以遗传材料和进化数据训练AI模型的Basecamp Research获得包括英伟达和Anthropic的Anthology基金在内的投资者的1.4亿美元融资。

Basecamp成立于2020年，计划部署资金开发其生物AI模型（称为EDEN）并推进自身候选疗法走向临床开发。该公司的战略集中在细胞疗法上——通过遗传学方式改造患者细胞来在体内直接对抗癌症和其他疾病的治疗方法。

该公司从研究人员很少研究过的生境中收集微生物，训练EDEN从其基因组中学习可能具有医学应用的模式。"考虑到生物学的复杂性，我们只需要数个数量级更多的数据，"Basecamp首席技术官菲利普·洛伦茨说。他强调，关键是将大规模数据收集与较小的、有针对性的实验相结合。到目前为止，这项工作仍处于实验室阶段——小鼠研究和实验室结果——尚无证据表明该方法能在人类身上产生安全有效的疗法。

**规模问题**

近年来，制药公司投入了数十亿美元用于AI，但在临床开发中取得明显更高成功率的确凿证据仍然很少见。洛伦茨拒绝以此作为怀疑的理由。规模化为语言模型带来了快速进展；生物学也在进步，但更难的问题依然存在——例如加快临床试验速度。他辩称，生物学"要复杂得多、庞大得多"。

数据格局根本上不同。语言模型从庞大的文本集合中学习；制药公司通常处理来自各个研究的小型、孤立的数据集。洛伦茨引用Epoch AI的估计来说明差距：现有的词语总计约5千万亿个令牌。Basecamp估计地球上的核苷酸数量为10的37次方——"如果你拿一叠纸牌，比如扑克牌，共10的37次方张，这叠牌将围绕可观测宇宙百万次，"他说。虽然该公司不需要那么大的数据集，但需要一个远大于目前存在的数据集。

公共基因组数据库呈现的是不完整的画面。根据Basecamp对其BaseData数据库的研究，序列读取档案库（Sequence Read Archive）中约68%的序列量仅来自五个物种。仅人类就占约54%。这种偏差对医学研究有意义，但限制了旨在捕捉尽可能多生物过程的模型。"如果你只用1975年的报纸文章训练LLM，那将是一个非常糟糕的模型，"洛伦茨在微软案例研究中说。"这就是我们在生物学中所处的位置。"

Basecamp通过本地研究伙伴网络收集自己的样本，从雨林土壤、火山地或南极洲深海中获取材料。其最新融资公告表示该网络跨越30多个国家和全部七大洲；微软指出参与机构在31个国家有208个。在洛伦茨接受采访时，该数据集包含约15万亿个令牌——与用于训练Claude或GPT等模型的文本数据集相当，尽管这里每个令牌都是单个DNA构建块。该AI处理描述遗传物质的字符串，而不是单词。

首代EDEN在超过一百万个新测序物种的9.7万亿个DNA构建块上进行了训练，训练在Azure上进行，计算级别据报与GPT-4相当。在接下来的一年半里，该数据集预计将增长约一百倍，超过一千万亿个令牌。这一扩展基于3月宣布的万亿基因图谱（Trillion Gene Atlas），Basecamp、Anthropic、Nvidia、PacBio和Ultima Genomics计划在一万亿基因的规模上组装遗传数据。

**进化作为药物蓝图**

洛伦茨把进化——驱动所有生物学过程的力量——视为环境样本与医学之间的桥梁。类似的选择压力决定了细菌是否适应高温或癌细胞是否转移。大多数脊椎动物基因组已被测序；其余生物多样性在很大程度上仍未被编目。然而，许多药物起源于植物、细菌和真菌。

竞争的微生物提供了具体的例子。强大的治疗分子来自生物体之间的"生物战争"。当某个细菌物种试图主宰一个生态系统时，它有时会发展出能够抑制或杀死竞争对手的化合物，从而获得食物和栖息地。这种动态在全球重复了数十亿次，特别是在营养匮乏的地方——产生抗生素和其他有用的化合物。洛伦茨还引用了噬菌体，即感染细菌并注入其DNA的病毒，通过进化军备竞赛产生基因编辑工具。

Basecamp的目标是从这些进化的解决方案中学习。EDEN不仅仅是重新发现已知化合物；它旨在从学到的模式中发明新的候选物。该公司记录每个地点的化学、物理和生态条件，同时记录遗传物质，重点关注长的、连续的DNA片段，这些片段揭示哪些基因相邻且可能相互作用。短的、孤立的片段会失去这个关键背景。

**早期医学证明**

洛伦茨指出EDEN的抗生素设计是早期验证。"我们提示一个病原体，然后模型设计一种杀死它的抗生素，"他说。一篇关于EDEN模型族的未发表研究论文报告称，97%的测试的抗菌肽——针对细菌的短蛋白链——在实验室中显示了活性。该比率仅适用于测试的选择，不适用于模型可能生成的所有物质。然而，Basecamp超越了试管工作。

公司在6月的公告中描述了EDEN-7的测试，这是一个在感染多重耐药性细菌的小鼠中表现与为难以治疗的感染保留的最后手段抗生素一样好的候选物。该模型在与宾夕法尼亚大学研究人员（由Cesar de la Fuente领导）的合作中直接生成了候选物，无需在测试前进行迭代调整。洛伦茨强调了这个设计到实验的步骤：Basecamp不仅仅是关于收集数据和训练模型。重要的是分子是否真的有效。

除了抗生素，EDEN生成了一个包含约9,000个细菌物种的合成肠道微生物组，由加州大学伯克利分校微生物组研究者吉尔·班菲尔德在严格标准下验证。"咨询一个持怀疑态度的人而非仅依靠AI是很好的，"洛伦茨说。

**疗法战略**

在自身的疗法开发中，Basecamp使用EDEN设计生物工具，在人类基因组的选定位置插入较大的DNA片段。这些包括大的丝氨酸重组酶——重新连接DNA的酶。Basecamp想要工程化这些酶，以在细胞中精确位置插入具有治疗效用的遗传信息。这种方法解决了基因疗法的一个核心挑战：许多遗传病因病人而异的不同突变。这些插入工具不需要逐个修复每个突变，而是不管具体突变如何，都会插入健康的基因副本。这些工具来自相同的生物学冲突[文本未完成]。