مایکروسافت از پروژه کواین (Project Quine)، یک سیستم آزمایشی هوش مصنوعی چندوجهی، رونمایی کرد که مدلسازی زیستشناسی را با تستهای آزمایشگاهی پیوند میدهد. این سامانه با همکاری پژوهشگران مؤسسه Broad وابسته به هاروارد و MIT توسعه یافته و میتواند ترکیبی از دادههای ژنومیک، پروتئینها، شیمی، وضعیت سلولی و تصویربرداری زیستی را برای پیشنهاد و اولویتبندی گزینههای درمانی بررسی کند.
Quine از دو بخش اصلی تشکیل شده است: مدل جهان زیستشناسی (Biology World Model) و یک چارچوب تعاملی (هارنس) که مدل را به ابزارهای علمی، منابع علمی، آزمایشگاه و پژوهشگران متصل میکند. هدف مایکروسافت این است که پژوهشگران بتوانند پیش از اختصاص منابع محدود آزمایشگاهی، گزینههای مختلف را بهصورت محاسباتی بررسی و مناسبترین موارد را برای آزمایش انتخاب کنند.
مایکروسافت میگوید زیستشناسی به حوزههای جداگانهای مانند ژنها، پروتئینها و سلولها محدود نمیشود و ارتباط میان این سطوح برای درک فرایندهای زیستی اهمیت دارد. کواین نیز بهجای استفاده جداگانه از مدلهای تخصصی برای هر حوزه، این دادهها و مقیاسهای مختلف را بهصورت مشترک آموزش میدهد تا اطلاعات یک حوزه بتواند در پیشبینیهای مربوط به حوزه دیگر مورد استفاده قرار گیرد.
آزمایش پروژه کواین (Quine) مایکروسافت روی سرطان پانکراس
مایکروسافت برای نشاندادن تواناییهای Quine به آزمایشهای مربوط به آدنوکارسینوم مجرای پانکراس (PDAC)، شایعترین نوع سرطان پانکراس، اشاره کرده است. پژوهشگران با همکاری مؤسسه Broad بررسی کردند که آیا ویژگیهای غیرژنتیکی سلولهای سرطانی، بهویژه وضعیت سلولی، میتواند بهعنوان هدفی برای درمان مورد استفاده قرار گیرد یا خیر.
Quine هزاران ترکیب را براساس توانایی احتمالی آنها برای تغییر وضعیت سلولهای توموری بررسی و اولویتبندی کرد. در آزمایشهای آزمایشگاهی، ترکیباتی که بالاترین رتبه را در مدل به دست آورده بودند، بیشترین تغییر موردانتظار محققان را ایجاد کردند.
به گفته مایکروسافت، کل فرایند از محدودکردن سریع دامنه ترکیبات مورد بررسی تا انتخاب چند گزینه برای آزمایش آزمایشگاهی، فقط یک آخر هفته طول کشید. این شرکت میگوید چنین رویکردی میتواند در مقایسه با انجام آزمایشهای گستردهتر، ماهها زمان تحقیق و هزینهها را کاهش دهد.
مایکروسافت تأکید میکند که Quine قرار نیست جایگزین آزمایشهای آزمایشگاهی شود. هدف این سامانه آن است که پیش از انجام آزمایشها، مسیرهای احتمالی را بررسی و گزینههایی را که ارزش آزمایش بیشتری دارند، اولویتبندی کند. نتایج تولیدشده توسط Quine نیز ممکن است ناقص یا نادرست باشند و باید توسط پژوهشگران بررسی و با آزمایشهای علمی اعتبارسنجی شوند.
