‏چرا هوش مصنوعی در زیست‌شناسی اینقدر سخته؟

یه موج تازه از هیجان درباره «هوش مصنوعی برای زیست‌شناسی» داره شکل می‌گیره، ولی قبل از اینکه کاملاً سوار این موج بشیم، باید بفهمیم چرا این حوزه اینقدر با بقیه فرق داره. مشکل اصلی فقط پیچیدگی زیست‌شناسی نیست — ML با خیلی چیزهای پیچیده کنار میاد. مشکل اصلی اینه که کشف دارو اون حلقه‌های بازخورد تمیز و واسط‌های مشخصی که ML رو در جاهای دیگه موفق کرده رو نداره.

در دنیای نرم‌افزار، APIها تمیز و قراردادی‌ان. یه تیم یه سرویس می‌سازه، یه endpoint رو expose می‌کنه، و تیم دیگه‌ای روش بنا می‌کنه. اگه چیزی خراب بشه، باگ رو پیدا می‌کنی، کد رو درست می‌کنی، تست رو دوباره اجرا می‌کنی. حتی شرکت‌های میلیارد دلاری مثل Supabase یا NVIDIA با تخصص روی همین یه واسط تمیز ساخته شدن. وسوسه‌انگیزه که داروسازی رو هم همینطور ببینیم — یه تابع برای کشف هدف، یه تابع برای طراحی دارو، یه تابع برای کارآزمایی بالینی — ولی واقعیت خیلی فرق داره.

خروجی «کشف هدف درمانی» یه هدف تمیز نیست. یه فرضیه احتمالاتیه که می‌گه شاید دستکاری یه فرآیند زیستی خاص، در یه بافت خاص، در یه زیرمجموعه از بیماران، در یه مرحله خاص از بیماری، یه اثر بالینی مفید داشته باشه بدون عوارض غیرقابل‌تحمل. خروجی «طراحی دارو» هم یه داروی واقعی نیست؛ یه کاندیدای مداخله‌ست که ارزشش به درستی فرضیه هدف، مناسب بودن روش مداخله، رسیدن مولکول به بافت درست، حاشیه ایمنی قابل‌قبول، قابلیت تولید، موضع حقوق مالکیت فکری و استراتژی بالینی بستگی داره. حتی کارآزمایی بالینی هم یه پاسخ ساده «جواب داد یا نداد» نمی‌ده — نتیجه از فیلتر انتخاب بیمار، نقطه پایانی انتخابی، دوزبندی، قدرت آماری و تفسیر نظارتی رد می‌شه.

این همون «مشکل API فازی» است. در نرم‌افزار، APIهای خوب پیچیدگی رو پنهان می‌کنن. در زیست‌شناسی، پیچیدگی پنهان‌شده برنامه‌ها رو نابود می‌کنه. یه هدف می‌تونه معتبر به نظر برسه تا اینکه مولکول در بافت اشتباه بهش برسه. یه مولکول می‌تونه عالی به نظر برسه تا اینکه بیولوژی بیماری غلط از آب دربیاد. یه مدل حیوانی می‌تونه قانع‌کننده باشه تا اینکه معلوم بشه بیماری انسانی اساساً فرق داره.

فرآیند کشف دارو رو می‌شه به سه مرحله تقسیم کرد: کشف هدف (چه بیولوژی‌ای رو باید دستکاری کنیم؟)، طراحی پیش‌بالینی و انتقال (چه مداخله‌ای می‌تونه اون بیولوژی رو تغییر بده؟)، و توسعه بالینی (آیا واقعاً به جمعیت هدف کمک می‌کنه؟). مداخله‌ها هم اشکال مختلفی دارن — از مولکول‌های کوچک که یه مولکول خاص رو بلاک می‌کنن، تا آنتی‌بادی‌ها، RNA درمانی، ویرایش ژنوم در بدن، و روش‌های برنامه‌ریزی مجدد سیستم ایمنی.

در مرحله کشف هدف، تاریخچه‌اش بیشتر به تحقیقات آکادمیک برمی‌گرده. پروژه‌هایی مثل DepMap در Broad Institute به شناسایی ژن‌هایی که رشد سلول‌های سرطانی رو کنترل می‌کنن کمک کردن. مطالعات GWAS هم سعی می‌کنن با داده‌های جمعیتی مثل UK Biobank، واریانت‌های ژنتیکی مرتبط با بیماری رو پیدا کنن. ولی یه «hit» در GWAS فقط یه سرنخه — نه یه هدف درمانی آماده. نمی‌گه کدوم ژن مهمه، در کدوم نوع سلول، از کدوم مسیر، و چطور باید مداخله کرد.

به همین دلیله که حالا ایده «سلول مجازی» یا «انسان مجازی» داره هیجان ایجاد می‌کنه. ایده اینه که داده‌های زیادی از حالت‌های سلولی و انسانی جمع‌آوری بشه، اونا رو به روش‌های مختلف دستکاری کنیم، و خروجی‌های متعددی — از ترانسکریپتومیکس تا تصویربرداری تا داده‌های بالینی — اندازه بگیریم تا مدل‌هایی بسازیم که روابط بین اونا رو یاد می‌گیرن. شرکت‌هایی مثل Tahoe، Noetik و Recursion دارن روی همین مسیر کار می‌کنن. قوانین مقیاس‌پذیری از دنیای LLMها چارچوبی می‌ده که نشون می‌ده شاید داده‌های زیستی هم از همین قوانین پیروی کنن. ولی این مسیر به شدت سخته — داده‌ها پراکنده و کم‌کیفیت‌ان، فضای ابعادی غول‌پیکره، و راه‌های اخلاقی خیلی محدودی برای آزمایش مستقیم روی انسان وجود داره.

نکات کلیدی:

• مشکل اصلی AI در زیست‌شناسی، پیچیدگی نیست — بلکه «API فازی» است؛ هر مرحله از داروسازی خروجی‌های مبهم و وابسته به فرضیه‌های پنهان داره
• کشف هدف درمانی، طراحی دارو و کارآزمایی بالینی هر کدوم لایه‌های ابهام خودشون رو دارن که به هم وابسته‌ست
• مطالعات GWAS و DepMap سرنخ می‌دن، نه هدف درمانی آماده؛ اون سرنخ‌ها باید با آزمایش فیزیکی اعتبارسنجی بشن
• ایده «سلول مجازی» با الهام از قوانین مقیاس LLM داره مسیر جدیدی رو باز می‌کنه
• چالش اصلی: داده‌های زیستی پراکنده و کم‌کیفیت‌ان و آزمایش مستقیم روی انسان از نظر اخلاقی محدوده