유전자 물질과 진화 데이터로 AI 모델을 훈련하는 Basecamp Research가 Nvidia와 Anthropic의 Anthology Fund를 포함한 투자자들로부터 $140 million 펀딩을 확보했다.

2020년에 설립된 베이스캠프는 EDEN이라 불리는 생물학적 AI 모델을 개발하고 자사 치료 후보 물질을 임상 개발로 나아가게 하는 데 자금을 배치할 계획입니다. 회사의 전략은 세포 치료제(환자의 세포를 유전적으로 변형하여 암과 다른 질병과 직접 싸우게 하는 치료법)에 중점을 둡니다.

베이스캠프는 연구자들이 거의 연구하지 않은 서식지에서 미생물을 채집하고, EDEN을 훈련시켜 게놈에서 의료 응용 가능성이 있는 패턴을 학습하도록 합니다. "생물학의 복잡성을 고려할 때, 우리는 단지 훨씬 더 많은 데이터가 필요합니다"라고 베이스캠프의 CTO인 필립 로렌츠는 말합니다. 그가 강조하는 핵심은 대규모 데이터 수집을 더 작은 목표 지향적인 실험과 결합하는 것입니다. 지금까지의 작업은 실험실 단계—쥐 연구와 실험실 결과—에 머물러 있으며, 이 접근법이 인간에게 안전하고 효과적인 치료법을 생산할 수 있다는 증거는 없습니다.

**규모 문제**

제약 회사들은 최근 몇 년간 AI에 수십억 달러를 투자해왔지만, 임상 개발에서 실질적으로 높은 성공률을 보여주는 확실한 증거는 부족합니다. 로렌츠는 이를 회의론의 근거로 거부합니다. 스케일링은 언어 모델에 빠른 이득을 제공했고, 생물학도 발전하고 있지만 더 어려운 문제들이 남아 있습니다. 예를 들어 임상 시험 속도 향상이 그것입니다. 생물학은 그에 따르면 "훨씬, 훨씬, 훨씬 더 복잡하고 훨씬 더 큽니다."

데이터 환경은 근본적으로 다릅니다. 언어 모델은 방대한 텍스트 모음에서 학습합니다. 반면 제약 회사들은 일반적으로 개별 연구에서 나온 작고 고립된 데이터셋으로 작업합니다. Epoch AI의 추정치를 사용하여 로렌츠는 그 간격을 설명합니다. 기존의 단어들은 대략 5 quadrillion 토큰입니다. 베이스캠프는 지구상의 뉴클레오타이드를 10의 37제곱이라고 추정합니다. "포커 카드 같은 카드 10의 37제곱 개를 쌓으면, 그 탑은 관측 가능한 우주를 백만 번 둘러싼다"고 그는 말합니다. 회사가 그렇게 큰 데이터셋이 필요하지는 않지만, 현재 존재하는 것보다 훨씬 더 큰 데이터셋이 필요합니다.

공개 게놈 데이터베이스는 불완전한 그림을 보여줍니다. 베이스캠프의 베이스데이터 데이터베이스에 대한 연구에 따르면, Sequence Read Archive의 시퀀스 볼륨의 약 68%는 단 5개 종에서만 나옵니다. 인간만 해도 약 54%를 차지합니다. 이 편향은 의료 연구에는 이치가 맞지만, 가능한 많은 생물학적 과정을 포착하려는 모델을 제한합니다. "만약 당신이 1975년 신문 기사에서만 LLM을 훈련시킨다면, 그것은 정말, 정말 나쁜 모델이 될 것입니다"라고 로렌츠는 마이크로소프트 사례 연구에서 말했습니다. "그것이 우리가 생물학에서 있는 자리입니다."

베이스캠프는 지역 연구 파트너 네트워크를 통해 자체 샘플을 수집하여 열대우림 토양, 화산 지반, 남극 해역의 깊은 곳에서 재료를 채집합니다. 최신 자금 조달 발표는 네트워크가 30개 이상 국가와 7개 대륙 모두에 걸쳐 있다고 보고합니다. 마이크로소프트는 참여 기관을 31개 국가의 208개로 집계합니다. 로렌츠의 인터뷰 시점에 데이터셋은 약 15조 개의 토큰을 보유하고 있었습니다. 이는 Claude나 GPT 같은 모델을 훈련시키는 데 사용되는 텍스트 데이터셋과 비슷합니다. 다만 여기서 각 토큰은 하나의 DNA 구성 요소입니다. AI는 단어가 아닌 유전자 물질을 설명하는 문자 문자열을 처리합니다.

첫 번째 EDEN 세대는 100만 개 이상의 새로 시퀀싱된 종에서 9.7조 DNA 구성 요소에 대해 훈련되었으며, 훈련은 Azure에서 GPT-4와 비슷한 계산 수준에서 수행되었습니다. 향후 1년 반 동안 데이터셋은 대략 백배 증가하여 1 quadrillion 토큰을 초과할 것으로 예상됩니다. 이 확장은 3월에 발표된 Trillion Gene Atlas에 기반합니다. 베이스캠프, Anthropic, Nvidia, PacBio, Ultima Genomics는 1조 개의 유전자 규모의 유전자 데이터를 조립할 계획입니다.

**진화를 약물 설계 청사진으로**

로렌츠는 진화—모든 생물학적 과정을 주도하는 힘—를 환경 샘플과 의학 사이의 다리로 봅니다. 비슷한 선택 압박은 박테리아가 열에 적응하는지 또는 암 세포가 전이되는지를 결정합니다. 대부분의 척추동물 게놈은 이미 시퀀싱되어 있습니다. 생물다양성의 나머지는 대부분 분류되지 않은 상태로 남아 있습니다. 그러나 많은 약물들이 식물, 박테리아, 곰팡이에서 비롯되었습니다.

경쟁하는 미생물은 구체적인 예를 제공합니다. 강력한 치료 분자는 생물 간의 "생물학적 전쟁"에서 나타납니다. 박테리아 종이 생태계를 지배하려고 할 때, 그것은 때때로 경쟁자를 억제하거나 죽이는 화합물을 개발하여 음식과 서식지를 확보합니다. 이 역학은 특히 영양이 부족한 곳에서 전 세계적으로 수십억 번 반복되어 항생제와 다른 유용한 화합물을 생성합니다. 로렌츠는 또한 박테리아를 감염시키고 DNA를 주입하는 바이러스인 파지를 언급합니다. 진화 군비 경쟁을 통해 유전자 편집 도구를 생산합니다.

베이스캠프는 이러한 진화적 해결책에서 배우는 것을 목표로 합니다. EDEN은 단순히 알려진 화합물을 재발견하는 것이 아닙니다. 학습된 패턴에서 새로운 후보를 발명하도록 설계되었습니다. 회사는 각 부위에서의 화학적, 물리적, 생태적 조건을 유전자 물질과 함께 기록합니다. 어떤 유전자들이 인접해 있고 협력할 수 있는지를 드러내는 길고 연속적인 DNA 구간에 중점을 둡니다. 짧고 고립된 조각은 이 중요한 맥락을 잃습니다.

**초기 의료 증명**

로렌츠는 EDEN의 항생제 설계를 초기 검증으로 지적합니다. "우리는 병원체에 대해 프롬프트하면 모델은 그것을 죽이는 항생제를 설계합니다"라고 그는 말합니다. EDEN 모델 계열에 대한 미발표 연구 논문은 테스트된 항미생물 펩타이드(박테리아를 표적으로 하는 짧은 단백질 사슬)의 97%가 실험실에서 활성을 나타냈다고 보고합니다. 그 비율은 테스트된 선택에만 적용되며, 모델이 생성할 수 있는 모든 것에는 적용되지 않습니다. 그러나 베이스캠프는 테스트 튜브 작업을 넘어갔습니다.

6월 회사 발표는 EDEN-7로의 테스트를 설명합니다. 이 후보는 다제내성 박테리아에 감염된 쥐에서 치료 난치성 감염을 위해 예약된 최후의 수단 항생제만큼 잘 수행했습니다. 모델은 테스트 전에 반복적인 조정 없이 직접 후보를 생성했습니다. 이는 Cesar de la Fuente가 이끄는 University of Pennsylvania 연구자들과의 협력으로 수행했습니다. 로렌츠는 이 설계-실험 단계를 강조합니다. 베이스캠프는 데이터 수집과 모델 훈련에만 관한 것이 아닙니다. 중요한 것은 분자들이 실제로 작동하는지 여부입니다.

항생제 외에도 EDEN은 약 9,000개의 박테리아 종으로 이루어진 합성 장내 미생물군을 생성했습니다. 이는 엄격한 기준 하에 UC Berkeley 미생물군 연구자 Jill Banfield에 의해 검증되었습니다. "회의적인 인간에게 물어보는 것이 좋습니다. 단지 AI만이 아니라"고 로렌츠는 말했습니다.

**치료 전략**

자체 치료 개발을 위해 베이스캠프는 EDEN을 사용하여 더 큰 DNA 구간을 인간 게놈의 선택된 위치에 삽입하는 생물학적 도구를 설계하고 있습니다. 여기에는 큰 세린 재조합효소(DNA를 다시 연결하는 효소)가 포함됩니다. 베이스캠프는 이들을 조작하여 정확한 위치에서 세포에 치료학적으로 유용한 유전 정보를 삽입하도록 하려고 합니다. 이 접근법은 유전자 치료의 핵심 과제를 해결합니다. 많은 유전 질환은 환자에 따라 다른 돌연변이에서 비롯됩니다. 각각을 개별적으로 수정하는 대신, 이러한 삽입 도구는 특정 돌연변이와 상관없이 건강한 유전자 사본을 삽입할 것입니다. 이 도구들은 동일한 생물학적 갈등에서 유래합니다 [텍스트 미완]