Dejta farmaċewtika tgħolli l-AI għal 52.1%

Il-mudelli tal-IA jitgħallmu mill-eżempji. Aktar ma jaraw eżempji rilevanti, aktar jitjiebu. Dan jgħodd kemm għat-tbassir ta’ kif il-molekuli tal-mediċini jinteraġixxu mal-proteini, kif ukoll għar-rikonoxximent tal-uċuħ jew għat-traduzzjoni tat-test. Il-problema hi li wħud mill-aktar eżempji rilevanti fit-tfassil tal-mediċini jinsabu maqfula fil-bażijiet tad-data tal-kumpaniji farmaċewtiċi, fejn l-ebda sistema pubblika tal-IA ma tista’ tarahom.

Konsorzju ta’ ħames kumpaniji — AbbVie, Astex Pharmaceuticals, Bristol Myers Squibb, Johnson & Johnson u Takeda — jgħid li sab mod kif iħarreġ mudell b’mod kollettiv fuq dik id-data privata mingħajr ma ebda kumpanija tikxef il-fajls tagħha. Skont it-test komparattiv tal-konsorzju stess, il-mudell li rriżulta kellu prestazzjoni ferm aħjar mill-punt tat-tluq tiegħu, li kien tħarreġ fuq data pubblika. Iżda la l-mudell, la d-data tat-test u lanqas manuskritt rivedut minn esperti ma ġew ippubblikati (Nature).

Kif tħarreġ mudell mingħajr ma tiġbor id-data f’post wieħed

Il-mudell bażi kien OpenFold3 Preview 2, sistema b’sors miftuħ li tbassar kif il-proteini u l-molekuli żgħar simili għal dawk tal-mediċini jirranġaw ruħhom flimkien fi tliet dimensjonijiet. Wieħed jista’ jqabblu mat-tbassir kemm tal-forma ta’ serratura kif ukoll ta’ kif ċavetta tidħol fiha (repożitorju ta’ OpenFold3).

Minflok għaqqdet l-istrutturi tal-ħames kumpaniji kollha f’bażi tad-data waħda, kull kumpanija ħarrġet kopja tal-mudell lokalment fuq id-data tagħha stess. Lill-koordinatur ċentrali ntbagħtu biss l-aġġustamenti numeriċi li tgħallem il-mudell waqt it-taħriġ, mhux ir-rekords molekulari sottostanti. Apheris, kumpanija bbażata f’Berlin, mexxiet din il-koordinazzjoni permezz tal-qafas miftuħ ta’ NVIDIA għat-tagħlim federat, filwaqt li l-laboratorju ta’ Mohammed AlQuraishi fl-Università ta’ Columbia kkontribwixxa l-għarfien espert dwar il-mudell. Il-konsorzju jirrapporta li uża 40 GPU NVIDIA H100 f’ħames ambjenti korporattivi separati (Apheris, Nature).

L-istrutturi mhux ipproċessati baqgħu wara l-firewalls tal-kumpaniji. Madankollu, il-konsorzju ma ppubblikax evidenza formali li l-aġġornamenti kondiviżi tal-mudell ma setgħux jiżvelaw informazzjoni dwar id-data tat-taħriġ, riskju teoretiku magħruf fit-tagħlim federat.

X’żiedu l-istrutturi privati

Il-konsorzju ħarreġ il-mudell fuq 20,167 struttura proprjetarja ta’ kumplessi bejn proteini u mediċini u ttestjah fuq sett privat separat ta’ 1,056 struttura (Apheris). Il-kejl ewlieni stħarreġ kemm-il darba l-arranġament imbassar tal-mediċina u l-proteina kien jaqbel mill-qrib ma’ dak osservat b’mod sperimentali. Il-mudell federat kiseb punteġġi ta’ kwalità għolja f’52.1% tal-każijiet tat-test, meta mqabbel ma’ 35.6% għall-OpenFold3 oriġinali u 40.9% għal Boltz-2, mudell miftuħ ewlieni ieħor (Apheris, Nature).

Mudell ta’ kontroll imħarreġ biss fuq data pubblika aġġornata ma kisibx l-istess titjib. Il-konsorzju jinterpreta dan bħala evidenza li l-istrutturi privati tiegħu pprovdew informazzjoni utli għat-tbassir li ma tinsabx fir-rekords disponibbli għall-pubbliku (Apheris).

Għaliex jista’ jkun dan? Il-Protein Data Bank pubbliku huwa vast, iżda jirrifletti liema proteini għażlu li jistudjaw il-laboratorji akkademiċi. Skont il-konsorzju u kummentaturi esterni, il-kollezzjonijiet farmaċewtiċi għandhom it-tendenza li jinkludu serje sistematiċi tal-istess mira flimkien ma’ ħafna kandidati relatati għal mediċini. Dawn jirreġistraw preċiżament id-differenzi sottili fit-twaħħil li huma importanti għat-tfassil (Nature, C&EN). Il-konsorzju jirrapporta wkoll li l-mudell federat qabeż fil-prestazzjoni lil kull mudell imħarreġ minn kumpanija waħda, b’mod konsistenti mal-idea li l-ġbir tal-għarfien mid-data ta’ diversi kumpaniji kien ta’ għajnuna.

Dak li r-riċerkaturi esterni għadhom ma jistgħux jivverifikaw

Ma ġie sottomess ebda manuskritt. Il-parametri numeriċi li tgħallem il-mudell, l-istrutturi tat-test komparattiv u t-tbassir individwali kollha mhumiex disponibbli għar-riċerkaturi esterni. Ma ġew ippubblikati ebda intervalli ta’ kunfidenza jew testijiet statistiċi. It-test komparattiv tfassal u ġie evalwat mill-istess organizzazzjonijiet li bnew is-sistema (Nature).

Dan huwa importanti, fost l-oħrajn, minħabba żvantaġġ magħruf. Ħidma mill-grupp PoseBusters uriet li t-tbassir minn mudelli oħra tal-IA għall-istrutturi jista’ jidher ġeometrikament qrib struttura ta’ referenza, filwaqt li jqiegħed l-atomi f’arranġamenti fiżikament impossibbli, bħal rabtiet f’angoli li ma jeżistux f’molekuli reali (PoseBusters). Għadu mhux magħruf jekk it-tbassir tal-AISB jgħaddix minn dawn il-kontrolli.

It-test komparattiv innifsu jkejjel kemm il-mudell jirrikostruwixxi tajjeb arranġamenti sperimentali magħrufa. Ma jkejjilx jekk dan jgħinx biex jiġu identifikati komposti li fil-fatt jintrabtu mal-mira tagħhom f’sistema ħajja, u lanqas ma jagħti prova li huma sikuri. Pożizzjoni mbassra b’mod preċiż hija utli għal kimiku li jkun qed jiddeċiedi liema komposti għandu jinvestiga wara, iżda l-konsorzju ma rrapporta ebda riżultat sussegwenti fit-tfassil tal-mediċini.

Il-proġett MELLODDY, li kien jinvolvi għaxar kumpaniji, kien diġà wera li t-tagħlim federat seta’ jtejjeb it-tbassir tal-proprjetajiet molekulari bejn kumpaniji farmaċewtiċi kompetituri (MELLODDY). L-AISB jestendi dak il-prinċipju għat-tbassir ta’ strutturi tridimensjonali. Il-pass li jmiss li dan il-qasam jeħtieġ mingħand il-konsorzju huwa manuskritt ippubblikat u biżżejjed data li tista’ tiġi eżaminata, sabiex riċerkaturi indipendenti jkunu jistgħu jittestjaw jekk it-titjib irrappurtat jibqax jgħodd barra minn evalwazzjoni kkontrollata mill-konsorzju.