Virtual Cells: Predict, Explain, Discover

要約

創薬は基本的に患者に対する治療の効果を推測するプロセスであり、したがって、患者の反応を確実にシミュレートできる計算モデルから非常に恩恵を受け、研究者が高価な臨床試験を開始する前に多数の治療仮説を安全かつ経済的にテストできるようにします。
幅広い摂動に対する細胞の機能的応答を予測するより具体的なモデルでさえ、診療所にうまく変換される安全で効果的な治療を発見するために非常に価値があります。
このような仮想セルを作成することは、長い間、細胞生物学の困難な複雑さと規模を考えると、残念ながら不満を抱いたままである計算研究コミュニティの目標でした。
それにもかかわらず、AIの最近の進歩、コンピューティングパワー、ラボオートメーション、ハイスループットセルラープロファイリングは、この目標を達成するための新しい機会を提供します。
この観点では、再帰での経験に基づいた仮想セルを開発および評価するというビジョンを提示します。
新しい生物学を発見するための有用なツールになるためには、仮想細胞は摂動に対する細胞の機能的応答を正確に予測し、予測された応答が主要な生体分子相互作用の修正の結果であることを説明する必要があると主張します。
次に、治療的に関連する仮想セルを設計するための重要な原則を紹介し、それらとの新しい洞察を生成するためのループのラボアプローチを説明し、仮想セルの開発を導くための生物学的に接地されたベンチマークを提唱します。
最後に、仮想セルへのアプローチが、仮想患者を含むより高いレベルの組織で他のモデルを構築するための有用なフレームワークを提供すると主張します。
これらの方向が、創薬の結果にプラスの影響を与えるために最適化された仮想モデルを開発する際に、研究コミュニティにとって有用であることを証明することを願っています。

要約(オリジナル)

Drug discovery is fundamentally a process of inferring the effects of treatments on patients, and would therefore benefit immensely from computational models that can reliably simulate patient responses, enabling researchers to generate and test large numbers of therapeutic hypotheses safely and economically before initiating costly clinical trials. Even a more specific model that predicts the functional response of cells to a wide range of perturbations would be tremendously valuable for discovering safe and effective treatments that successfully translate to the clinic. Creating such virtual cells has long been a goal of the computational research community that unfortunately remains unachieved given the daunting complexity and scale of cellular biology. Nevertheless, recent advances in AI, computing power, lab automation, and high-throughput cellular profiling provide new opportunities for reaching this goal. In this perspective, we present a vision for developing and evaluating virtual cells that builds on our experience at Recursion. We argue that in order to be a useful tool to discover novel biology, virtual cells must accurately predict the functional response of a cell to perturbations and explain how the predicted response is a consequence of modifications to key biomolecular interactions. We then introduce key principles for designing therapeutically-relevant virtual cells, describe a lab-in-the-loop approach for generating novel insights with them, and advocate for biologically-grounded benchmarks to guide virtual cell development. Finally, we make the case that our approach to virtual cells provides a useful framework for building other models at higher levels of organization, including virtual patients. We hope that these directions prove useful to the research community in developing virtual models optimized for positive impact on drug discovery outcomes.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google