ядро — это Large Language Model as engine core, а снаружи выстроены специальные scientific engineering-паттерны для «предложения идей эксперимента», защиты от noise-overfitting в валидационных сеттах и ретrieve длинной памяти.顺便一提, под капотом все равно Python (смеется, слишком честно раскрыл тайну).

Франсуа Шобар (допрос): В реальном мире, где стоимость каждой биологической пробы невероятно высока, sample efficiency решает всё. Недавно многие мощные прорывы в сфере больших моделей идут через неизменяемые веса через «continual harness» и обновления контекстной памяти. Что предпочтительнее: heavy weight fine-tuning или framework/context engineering?

Юсуф Рухани: Абсолютно солидарен. Особенно на этапах自主研发 и exploration в биологии, приоритет оптимизации внешнего Harness (tool scaffolding + context updates) дает самую высокую性价比 и быстрые wins. Weight tuning лучше подходит, когда вы хотите hard-constrain高频的能力 для быстрого inference检索. Но чтобы не слетать в bench-maxing и не переобучаться на конкретные метрики, на начальных этапах мы сознательно сдерживаем изменения весов, ставя ставку на каркасы и推理-engineering.

Гэрик Брикши: Читаем жизнь сквозь 9 триллионов букв ДНК, от Evo 2 до открытия новых РНК через Minerva

Гэрик Брикши (аспирант Стэнфорда, лидер команды Evo 2): Два последних года мы все пользуемся языковыми большими моделями, обученными на «предсказании следующего слова (Next token prediction)». Люди читают английский, понимают код и матформулы, но глядя на последовательности ДНК, обычно теряются. Но по сути ДНК — это универсальный язык, написанный миллиардами лет эволюции: ДНК кодирует РНК и белки, а белки по невероятно сложным механизмам определяют здоровье, рост; а естественный отбор выступает фильтром, пропускающим дальше те ДНК, что выживают.

За последние три года объем геномных данных в открытом NCBI удвоился. Но строить модели для ДНК невероятно сложно из-за микро-словаря всего в 4 нуклеотида, заполненного parasitic sequence spam, копирующимися внутри самого генома и огромного масштабирования: один ген может тянуться на сотни тысяч пар оснований, но при этом смертельно зависеть от всего одной буквы.

Поэтому мы пошли самым прямым и фундаментальным путем: создали генную генеративную пре-тренированную большую модель Evo 2 (два варианта на 7 млрд и 40 млрд параметров, смесь attention и conv architecture). Главный секрет обучения, который часто игнорируют:мы сознательно выбросили абсолютное большинство собранного junk-шума!

Не просто удалили дубликаты (оставили по 1 high-quality representative genome per species, сузив масштаб до 9 триллионов пар оснований); на основной фазе pretraining мы сделали bias-ресемплинг вокруг функциональных зон (гены, RNA, эволюционно консервативные элементы), фактически добровольно отказавшись от триллионов бесполезных noise-token. Сначала обучали базовую семантику на коротких окнах, потом расширяли до 1 миллиона пар оснований для изучения cross-span композиции.

Выполнив loss function, как «разговаривать» с моделью, которая лишь печатает A/T/C/G? Здесь два основных подхода:

1. Как сверхчувствительный «decision model» (модель принятия решений): Модель видела настоящий природный ДНК, выживший в эволюции, поэтому знает, какие последовательности «легальны». Вводите последовательность с мутацией — если probability низкая (она выглядит аномально для модели), это сигнализирует о functional loss или risk致病ности. В тестах клинической оценки мутаций гена высокого риска BRCA1, Evo 2, всего раз увидев 1 human reference genome, на предсказании как кодирующих, так и некодирующих мутаций сравнялся или побил專有人类的 supervised models! Ablation experiments доказали: если просто оставить 50% случайных full-genome в мешке, Spearman correlation провалится на 0,16 в последний блок рейтинга. Состав датасета — фатален.
2. Interpretability anatomy через sparse autoencoder (SAE) и рождение новых генов: Прозрев внутренние нейронные features Evo 2, мы увидели, что от обычного next-base prediction модель сама натренировала нейроны для распознавания prophages в кишечнике, защитных CRISPR-спейсеров и захваченных бактериями single-gene систем. Эти участки различаются по базе, но модель unsupervised自学打通ила их bio-functional relevance. После finetune функциональным классификатором команда de novo создала новые Bacteriophage вроде PhiX, направление уже на клинических тестах у пациентов.

А чтобы закрыть слабину Evo 2 в предсказании далекой «co-evolution» и 3D contact interaction, мы недавно выпустили двунаправленную модель Minerva. Она напрямую читает весовые дальние attention матрицы внутри себя, сканируя и очерчивая сотни совершенно новых некодирующих РНК-структур в геномах бактерий (например, Bacteroides), которые раньше ускользали от био-статистики. Совсем недавно в wet validation мы жестко доказали существование全新ной системы UG27 Reverse Transcriptase (UG27 RT): она имеет подобную CRISPR programmable noncoding RNA array, конвертирует ДНК в РНК и ретро-транскирибирует обратно в hairpin-DNA. Хотя её полное применение в природе еще уточняется, это доказывает, что pure DNA language models обладают силой выступать engines для новых биологических открытий.

Вопрос из зала: Почему вы остановились на токенизации на уровне одного нуклеотида? Почему не пытались делать BPE или multi-base vocabularies?

Гэрик Брикши: На текущих среднескальных абаляциях finest granularity nucleotide-level split явно лучше отражается на точности предсказания single-point pathogenic mutations. Но в перспективе я продолжаю следить за тем, как byte-level end-to-end modeling сохранит баланс разрешения и эффективной длины.

Вопрос из зала: Рассматривали dual-tower architecture (Two-tower) типа Embodied Physical AI: одна башня читает ДНК, вторая сразу генерирует plain text解读 для биологов?

Гэрик Брикши: Да, многие группы рвутся к нескольким конкурирующим маршрутам: одни mix DNA sequences прямо в текстовом предобучении продвинутых языковых моделей, другие алонируют embeddings ДНК-моделей к текстовым LLMs. Какая архетипическая схема выйдет победителем — еще не решено.

Вопрос из зала: Раз состав смеси данных так радикально влияет на performance, как вы научно выводите optimal pretraining data mixture?

Гэрик Брикши: Честно, тренируя Evo 2 в конце 2024-го, мы были пионерами в стиле «write the book while we write it». Никаких готовых hyperparameters с препринтов не было. Основной ход: параллельно с обработкой мы выкатывали tight biological-aligned eval suites и scaling analysis. Сейчас с взрослением benches мы можем точнее backpropagate evaluation shortfalls в настройку data-mix.

Вопрос из зала: Если вы уже нашли столько биологически релевантных нейронных особенностей внутри модели, пробовали steering Evo 2 на основе этих внутренних features? Например, направлять ДНК-секвенции для специфического bind'а к раковым клеткам?

Гэрик Брикши: На прошлой неделе мы только что аплоаднули препринты конкретно про «steering Evo 2 в био-дизайне». Скажу прямо: сейчас механическая interpretability intervention still уступает惊艳 effects того context-based few-shot prompting (Prompting), который покажет следующий докладчик Дивья.

Вопрос из зала: Вы сказали, что для каждого вида оставляли почти один геном. Разве так не теряется massive population diversity внутри человеческого стаяния? Как вы тогда настолько точно предсказываете патогенные мутации у людей?

Гэрик Брикши: Причина банальна в эволюционной компаративной статистике: даже без DL, если вы выложите сотни геномов приматов на multiple alignment, любые позиции, которые оставались абсолютно консервативными миллионы лет, с высокой долей вероятности являются critical bottlenecks — их нарушение ведет к беде.

В отличие от этого, если бы мы кормили в тренера геномы всех присутствующих здесь людей, колоссальные compute-budget токены сгорели бы на high-redundant human-specific sequences, никак не вытащив core致病特征. При ограниченном budget priority отдается evolutionary conservation signals across tree of life. Для complex trait/polygenic disorders следующие шаги неизбежно потребуют integration population multi-omics и single-cell expression data, о котором говорил предыдущий спикер.

Дивья Нори: Без тонкой настройки! Всего 4 примера подсказывают доменной ДНК-модели, мозг мыши вспыхивает вживую

Дивья Нори (аспирантка CS Стэнфорда, исследователь лаборатории Brian Hie): Всем привет! Продолжаю загадку, брошенную Гэриком: как без правки весов и тысяч эпох тренировок всего за счет нескольких Prompt эффективно спроектировать новые биологические модули? Этим руководил постдок Alex Hao совместно с Гэриком, профессором Брайаном Хие и командой.

В последние годы «few-shot prompting» полностью изменил UX текстовых LLM: даже не обновляя весов, если просто воткнуть пару примеров писем в context, модель мгновенно улавливает формат и правила через涌现出的 icontextual learning (ICL).

Но в biosequence design долгое время доминировала жестко data-driven парадигма: например, чтобы сгенерировать functional CRISPR-Cas9 систему, нужно было заранее фулль-финтюнить Evo 1 на десятки тысяч локусов; для сборки цельного мини-бактериофагового генома надо было тяжело финуить Evo 2 на тысячи microviridae genomes. Но реальная биология богата новыми таргетами и редкими семейками, для которых нет ни тысяч, ни даже сотен labeled training samples.

Удивительно, но недавно на Evo 2 мы заметили чудесный emergent property, который прежде встречался только в natural language: Evo 2, пройдя только大规模 single-nucleotide next-char predication pretraining, без какого-либо explicit обучения ICL вдруг внезапно оказался с мощнейшим контекстным few-shot дизайном! Это значит, достаточно дать в inprompt всего от 4 до десятка общих по функции DNA-примеров, и модель сама во время инференса выведет recombinatorial/mutation logic и сгенерирует новую sequence, сохраняющую эту функцию.

Мы проверили этот new paradigm сразу на четырех масштабных bio-scales от 100 до 100 000 нуклеотидов:

1. Rare天然白蛋白 (Lanmodulins): Прорывные хелаторы для сбора редкоземельных металлов в добыче. Одно известное подсемейство имеет в природе всего 14 референсных примеров! Мы впихнули эти 14 строк прямо в context prompt, сделали zero finetune, и Evo 2 выдал новые functional candidate peptides.
2. Antibody targeting design: Используя лишь малую выборку active sequences из 3D structural generative models как text-in-context examples, Evo 2 без каких-либо 3D condition inputs успешно сгенерировал высокоактивные hits по всем нашим тестовым antibody targets.
3. Complex gene-editing systems recreation (CRISPR-Cas9): Ранее требовались десятки тысяч сэмплов для общего финуина; теперь достаточно 4х CRISPR-Cas locus examples в контексте, Evo 2 one-pass end-to-end генерирует полную рабочую систему, включая array, tracrRNA и Cas9 protein scaffold.
4. Full bacteriophage genome design: При стоимости вычислений, составляющей ничтожную долю от полного finetune-подхода, прямой prompt генерирует новые фаги с ожидаемой полной геномной архитектурой.

Но мы не останавливались на soft-имитации. Мы продвинули эту paradigm в wet-lab животным опытам, проектируя cell-type specific enhancers (ключевой switch, решающий, будет ли терапия вносить свет только в нужных зонах мозга или заденет здоровые органы).

Pushнув capability prompt enhance до предела, мы одновременно ответили на вопрос «как постобучить Evo 2»: взяли sequence-to-function predictor (аналог AlphaGenome, предсказывающий activation в каком типе клеток) как reward model, внедрили penalty за cheating/reward hacking и ограничения на sequence entropy и GC-содержание, применив GRPO reinforcement learning loop для finetune Evo 2, максимально усилив его способность к ICL context-conditioning!

После этого Алекс физически injected эти enhanced-designed новые энхансеры в мозг мыши в мокрой лаборатории. На слайде справа ясно видна флуоресцентная микроскопия мозговых срезов: целевая область мозга четко и высоко специфично флуоресцентно загорелась!

Looking ahead, такой «data-efficient conditioning» навсегда переведет bio-design в эру lab-in-the-loop: ученый берет небольшой пул natural sequence examples, Evo 2 через ICL быстро发散 out many designs, filters проходят in silico sweep, best отправляются на wet tests, а confirmed positive sequences тут же реинтегрируются в next-round prompt pool для постоянного snowballing.

Все методы инференсного boosting и scaffolding, отточенные в human-язычных моделях, легко portятся на bio-world. Все озвученное записано в наших двух препринтах, опубликованных на прошлой неделе.

Вопрос из зала: Можете подробнее рассказать про RL-постобучение для энхансеров: reward function и анти-cheat?

Дивья Нори: Environment setup стандартная и efficient: даем known-active natural enhancer examples в целевом типе клеток → Evo 2 bulk samples новые candidates → загоняем их в predictor типа AlphaGenome для scoring tissue-specificity激活 → score идет как signal для GRPO weight update Evo 2. Чтобы не дать модели shortcut cheat (reward hacking), мы added regularization penalties на sequence entropy и корректный GC-баланс в reward.

Вопрос из зала: Почему Evo 2 вдруг проявил ICL? Для gene clusters понятно, но как antibody design может иметь такую zero-shot泛化?

Дивья Нори: Скажу честно, мы сами были шокированы, так как модель вообще never seen specialized ICL training. Академические theory для ICL в текстовых LLMs чудесно наложились на геном: во-первых, natural sequence подчиняется power-law и burstiness — rare k-mers появляются clusters локальными; во-вторых, геномы изобилуют semantically parallel structures.

Из нашего internal mechanism audit препринтов видно, в attention layers Evo 2 реально вырастают induction heads, зеркально работающие аналоги с текстовыми моделями для pattern recognition и context analogy.

Вопрос из зала: В задаче «prompt + RL design enhancer», сколько功劳归功于 baked-in pretrain weights patterns и сколько чистой creative composition из fresh prompts?

Дивья Нори: Это classic tradeoff между «inherited prior via weights» и «online context composition». По энхансерам: они крайне редки в 9 трлн basepairs语料 Evo 2. Так что хотя baseline physics prior используется, biggest breakthrough specificity regulation достигается именно через real-time reading core motifs from prompts и их direct precise recombination.

Франсуа Шобар: Фантастика! Огромное спасибо Дивье, нашим спикерам и всем, кто был с нами сегодня вечером!