Xaira Therapeuticsは、モデル構築のためのデータ生成に全力を注いでいる。最高発見責任者のCi Chu氏と最高AI科学者のBo Wang氏がポッドキャストで次のように語っている。「因果モデルには因果データが必要だ」。
従来の仮想細胞モデル（scGPTなど）は、CELLxGENEデータベース（1億6800万細胞の遺伝子発現プロファイル）に依存していたが、これらのデータは相関関係を示すに過ぎず、因果関係を区別できない。モデルのパラメータが15億を超えるとテスト損失は改善せず、情報ボトルネックに直面する。Bo Wang氏は「31億パラメータのモデルではスケーリング則から外れ、情報量が不足している」と説明する。
この問題を解決するため、XairaチームはX-Atlasデータセットを構築した。並列CRISPR干渉実験により、各遺伝子を個別に摂動（「ノブを回す」）し、上流・下流の影響を観測。このプロセスでCELLxGENEの約30倍の情報量が得られ、モデルは遺伝子間の因果連鎖を学習できるようになった。X-Cellモデルは自己回帰ではなく拡散アーキテクチャを採用し、数十億パラメータへのスケールに成功。情報量がモデル性能の鍵であることを実証した。
X-Cellの特筆すべき点は汎化能力だ。実ヒト細胞実験では、長年最良とされてきた線形ベースラインを凌駕し、因果データが真の予測能力をもたらすことを示した。Bo氏によると、データ収集実験のインフラ投資は数千万ドル、計算と研究開発は数百万ドルで、これは強化学習の予算に近いという。
Ci Chu氏とBo Wang氏は最近、それぞれ最高発見責任者と最高AI科学者に昇進し、Xairaのデータ優先戦略の重要性を強調している。彼らは、一次因果効果だけでも強力だが、今後は複数遺伝子の協調効果など高次課題にも取り組む必要があると述べる。Bo氏は、学界の革新スピードには依然利点があるが、産業界の資源集中によりX-Cellの大規模応用が可能になったと語った。
「情報がすべて」という賭けは、AI駆動の創薬パラダイムを変革しつつある。