Latent Space, Leash Bio의 Ian Quigley와 대담: DEL 데이터와 랩인더루프를 이야기하다
Lab-in-the-Loop at Compute Speed — Ian Quigley, Leash Bio
Latent Space가 Leash Bio의 Ian Quigley와 나눈 팟캐스트 에피소드를 공개했다. DNA 인코디드 라이브러리(DEL)에서 재현성 높은 데이터를 얻는 방법, Kaggle 대회, 모델 Hermes 등을 다룬다. 녹음 이후 만들어진 에이전트용 과학적 추론 환경 Minos의 프리프린트, 블로그, 오픈 데이터셋도 같은 날 공개됐다.
Leash Bio는 단백질과 저분자의 상호작용을 대규모로 측정하는 DNA 인코디드 라이브러리(DEL)를 전문으로 한다. DEL은 다루기 어렵다는 평가가 있었지만, Ian Quigley의 팀은 각 분자에 수십 개의 바코드를 붙이고 약이 아니라 DNA에 결합하는 단백질을 구분함으로써 깨끗하고 재현 가능한 데이터를 얻었다고 한다. 이번 에피소드에서는 생물학을 확장할 수 있는 수단은 이미지 촬영과 DNA 시퀀싱 두 가지뿐이라는 관점도 이야기된다.
대담의 주요 주제는 다음과 같다. Kaggle 대회에서는 약 40억 건의 측정값과 약 2,000개 팀이 참여했지만, 알려지지 않은 화학 라이브러리에서 우연을 넘어선 참가자는 없었다. ChEMBL에서는 분자 구조로 그것을 만든 화학자를 추측할 수 있으며, 누가 만들었는지가 구조만큼 활성을 예측한다는 문제도 다룬다. Leash의 자체 데이터만으로 학습한 Hermes가 공개 벤치마크에서 Boltz와 비슷한 수준을 유지한다는 점도 다룬다.
후반부에서는 녹음 당시 팀이 시험하던 에이전트용 검증 가능한 과학적 추론 환경이 소개된다. 수년에 걸쳐 모은 데이터가 과학적 RL에 필요한 수만 건 규모의 랩인더루프 시뮬레이션이 될 수 있다는 것을 깨달았다고 한다. 이 작업은 2개월 뒤 Minos가 되었고, LLM이 650만 개 분자 중에서 예산 100건으로 최적의 결합 분자를 찾는 설정 등이 화제에 오른다.
이 밖에도 염증 프로그램에서 DEL 히트 후 6개월 만에 마우스 PKPD에 도달한 사례, 사이토카인 표적에서 항체 대신 경구 약물을 고른 이유, 자금이 풍부한 연구실과 규모 경쟁에서 밀리지 않는 이유도 언급된다. 며칠 뒤에는 Minos의 최신 소식을 전하는 짧은 팟캐스트가 공개될 예정이다.
출처: Latent Space · latent.space