Data ya Umma kwa Afya

Mwezi Aprili, tulizindua⁠ AI ya Alzheimer, mpango wa kwanza wa OpenAI Foundation katika Sayansi za Uhai na Kutibu Magonjwa. Leo, tunazindua mpango wetu wa pili wa sayansi: Data ya Umma kwa Afya.

Katika AI ya Alzheimer, tunalenga ugonjwa mmoja unaoathiri familia nyingi, ambapo tunaamini AI inaweza kuwasaidia wanasayansi kubuni matibabu bora. Katika Data ya Umma kwa Afya, tunalenga kuchochea maendeleo katika sayansi za uhai na magonjwa mengi kwa kufadhili uundaji na uhifadhi wa mikusanyiko bora ya data za kisayansi inayopatikana kwa watafiti wengi.

Data za kisayansi ni uchunguzi kuhusu ulimwengu unaotuzunguka, na ni msingi wa utafiti na uvumbuzi. Katika nyanja ambako mafanikio yanaweza kuthibitishwa bila kukusanya data mpya, kama vile baadhi ya maeneo ya hisabati, mifumo ya AI imeanza hivi karibuni kuchangia⁠ maarifa⁠ mapya⁠. Wakati huohuo, katika biolojia, mifumo ya AI inazidi kuweza kuchanganua taarifa za kibiolojia kwa kiwango kikubwa na kubaini miundo iliyofichika hata kutokana na ushahidi usiokamilika, wakati mwingine kwa ufanisi wa kushangaza.

Hata hivyo, tunatarajia mafanikio mengi yaliyosalia katika kuzuia na kutibu magonjwa yatokane na kuunganisha kiwango cha ufikiri cha miundo mipya na uchunguzi zaidi wa ulimwengu—yaani, data zaidi.

Baadhi ya mikusanyiko ya data yenye thamani kubwa kwa umma huenda isiundwe wala kushirikiwa kamwe kwa sababu hakuna taasisi moja yenye motisha au uwezo wa kutosha wa kuifadhili. Kwa hiyo, ufadhili wa data ya umma kwa afya unaendana vyema na OpenAI Foundation.

Ruzuku zetu za awali

Tunaanza kwa kutoa zaidi ya dola milioni 125 za ruzuku kwa kundi la awali la mashirika yasiyo ya faida na vyuo vikuu, katika viwango vingi vya data: kuanzia molekuli na epidemiolojia hadi maarifa ya udhibiti.

Hii ni baadhi ya mifano ya miradi tunayofadhili:

1. OpenADMET⁠ itaunda mikusanyiko ya data huria, vigezo vya kulinganisha na mashindano yaliyofichwa ili kupima ikiwa miundo ya AI inaweza kufunzwa kutabiri jinsi molekuli ndogo zinavyofyonzwa na kusambazwa mwilini, hivyo kufanya utengenezaji wa dawa utabirike zaidi na kupunguza kiwango cha dawa mpya kushindwa.

   Asilimia 90 ya dawa zinazotarajiwa hushindwa katika majaribio ya kimatibabu⁠. Mara nyingi hii hutokana na ugumu wa kutabiri jinsi zitakavyofyonzwa na kusafiri mwilini—yaani, sifa zake za “ADMET”⁠. Changamoto za utabiri ambazo hazijatatuliwa kama hii zinaweza kufaa kwa AI zinapounganishwa na data bora za kuthibitisha usahihi wa utabiri wa miundo mbalimbali. Kwa mfano, AlphaFold2 ilibadili utabiri wa muundo wa protini kwa kutumia data kutoka Protein Data Bank⁠, katika shindano dhidi ya mbinu nyingine za kuunda miundo lililoendeshwa na CASP⁠. Sasa utabiri wa muundo wa protini umejumuishwa katika mipango mingi ya kugundua dawa ambayo huenda hatimaye ikanufaisha wagonjwa.

   Ili kutabiri vyema sifa za ADMET za dawa zinazotarajiwa, timu ya OpenADMET itatengeneza mikusanyiko bora ya data ya kuthibitisha miundo mipya ya utabiri na kuendesha changamoto huria ambazo watafiti duniani kote wanaweza kushiriki.

   

   “Ugunduzi wa dawa umejaa matatizo ya jumla ambayo hakuna kampuni moja au maabara ya kitaaluma inayotaka kutibu ugonjwa fulani inayoweza kuyatatua peke yake,” alisema James Fraser, PhD, mjumbe wa Bodi ya Uongozi ya OpenADMET na Profesa na Mwenyekiti wa Uhandisi wa Biolojia na Sayansi za Tiba katika UCSF. “OpenADMET iliundwa kushughulikia matatizo haya kwa njia huria iliyo tayari kwa ujifunzaji wa mashine. Tunafurahia kupata nafasi ya kujenga safu ya msingi itakayowezesha AI kuharakisha sana utengenezaji wa matibabu mapya.”

2. CTD Commons⁠ itahifadhi na kuchapisha maarifa ya udhibiti kutoka kwa mipango ya utengenezaji dawa iliyoshindwa ili timu zijazo zijifunze kutokana na mifano ambayo kwa kawaida hufichwa, na hivyo kusaidia kugundua matibabu yanayofaa kwa wagonjwa haraka zaidi.

   CTD, au Common Technical Document, ni hati inayokusanya safari nzima ya dawa inayofanyiwa uchunguzi—kuanzia sumu kwa wanyama na maelezo ya utengenezaji hadi, pengine kilicho muhimu zaidi, mawasiliano na FDA. Hata hivyo, ni sehemu ndogo tu ya kazi hiyo inayopatikana katika machapisho ya kisayansi.

   CTD Commons itachunguza uwezekano wa kupata CTD kutoka kwa mipango ya dawa iliyoshindwa au kusitishwa na kuziweka wazi kwa ajili ya utafiti na uchanganuzi ili kila mtu azitumie.

   “Kila ombi linalowasilishwa kwa FDA linawakilisha kazi ngumu na kujitolea kwa watafiti, wakaguzi na washiriki wa tafiti. Hata juhudi hizi zinaposhindwa, taarifa muhimu zinazozalisha hazipaswi kupotea,” alisema Josh Morrison, mratibu mkuu wa CTD Commons na Rais wa 1Day Sooner. “CTD Commons itapunguza kurudiwa kwa kazi na gharama, huku ikiongeza athari za utafiti wa kimatibabu.”

3. UNC⁠ itaanzisha Initiative for Generative Immunotherapy na kuunda data ya umma ya miundo mbalimbali ili kusaidia kufikia siku zijazo ambapo wagonjwa wa saratani wanaweza kupata chanjo zilizobinafsishwa za saratani haraka wanapotambuliwa.

   Chanjo za leo za saratani za “neoantijeni” ni miongoni mwa dawa chache zinazobuniwa kwa kompyuta kwa ajili ya kila mgonjwa kwa kupanga mfuatano wa seli ya uvimbe ili kutabiri shabaha mahususi za uvimbe zilizo kwenye uso wake. Lakini upangaji huo wa mfuatano ni kiashiria tu cha hali halisi, kwa sababu ni vigumu na ghali kupima shabaha zilizo kwenye uso wa seli moja kwa moja, na pia kuchunguza jinsi mfumo wa kinga wa mgonjwa unavyoitikia kwa nguvu kila protini hiyo.

   UNC itaziba mapengo hayo katika mamia ya vimbe na aina mbalimbali za saratani, ikiunda mojawapo ya mikusanyiko ya kwanza ya data za mafunzo na tathmini katika nyanja hii, yenye data ya umma isiyotambulisha watu ambayo watafiti duniani kote wanaweza kuendeleza.

   “Hatimaye chanjo zilizobinafsishwa za saratani zimeanza kuonyesha dalili za ufanisi wa kimatibabu, lakini bado zina mapengo ambayo huenda yakachukua miongo kadhaa kuzibwa kwa kutumia muundo wa jadi wa kuendeleza matibabu. Data bora zinaweza kutusaidia kuziba mapengo hayo haraka,” alisema Alex Rubinsteyn, PhD, Profesa Msaidizi wa Jenetiki katika UNC School of Medicine. “Tunafurahia kufupisha muda huu na kusaidia kufanya tiba za kinga zilizobinafsishwa zenye ufanisi kwa wengi ziwe halisi.”

   

Mkakati wetu wa awali

Unatarajiwa kuwa muhimu hasa kwa watafiti wanaovutiwa na fursa zijazo za ruzuku za OpenAI Foundation.

Kuna data nyingi zaidi za kisayansi ambazo zingefaa kukusanywa kuliko uwezo wa mfadhili yeyote mmoja. Kwa hiyo, tulitaka kuwafafanulia watafiti zaidi kuhusu aina za data ambazo tunaamini ufadhili wa OpenAI Foundation unaweza kuwa na manufaa makubwa zaidi.

Dhana zetu za awali kuhusu data za kuzingatia ni: data zilizounganishwa, data adimu na data za moja kwa moja . Mikusanyiko ya data tutakayofadhili kwa kawaida itakuwa na sifa moja au mbili kati ya hizi, ambazo zimefafanuliwa zaidi hapa chini, na katika hali chache itakuwa na sifa zote tatu.

Kwa mikusanyiko yote ya data, tunaamini kwamba kuhakikisha data inapatikana kwa wengi, huku tukilinda faragha inapohusu data za wagonjwa, kutazidi kuwa muhimu. Hii itawawezesha watafiti kuendeleza kazi za wenzao na kuruhusu maendeleo ya kisayansi yatokee kutoka sehemu zisizotarajiwa.

1. Data zilizounganishwa: Kufuatilia biolojia katika hatua mbalimbali

   Biolojia hujitokeza katika viwango tofauti, lakini mikusanyiko mingi ya data za sayansi za uhai hunasa sehemu moja tu ya hali halisi. Atlasi ya seli inaweza kupima molekuli katika maelfu ya seli, ilhali upigaji picha wa molekuli moja hufuatilia seli moja tu. Mitazamo yote miwili ina thamani, lakini kwa kuwa mikusanyiko hiyo ya data kwa kawaida huundwa kivyake, inaweza kuchukua miaka ya utafiti zaidi kubaini jinsi matokeo ya kisayansi yanavyohusiana. Tunataka kusaidia timu binafsi za utafiti kusonga kwa makusudi kati ya viwango hivi na kuunda mikusanyiko ya data yenye kina na iliyounganishwa, ambayo safu zake mbalimbali huimarishana.

   Kwa mfano, ruzuku yetu kwa UCSF itaiwezesha timu ya OpenADMET kupima sifa na mwingiliano muhimu wa molekuli katika makumi ya maelfu ya misombo. Kisha timu itaunganisha uchanganuzi huu mpana na mitazamo miwili ya usafirishaji wa dawa: miundo ya protini za usafirishaji iliyobainishwa kwa majaribio zikiwa zimeungana na molekuli teule, na vipimo vya jinsi protini hizi zinavyoingiliana kiutendaji na molekuli hizo. Hatimaye, watajaribu baadhi ya misombo hii katika miundo ya kizuizi cha damu na ubongo cha binadamu na kulinganisha matokeo hayo na vipimo vya wanyama hai.

   Mbinu hii ya kukusanya data itatoa maelezo kamili kwa kiwango kisicho cha kawaida kuhusu kinachoamua jinsi dawa inavyosafiri mwilini—na kuwezesha utabiri bora wa miundo ya AI katika kiwango kinachotujali sisi wanadamu.

2. Data adimu: Kuokoa kisichoweza kuundwa tena

   Hakuna AI ya baadaye, hata iwe na uwezo kiasi gani, inayoweza kurudi nyuma na kuchunguza matukio ya kibiolojia yaliyotokea katika nyakati mahususi za kipekee—kama vile visababishi vya vifo na afya duni katika nchi zisizo na takwimu za kuaminika za matukio muhimu, au yaliyomo katika sampuli za kibiolojia za wagonjwa katika nyakati fulani zilizopita. Biolojia imejaa fursa hizi zisizorudiwa, na waundaji wa miundo wa siku zijazo huenda wakapata matumizi ya ushahidi huo ambayo watafiti hawawezi kuyatarajia leo. Kwa hiyo, tunavutiwa hasa na mapendekezo ya kukusanya au kuhifadhi data muhimu kabla ya fursa kutoweka, au kufanya mikusanyiko iliyopo ya data binafsi isiyoweza kuundwa tena ipatikane kwa wengi, huku yakiheshimu faragha na idhini ya mtu binafsi.

   Kwa mfano, ruzuku yetu kwa CTD Commons itachunguza iwapo rekodi za mipango ya utengenezaji dawa iliyoshindwa zinaweza kuokolewa kabla ya kampuni kufungwa na rekodi hizo kutoweka. Kwa muda mfupi, hati hizi zinaweza kusaidia timu za hatua za awali za utengenezaji dawa kuelewa matakwa ya wadhibiti kwa bidhaa zinazofanana, badala ya kujifunza kupitia majaribio na makosa yenye gharama kubwa. Kwa muda mrefu, hati hizi zinaweza kuwa nyenzo za mifumo ya ujifunzaji wa mashine kugundua mifumo ya sababu za dawa kushindwa au kufanikiwa, kuchochea maboresho ya udhibiti au mikakati ya majaribio na kuwawezesha wagonjwa kunufaika na matibabu mapya mapema.

3. Data za moja kwa moja: Kupima hali za kibiolojia na kimatibabu zilizo karibu zaidi na mambo muhimu

   Katika sehemu kubwa ya historia yake, biolojia imepima mambo yaliyokuwa rahisi au ya bei nafuu kupima. Kwa mfano: kupima data za seli binafsi badala ya data za kimatibabu za binadamu, au udhihirisho wa RNA badala ya protini. Viashiria hivi vimekuwa muhimu sana, lakini pia vinaweza kujitenga na malengo ya kuelewa biolojia na kuzuia na kutibu magonjwa. Katika hali kama hizi, tunataka kuwapa watafiti nyenzo wanazohitaji ili kuunda mikusanyiko ya data inayopima mambo muhimu zaidi. Huenda pia vifaa vinavyohitajika kupima “ukweli wa kibiolojia” bado havipo au ni ghali mno kutumiwa kwa kiwango kikubwa. Kupitia mpango huu, tunatumaini kufadhili mipango yote miwili—data mpya na zana mpya.

   Kwa mfano, ruzuku yetu kwa UNC ya kuanzisha Initiative for Generative Immunotherapy itaiwezesha timu ya UNC Lineberger na UNC Health kutoa data inayotokana na binadamu inayohitajika kuboresha kizazi kijacho cha chanjo za saratani. Hiyo inamaanisha kupima protini zilizo kwenye uso wa seli za uvimbe moja kwa moja, pamoja na mwitikio wa seli T za wagonjwa, badala ya kupanga “tu” mfuatano wa uvimbe. Data hii ni ghali kuunda; kwa kuifanya kwa kina wakati huu na kuweka matokeo wazi, tunatumaini juhudi zote za baadaye za chanjo za saratani zitanufaika. Hasa, mradi huu ukifanikiwa, chanjo zinazotarajiwa za baadaye zitaweza kuanza kutumiwa kwa binadamu zikiwa na shabaha thabiti zaidi. Hilo linapaswa kuongeza uwezekano wa chanjo hizo kufanya kazi na kuongeza maarifa yanayoweza kupatikana zisipofanya kazi.

Kuhakikisha data inapatikana kwa watafiti

Hatimaye, katika ruzuku zetu zote, tunahakikisha kwamba mikusanyiko ya data itakayoundwa inapatikana iwezekanavyo kwa watafiti duniani kote.

Katika sehemu kubwa ya historia ya sayansi, kupima dhana kulikuwa kikwazo kikuu kwa uvumbuzi. Kulikuwa na “kiwango cha ufikiri” kidogo tu cha kushughulikia matatizo—idadi maalumu ya wanafunzi wa uzamili na wanasayansi wa kudumu, ambao walizalisha na kuchanganua data kuhusu tatizo. Maendeleo yanayoendelea ya AI katika uandishi wa msimbo na uchanganuzi wa data yanaondoa dhana hiyo. Uchanganuzi wa data unaweza kupanuliwa kwa kiwango kikubwa sana, huku maarifa yakitokana na ushirikiano ambao ni vigumu kuutabiri wakati data zinapozalishwa.

Dhamira yetu ni kuhakikisha akili unde ya jumla inanufaisha wanadamu wote. Data za kisayansi zinazoundwa kwa ufadhili wetu zinapaswa kupatikana kwa watu wengi, huku faragha na idhini ya mtu binafsi zikidumishwa kila data za binadamu zinapohusika. Lakini upatikanaji unahusisha zaidi ya kutoa tu data ghafi. Tunawahimiza wapokeaji wa ruzuku kuchapisha uchanganuzi wao kupitia miswada ya awali, kushiriki data mara kwa mara badala ya kusubiri mwisho pekee, na ikiwa data zao “hazijaunganishwa”, kushirikiana na watumiaji wa data kutathmini manufaa yake katika matatizo muhimu ya kibiolojia.

Kujifunza kwa kurudia na kuboresha

Makala haya yanaeleza mwelekeo wetu wa awali katika Data ya Umma kwa Afya. Tunaendelea kusasisha mitazamo yetu kadiri sayansi na AI zinavyoendelea, na kutokana na mazungumzo na wengine katika jumuiya ya watafiti.

Ikiwa una mawazo kuhusu Data ya Umma kwa Afya, tunakuhimiza uwasiliane nasi kupitia [email protected]⁠. Unaweza kujisajili kupokea jarida letu hapa⁠ ili upate habari zijazo kuhusu mipango na ufadhili wetu.

Ikiwa ungependa kufikiria kwa muda wote kuhusu matatizo kama yaliyojadiliwa katika makala haya, kwa sasa tunaajiri watu kwa nafasi nne zilizo wazi⁠ katika timu ya Sayansi za Uhai na Kutibu Magonjwa.