Репортаж от Wedoany，Компания Enhe Technology (Bota Biosciences) разработала компилируемый язык биологических протоколов BPL и инструмент автоматической генерации кода BPL-COGEN, предназначенный для того, чтобы искусственный интеллект мог по-настоящему понимать и выполнять биологические экспериментальные процессы.
В области биопроизводства лабораторные операции предъявляют чрезвычайно высокие требования к точности. Такие действия, как работа с дозатором, запись температуры, перенос чашек Петри, при возникновении ошибок в единицах измерения, отклонений параметров или нарушении последовательности шагов могут привести к неудаче эксперимента. Хотя искусственный интеллект может помочь ученым разрабатывать экспериментальные планы, ему трудно реально войти в лабораторию для выполнения операций. Это главным образом связано с тем, что биологическим экспериментам по своей природе не хватает стандартизации: разные лаборанты имеют разные привычки работы, форматы интерфейсов оборудования различаются, а структуры данных не унифицированы. Большой объем экспериментального опыта существует только в человеческом мозге, что затрудняет воспроизведение экспериментов, накопление данных и замыкание цикла автоматизации.
Ранее в академических кругах предпринимались попытки стандартизации с помощью таких решений, как BioCoder, Autoprotocol, Antha, LabOP и других, но они сталкивались с проблемами, такими как ограниченная выразительная способность, привязка к конкретному оборудованию или высокий порог использования. Недавно компания Enhe Technology опубликовала соответствующую исследовательскую статью на платформе препринтов по наукам о жизни bioRxiv, предложив компилируемый и верифицируемый язык биологического описания BPL.
BPL — это не только язык описания, но и компилируемый язык. Перед началом эксперимента система проводит программную симуляцию эксперимента, проверяя правильность единиц измерения, наличие реагентов, не превышает ли объем контейнера лимит, нет ли логических конфликтов между шагами. При обнаружении проблемы система сразу выдает ошибку, а не ждет неудачи эксперимента для последующей доработки. На основе BPL компания Enhe Technology дополнительно разработала инструмент BPL-COGEN, который может автоматически переводить экспериментальные требования, описанные на естественном языке, в стандартизированный код BPL, который затем проходит этап проверки компилятором. После итеративного процесса обнаружения ошибок, автоматического исправления, продолжения проверки и исправления, пока код не пройдет компиляцию и симуляционную верификацию, система синхронизирует соответствующие инструкции в лабораторию для запуска реального эксперимента.
Для оценки точности генерации экспериментальных планов исследовательская группа отобрала 30 классических экспериментальных протоколов из журнала «Nature Protocols», охватывающих области молекулярной биологии, клеточной культуры, биохимического анализа и другие, и специально создала эталонный набор тестовых данных. Этот эталонный тест использует комбинированную модель оценки с участием большой языковой модели и объективной проверки компилятором, оценивая по трем измерениям: соответствие содержания, эффективность плана и полнота эксперимента. Результаты показали, что при 10-кратной повторной генерации кода для одного и того же эксперимента 98,3% результатов были полностью идентичны, общая оценка достигла 95,1 балла, при этом оценка эффективности плана составила 98,7 балла. Что касается проверки компилятором, этот эталонный тест выявил в общей сложности 343 проблемы, включая несоответствие единиц измерения, перегрузку контейнеров, неопределенные реагенты и т. д. Процент успешной компиляции кода с первой попытки модели составил 82,3%, а после максимум трех раундов автоматического исправления общий процент успешной компиляции достиг 98,6%, при этом только 1,4% проблем не удалось исправить.
Команда Enhe также провела две проверки с помощью «мокрых» экспериментов. Во-первых, один и тот же код BPL был преобразован в руководство по ручным операциям и скрипт для автоматического дозатора; результаты секвенирования и флуоресцентного анализа двух систем не показали существенных различий. Во-вторых, в эксперименте по жидкостной хроматографии система автоматически преобразовала исходный 32-минутный процесс анализа в сверхэффективный протокол продолжительностью 2,1 минуты, все 5 жирорастворимых веществ были полностью разделены по базовой линии, а порядок разделения полностью совпал с исходным методом.
На основе языка BPL компания Enhe Technology запустила платформу Physical AI для области биопроизводства — SAION AI. Эта платформа позиционируется как AI-ученый и состоит из трехуровневой архитектуры: когнитивный уровень отвечает за понимание научных проблем и генерацию экспериментальных планов, уровень управления отвечает за компиляцию BPL, проверку и планирование задач, а исполнительный уровень отвечает за управление реальным экспериментальным оборудованием для выполнения операций. В сценарии инженерии штаммов SAION AI может повысить эффективность одного исследовательского проекта с традиционных примерно 500 экспериментов со штаммами в год до 300 000 групп экспериментов, выполняемых за тот же период для одного проекта, обеспечивая выполнение экспериментов и возврат данных без вмешательства человека на всем протяжении.
Компания Enhe Technology была основана в 2019 году в Ханчжоу. На раннем этапе она параллельно построила биолитейный завод Cell2Cloud, управляемый Physical AI, охватывающий весь процесс от инженерии штаммов и разработки процессов до масштабного производства. Эта система непрерывно генерирует десятки миллионов реальных экспериментальных данных и связывает миллионы единиц знаний из литературы и патентов. Основатель и генеральный директор компании Цуй Хао получил степень бакалавра в Университете Торонто (Канада), имеет докторскую степень по биомедицинской инженерии и медицинской физике, полученную в рамках совместной программы Гарвардской медицинской школы и Массачусетского технологического института. Во время докторантуры он публиковал статьи в качестве первого или основного автора в таких журналах, как «Science», «Nature Nanotechnology», «PNAS», и является держателем патентов на изобретения в области синтетической биологии и автоматизации экспериментов.
В 2021 году компания Enhe Technology завершила раунд финансирования серии B на сумму 100 миллионов долларов США, в котором приняли участие инвесторы, включая Sequoia China, 5Y Capital, Source Code Capital, Baidu, Meituan, BASF, Jingwei и другие. В настоящее время компания сотрудничает с такими предприятиями, как NHU, SYENSQO, Yili, BASF, Proya, Pechoin и другими, в таких областях, как продукты питания, питание и здоровье, средства личной гигиены.
Отрасль проводит аналогию между BPL и автоматизацией проектирования электроники (EDA) в полупроводниковой промышленности. До появления EDA проектирование микросхем в значительной степени зависело от опыта инженеров, стоимость верификации была высокой, а цикл проб и ошибок — длительным; ценность EDA заключается в преобразовании проектирования микросхем в описываемые, верифицируемые и моделируемые цифровые активы. Роль BPL в области биопроизводства аналогична: это не просто инструмент для повышения эффективности экспериментов, но и набор базовой инфраструктуры для будущего отрасли, позволяющий ИИ перейти от простого предоставления рекомендаций для экспериментов к выполнению роли AI-ученого, способного самостоятельно проводить «мокрые» лабораторные операции.
