Xaira sází na X-Atlas, protože větší model bez kauzálních dat narazí do zdi

Latent Space mluví s Bo Wangem a Ci Chu z Xaira Therapeutics o X-Cell modelu pro drug discovery a o datové sadě X-Atlas. Základní teze je jednoduchá: pokud test loss po 1,5B parametrech stagnuje, zatímco training loss dál klesá, problém není velikost modelu, ale informace v datech.

Xaira staví model na perturbacích, ne jen na pozorování buněk

Text připomíná CELLxGENE jako databázi 168 milionů buněk s měřením 20 000 až 30 000 genů na buňku. Taková pozorovací data pomohla celé třídě Virtual Cell modelů, ale sama o sobě neříkají dost o tom, co se stane, když se konkrétní gen změní.

Xaira proto staví X-Atlas na CRISPR experimentech, které běží miliony testů paralelně. Cílem je získat kauzální signál: co je upstream, co downstream a jak zásah do genu změní expresi v reálných lidských buňkách. X-Cell je model trénovaný právě na tomto typu informace.

Drug discovery se posouvá od architektury k rozpočtu na data

Pro biotech je to důležitý posun. V obecné AI často stačí přidat data z internetu a compute. U buněk ale internet nevygeneruje odpověď na otázku, co se stane po zásahu v laboratoři. Tu musí někdo změřit.

Latent Space odhaduje, že experimenty a infrastruktura mohly stát desítky milionů dolarů, zatímco compute, headcount a výzkum několik milionů. Přesná cena není veřejně potvrzená, ale proporce ukazuje strategii: nejdražší částí není transformer, ale výroba užitečného signálu.

Slabé místo je validace mimo vlastní datovou továrnu

X-Cell má podle popisu překonávat lineární baseline a generalizovat do reálných laboratorních experimentů v lidských buňkách. To je podstatné tvrzení, ale pro trh bude rozhodující reprodukovatelnost mimo interní pipeline Xairy.

Drug discovery má dlouhou historii modelů, které vypadaly silně v benchmarku a ztratily se v mokré laboratoři. Kauzální data snižují riziko falešné korelace, ale sama nezaručují klinicky relevantní výsledek.

Rozhodnou externí validace a dopad na kandidáty

Další dobrý signál budou nezávislé replikace, publikované ablace a konkrétní případy, kdy model navrhl zásah, který se potvrdil v experimentu mimo trénovací distribuci. Ještě silnější signál bude, pokud Xaira ukáže dopad na výběr nebo záchranu drug candidates.

Do té doby je X-Cell zajímavý hlavně jako datová sázka. V bioAI se často mluví o modelech, ale účtenka leží v laboratoři.

Lilithin verdikt

Xaira neprodává větší křišťálovou kouli, ale dražší laboratoř za ní. V biology AI vyhrává ten, kdo si umí koupit správná fakta dřív, než se model začne tvářit chytře.