刚刚，微软发布「生物学世界模型」，首战癌王！

刚刚，微软研究院发布了旗下生命科学多模态世界模型（multimodal world model of biology）研究项目Quine。

该项目包含一个覆盖多生物学模态的世界模型与一个连接科学工具、文献、湿实验室以及研究人员的框架。

Quine建立在微软研究院过去20多年在计算与生物学领域的积累之上，旗下病理大模型Virchow2G、蛋白质模型Dayhoff Atlas、AI虚拟细胞成果Project Ex Vivo等研究成果，都被统一到了这个世界模型之中。

这让模型实现了非常惊人的多模态覆盖，实现了跨越基因组学、蛋白质、化学、RNA与细胞状态、生物成像这五大模态的联合建模，并能够进行跨模态预测，推理生物学干预可能带来的后果。

目标是帮助人类科学家在投入宝贵的实验室资源之前，先利用计算来探索、提出、排序和筛选潜在的研究路径。

目前，该项目开启了一项名为Quine Fellows的开放申请项目，面向蛋白质设计、酶设计、药物研发等领域征集，入选者将获得Quine和计算资源的访问权。

首测迎战癌王 数月工作压缩到两天

在与哈佛大学、麻省理工联合创立的Broad Institute研究所的合作中，Quine已经开始参与到真实的胰腺导管腺癌（PDAC）药物研究中。

要知道胰腺癌被称为「癌中之王」，而其中超九成都是胰腺导管腺癌，这种癌症死亡率很高，而且往往在初次确诊时，患者就已经处于进展晚期，常已发生远处转移。

Broad Institute研究人员与微软多年来一直在开发和应用患者来源的离体模型，研究一个长期存在的假设：肿瘤行为和药物反应不仅取决于遗传因素，也与转录层面的细胞状态有关。

简单来说，即使两个PDAC肿瘤细胞的遗传背景相近，它们处于不同的细胞状态时，对药物的反应也可能不同。

因此，研究人员进一步探索：能否不直接杀死癌细胞，而是通过药物干预，主动将癌细胞从一种状态推向另一种具有治疗意义的状态。

在这项研究中，研究人员给Quine设定了一个明确目标：推动PDAC细胞从Classical（经典型）向Basal（基底型）转变。

随后，他们将数千种化合物交给Quine进行计算预测和优先级排序，让模型判断哪些化合物最有可能推动这一状态变化。

结果显示，在Quine模型中排名最高的一批化合物，在多个实验检测中产生了最大的目标状态变化。

从快速缩小化合物搜索空间，到筛出少量候选，再到完成实验室验证，整个过程只用了一个周末。微软表示，这一流程有望节省数月的实验工作和大量研发成本。

这一过程体现了Quine作为世界模型与传统药物筛选方法的差异。其运作原理是先模拟不同干预可能带来的细胞状态变化，再进行化合物的筛选。

此外，Quine还预测到了一些研究人员此前没有充分预料到的结果：部分化合物并没有简单地推动细胞在Classical和Basal之间移动，而是把细胞推向了另一种此前未被充分认识的表型。

这进一步展现了Quine这样的世界模型，不仅能大幅提升科学家验证假设的效率，还有望从中产生新的假设，发现人类原本没有设想到的生物学状态甚至作用路径。

从材料科学到世界模型

微软的AI for Science版图

早在2022年，微软研究院就正式成立了AI4Science中心，在英国、荷兰、德国都有实验室，目前已经发表了79篇相关论文，涉及材料科学、分子与计算化学、生命科学，以及天气与气候等地球系统科学。

成果也相当耀眼，包括被称为材料版AlphaFold的MatterGen（发表于《Nature》）与配套仿真模型MatterSim，与此前的生成模型相比，其生成结构成为新颖且稳定材料的概率提高了2倍以上，距离局部能量最低点的距离缩短了10倍以上。

生物学领域有登上《Science》封面的BioEmu，能够以前所未有的效率和精度模拟蛋白质的构象变化，在单张GPU上实现了每小时生成上千个独立蛋白质结构。

此外还有应用于大气预报的模型Aurora，成果已登录《Nature》，相较于最先进的数值天气预报系统IFS，计算速度提高约5000倍。

长期以来的技术积累背后，是微软对AI for Science的高度笃定。微软技术院士、AI for Science中心的创始人Chris Bishop早在2022年就提出：AI可能会开启科学发现的“第五范式”。（the fifth paradigm of scientific discovery”）

不仅能突破传统科学模拟长期存在的“精度—速度”矛盾，还有望让过去根本无法搜索的药物、材料和自然现象空间，第一次变得可探索。

—The End—