导语：微软研究院发布 Quine，这是一个面向生物学研究的多模态世界模型与交互式研究系统，连接生物学模型、科学工具、文献、湿实验室和研究人员。

摘要

微软研究院发布 Quine，这是一个面向生物学研究的多模态世界模型与交互式研究系统，连接生物学模型、科学工具、文献、湿实验室和研究人员。微软与哈佛大学及麻省理工学院 Broad 研究所合作，已用 Quine 预测可能推动肿瘤细胞状态转变的化合物，并在多项湿实验中验证部分候选结果。微软强调，Quine 目前仍属于实验性研究技术，仅供研究使用，不用于临床或医疗用途，系统输出也需要专业研究人员复核。

正文（译文）

一览

Quine 是一项研究工作，目标是构建生物学多模态世界模型，并建立连接模型、科学工具、文献和研究人员的交互式系统。

在与哈佛大学及麻省理工学院 Broad 研究所研究人员合作的过程中，微软使用 Quine 对可能推动肿瘤状态转变的化合物进行优先级排序，并在多项湿实验中验证了排名靠前的候选物。

Quine Fellows 项目将邀请一批科学家使用该系统，加速自身研究并提供科学反馈。

Quine 是实验性研究技术，仅供研究使用，不用于临床或医疗用途。其输出可能不完整或不准确，必须由具备资质的研究人员复核，并通过适当的科学和实验验证。

实验的局限

尽管实验技术不断改进，湿实验效率持续提升，生物学研究仍受到时间和复杂性的限制。自然过程无法被简单压缩，实验周期较长，许多重要问题还涉及相互作用、组合设计空间以及难以单独通过实验探索的后续影响。

大规模机器学习的发展，尤其是通用基础模型和推理模型的出现，带来了新的可能。这些系统开始展现出超越模式识别的能力，包括跨领域整合信息、处理抽象概念和支持迭代式问题求解。

微软所说的 " 世界模型 "，是指能够表示生物系统状态、预测干预后状态如何变化，并推理这些干预在多步之后可能产生的结果的系统。它不会取代实验，而是帮助研究人员在投入有限的实验室资源之前，通过计算探索、提出、排序和筛选可能路径。

微软构建的系统

Quine 是微软朝这一方向迈出的第一步。它包含一个生物学世界模型，以及连接模型、编排与推理模型、科学工具、文献和科学研究团队的系统框架。

该世界模型在多个生物学模态和尺度上学习共享表示，包括序列、结构、功能、细胞状态和成像数据。通过联合训练，Quine 可以利用一种模态中的证据帮助预测另一种模态中的结果，捕捉原本可能被分散在不同专业模型中的关系。

生物学本身具有多尺度和多模态特征。理解某一层面，往往需要其他层面的背景信息。微软表示，这种联合学习不仅没有削弱模型表现，反而帮助模型更好地泛化，并支持更广泛的生物学推理任务。

在癌症生物学中的应用

微软以胰腺导管腺癌为例。该疾病是最常见的胰腺癌类型之一，也是最难治疗的癌症之一。

微软与 Broad 研究所合作多年，使用患者来源的体外模型研究一个长期假设：肿瘤行为和药物反应不仅取决于遗传因素，也取决于转录细胞状态。

利用 Quine，研究人员根据化合物改变肿瘤细胞状态的潜力，对数千种化合物进行预测和排序。在从经典细胞状态向基底细胞状态转变的实验中，排名靠前的化合物在多个实验测定中产生了最大的预期变化。

从缩小化合物搜索范围，到筛选出少量候选物并在实验室验证，整个过程只用了一个周末。微软表示，这有可能节省数月实验工作和大量研究成本。

部分最明显的效果来自作用机制并不常见的化合物，这为利用 AI 发现药物再利用和新药研发机会提供了早期证据。反向状态转变则更加困难，Quine 也预测现有化合物只能产生较弱的效果。

实验还发现，部分化合物会持续将细胞推向第三种不同表型。这一结果也得到了实验验证，说明胰腺癌细胞状态可能比简单的 " 经典状态—基底状态 " 轴更加复杂。

通过发现学习

微软表示，Quine 最初是为了改进自身科学研究而创建的。随着系统发展，研究人员将其嵌入癌症生物学、蛋白质工程、基因组学和生物成像等研究项目。

微软现已开放 Quine Fellows 项目，让处于生物学和医学研究前沿的科学家直接使用该系统。项目初期访问范围仍有限，主要面向 Fellows 计划和部分研究合作。

微软强调，Quine 的建设将优先考虑安全性、信息安全和负责任管理。系统会通过分阶段开放、内部审查和内置防护措施保持适当监督。

（文章为作者独立观点，不代表艾瑞网立场）