Koniec ery surowych danych. GSK i Relation Therapeutics stawiają na jakość w odkrywaniu leków

Współpraca giganta farmaceutycznego GSK z brytyjskim Relation Therapeutics, warta nawet 110 milionów dolarów, wyznacza nowy kierunek w branży biotechu. Zamiast polegać wyłącznie na potędze obliczeniowej i gigantycznych publicznych repozytoriach, partnerstwo skupia się na generowaniu precyzyjnych, autorskich zbiorów danych biologicznych. To zmiana paradygmatu: w wyścigu o nowe terapie paliwem staje się nie tyle ilość informacji, co ich kontekst funkcjonalny i jakość biologiczna.

Dlaczego to ważne teraz? Branża farmaceutyczna odchodzi od ślepego karmienia algorytmów miliardami punktów danych na rzecz wysokiej jakości zestawów komórkowych. Inwestycja o wartości 110 milionów dolarów ma przynieść dane o ludzkich komórkach, które posłużą do trenowania modeli AI przy dwóch konkretnych jednostkach chorobowych, co pozwoli na znacznie skuteczniejsze typowanie nowych leków.

Lab-in-the-Loop, czyli biologia w pętli obliczeniowej

Kluczem do współpracy jest platforma MORGAN oraz autorskie podejście Relation określane jako „Lab-in-the-Loop”. W przeciwieństwie do tradycyjnych modeli AI, które często konsumują statyczne dane, system ten opiera się na ciągłym sprzężeniu zwrotnym między eksperymentem laboratoryjnym a analizą komputerową. Według przedstawicieli Relation, platforma MORGAN to całkowicie nowe podejście do zrozumienia ludzkiej biologii. Relation dostarczy GSK dane dotyczące reakcji ludzkich komórek na modyfikacje genetyczne i interwencje farmakologiczne, co ma zapewnić „większą pewność przy odkrywaniu celów terapeutycznych”.

Wcześniejsze wspólne projekty obu firm, koncentrujące się na chorobach włóknieniowych i zwyrodnieniu stawów, pokazały siłę łączenia multiomiki z uczeniem maszynowym. Wykorzystanie próbek pochodzących bezpośrednio od pacjentów pozwala na stworzenie map komórkowych o znacznie wyższej rozdzielczości niż te dostępne w otwartych źródłach, co ma kluczowe znaczenie w badaniu patologii kości czy wątroby.

Mit nieskończonego skalowania

Choć publiczne zasoby, takie jak CZ CELLxGENE czy Human Cell Atlas, oferują dostęp do ponad 100 milionów komórek, branża zaczyna dostrzegać ich ograniczenia. Badania opublikowane w „Nature Methods” wskazują na niepokojące zjawisko: w przeciwieństwie do dużych modeli językowych (LLM), modele biologiczne nie wykazują prostych praw skalowania. Często osiągają one plateau wydajności już po przetrenowaniu na niewielkim ułamku dostępnych danych.

Krytycznym problemem okazuje się „szum techniczny” oraz niespójność protokołów eksperymentalnych w różnych badaniach. Modele takie jak Geneformer czy scGPT nie zawsze przewyższają prostsze algorytmy, co sugeruje, że dodawanie kolejnych milionów komórek do zbioru treningowego nie musi przekładać się na lepsze reprezentacje biologiczne. W tym kontekście własne, kontrolowane zestawy danych stają się dla firm farmaceutycznych najcenniejszym aktywem strategicznym.

Nowa waluta biosektora

Trend ten potwierdzają inne głośne umowy z 2025 roku, jak kontrakt AstraZeneca i Pathos AI z Tempus o wartości 200 milionów dolarów. Firmy coraz częściej decydują się płacić za dostęp do wyselekcjonowanych, zanonimizowanych danych klinicznych i genomicznych, zamiast liczyć na ogólnodostępną naukę. Partnerstwo GSK z Relation Therapeutics to jasny sygnał: przyszłość AI w medycynie należy do tych, którzy potrafią nie tylko liczyć, ale przede wszystkim precyzyjnie mierzyć życie w skali pojedynczej komórki.