微软研究院发布 Quine：面向生物学复杂性的 AI 研究系统
来源Microsoft Research查看原文
速览
- 微软研究院推出 Quine，一个多模态生物学世界模型与交互框架。
- Quine 与 Broad Institute 合作，在胰腺癌中预测并验证化合物驱动的肿瘤状态转变。
- 化合物筛选与优先排序仅用一个周末，可能节省数月实验工作。
- 部分强效化合物作用机制意外，显示 AI 可发现药物重定位机会。
- 实验证实 Quine 预测的第三种细胞表型，提示胰腺癌状态图景更复杂。
- Quine 仅限研究用途，不用于临床，输出需验证。
- 微软开放 Quine Fellows 计划申请，邀请科学家使用并反馈。
- 未来计划通过 Microsoft Discovery 等产品扩大访问。
微软研究院推出名为 Quine 的 AI 研究系统，旨在构建一个生物学多模态世界模型，并搭配连接模型、科学工具、文献与研究者的交互框架。该系统与 Broad Institute of Harvard and MIT 合作，用于预测并优先筛选能驱动肿瘤状态转变的化合物，在多个湿实验中得到验证。Quine 目前为实验性研究技术，仅限研究用途，不用于临床或医疗。微软同时开放 Quine Fellows 计划申请，让一批科学家使用该系统并反馈。未来计划通过 Microsoft Discovery 等产品扩大访问。
关键事实
- 微软研究院发布 Quine，一个面向生物学复杂性的 AI 研究系统，包含多模态世界模型和连接工具、文献、湿实验室与研究者的交互框架。
- Quine 与 Broad Institute of Harvard and MIT 合作，用于预测和优先筛选能驱动治疗性肿瘤状态转变的化合物。
- 在胰腺导管腺癌（PDAC）研究中，Quine 最高排名的化合物在湿实验中产生了最大的预期状态转变。
- 从缩小化合物搜索空间到优先选出少数候选物进行实验室验证，整个过程仅用一个周末，可能节省数月实验工作和大量研究成本。
- 部分最强效果来自作用机制出乎意料的化合物，为 AI 发现药物重定位和新药发现机会提供了早期证据。
- Quine 预测若干化合物会将细胞推向第三种表型，该预测在实验室中得到证实，提示胰腺癌细胞状态图景比经典-基底二元轴更丰富。
本站视角
Quine 的发布对多个群体有具体影响。对中文计算生物学和 AI for Science 团队而言，微软展示了一条将多模态世界模型与湿实验闭环结合的路径，尤其是用一个周末完成从数千化合物到少数候选物的筛选，这种效率若可复现，会改变药物发现早期阶段的人力与资金分配方式。对国内做生物医药 AI 的创业公司，Quine 的“世界模型+harness”架构可能成为产品设计的参照，但需注意其目前仅限研究用途，且未披露模型规模、训练数据量或基准分数，实际泛化能力尚待独立验证。对药企和 CRO 来说，Quine 预测的第三种细胞表型提示 AI 可能揭示超出既有假设的生物学复杂性，但这也意味着模型输出需要更谨慎的实验校准。我们认为，Quine 的实质进步在于将预测与湿实验验证形成闭环，而非单纯发布一个模型；其可疑之处在于，所有验证结果均来自微软与 Broad Institute 的合作项目，缺乏第三方独立复现，且“节省数月”的说法基于单个案例，不宜过度外推。需要观察的是，Quine Fellows 计划能否吸引足够多样化的科学问题，从而检验系统在证据不完整、问题全新时的真实效用。
背景与影响
微软研究院在计算与生物学交叉领域已有二十多年历史，研究涵盖免疫学、病毒学、基因组学、生物医学成像、细胞生物学和蛋白质工程，并产出了从罕见和传染病诊断到癌症生物标志物检测等进入临床的技术。这段经历让微软认识到，生物学并不按模型和工具的整齐边界划分：基因影响蛋白质，蛋白质在细胞内相互作用，细胞组织成组织，实验不断重塑科学家的认知和下一步问题。因此，解决最难的生物学问题需要能跨尺度和模态连接知识、对实验和证据进行推理、并参与科学迭代过程的系统。Quine 正是这一长期愿景下的产物，旨在通过科学使用不断进化。该系统与 Broad Institute of Harvard and MIT 合作，在胰腺导管腺癌中探索非遗传特征特别是细胞状态作为可操作治疗靶点。Quine 的推出反映了 AI 在生物学中从模式识别向跨域信息整合、抽象推理和迭代问题解决发展的趋势。
本文由 AI 辅助整理自公开信源，事实部分以原文为准；「本站视角」一节为编辑部判断，欢迎指正。版权归原作者所有，如有异议请联系我们。
