Basecamp Research ระดมทุน 140 ล้านเหรียญ ใช้ AI ปฏิวัติการออกแบบยาจากธรรมชาติ

ประเด็นสำคัญ

• Basecamp Research สตาร์ทอัพในลอนดอน ระดมทุนได้ 140 ล้านดอลลาร์จากนักลงทุนชั้นนำอย่าง Nvidia และ Anthology Fund ของ Anthropic เพื่อสร้างโมเดล AI สำหรับพัฒนาตัวยาและเทคโนโลยีเซลล์บำบัด

• โมเดล EDEN ของบริษัทได้รับการฝึกด้วย DNA จุลินทรีย์จากสภาพแวดล้อมทั่วโลก เพื่อใช้ในการออกแบบยาปฏิชีวนะชนิดใหม่และเครื่องมือทางชีวภาพสำหรับแทรกยีนเข้าสู่ร่างกายอย่างแม่นยำ

• ผลการวิจัยเบื้องต้นในห้องปฏิบัติการและในหนูพบว่า ตัวยาที่ออกแบบโดย AI สามารถต้านทานแบคทีเรียดื้อยาได้หลายชนิด แต่ยังต้องรอการพิสูจน์ความปลอดภัยและประสิทธิภาพในการทดลองทางคลินิกกับมนุษย์ต่อไป

Basecamp Research ระดมทุนได้ 140 ล้านดอลลาร์จากนักลงทุน ซึ่งรวมถึง Nvidia และ Anthology Fund ของ Anthropic บริษัทในลอนดอนแห่งนี้ฝึกโมเดล AI ด้วยสารพันธุกรรมจากป่าฝน มหาสมุทร และน้ำพุร้อน เพื่อออกแบบยาปฏิชีวนะและเครื่องมือสำหรับเซลล์บำบัด ในการสัมภาษณ์กับ THE DECODER นั้น Philip Lorenz ผู้ดำรงตำแหน่ง CTO ได้อธิบายว่าทำไมชีววิทยาจึงเป็นปัญหาที่ใหญ่กว่าภาษามากสำหรับ AI และทำไมคะแนนที่ดีบนกระดาษจึงไม่ได้การันตีว่าจะได้โมเลกุลที่ดี

ข้อมูลจากบริษัทระบุว่า S32 เป็นผู้นำในการระดมทุนรอบนี้ โดยมี Nvidia, Anthology Fund ของ Anthropic, NATO Innovation Fund และ Redalpine รวมถึงนักลงทุนรายอื่นๆ เข้าร่วมด้วย โดย Basecamp ที่ก่อตั้งในปี 2020 วางแผนจะใช้เงินทุนนี้พัฒนาโมเดล AI ทางชีวภาพที่มีชื่อว่า EDEN และผลักดันตัวยาไปสู่ขั้นตอนทางคลินิก โดยเน้นที่การรักษาด้วยเซลล์บำบัดเพื่อต่อสู้กับมะเร็งโดยตรงภายในร่างกาย เพื่อให้บรรลุเป้าหมายดังกล่าว บริษัทจึงมองหาจุลินทรีย์จากถิ่นที่อยู่อาศัยที่ยังไม่เคยมีใครศึกษา เพื่อให้โมเดลเรียนรู้รูปแบบจีโนมมาใช้ประโยชน์ทางการแพทย์ Philip Lorenz ประธานเจ้าหน้าที่ฝ่ายเทคโนโลยี (CTO) ของ Basecamp กล่าวว่าด้วยความซับซ้อนของชีววิทยา เราต้องการข้อมูลมากกว่าเดิมหลายเท่าตัว และสิ่งสำคัญคือการจับคู่ข้อมูลมหาศาลเข้ากับการทดลองขนาดเล็กที่เฉพาะเจาะจง

ทำไมฐานข้อมูลจีโนมสาธารณะจึงไม่สามารถขับเคลื่อน AI ทางชีววิทยาได้

แม้บริษัทเวชภัณฑ์จะทุ่มเงินมหาศาลให้กับ AI แต่ความสำเร็จในการพัฒนาทางคลินิกยังคงมีน้อยมาก Lorenz มองว่าชีววิทยาซับซ้อนกว่าภาษามาก ข้อมูลที่มีอยู่กระจัดกระจายและไม่ครอบคลุม เขาเปรียบเทียบว่าคำที่มีอยู่ทั้งหมดในโลกมีประมาณ 5 พันล้านล้านโทเค็น แต่จำนวนนิวคลีโอไทด์บนโลกมีมากถึง 10 ยกกำลัง 37 ซึ่งมหาศาลจนสามารถพันรอบจักรวาลได้นับล้านรอบ

ฐานข้อมูลสาธารณะในปัจจุบันยังไม่สมบูรณ์ รายงานการวิจัยของ Basecamp เกี่ยวกับฐานข้อมูล BaseData ระบุว่า 68% ของลำดับพันธุกรรมมาจากสิ่งมีชีวิตเพียง 5 สายพันธุ์ และเป็นมนุษย์ถึง 54% ซึ่ง Lorenz กล่าวว่าหากฝึก AI ด้วยข้อมูลที่จำกัดเปรียบเสมือนการฝึก LLM ด้วยหนังสือพิมพ์ปี 1975 เพียงอย่างเดียว ซึ่งจะทำให้ได้โมเดลที่ไร้ประสิทธิภาพในทางชีววิทยา กรณีศึกษาจาก Microsoft

Basecamp จึงเก็บตัวอย่างเองจากกว่า 30 ประเทศทั่วทั้ง 7 ทวีป ปัจจุบันมีข้อมูลประมาณ 15 ล้านล้านโทเค็น ซึ่งอยู่ในระดับเดียวกับโมเดลชื่อดังอย่าง Claude หรือ GPT โดยโมเดล EDEN รุ่นแรกฝึกด้วยบล็อกสร้างสาย DNA 9.7 ล้านล้านบล็อกบน Azure ของ Microsoft และคาดว่าในอีกหนึ่งปีครึ่งข้างหน้าข้อมูลจะเพิ่มขึ้นอีกร้อยเท่าภายใต้โครงการ Trillion Gene Atlas

การแข่งขันทางอาวุธของแบคทีเรียมอบพิมพ์เขียวสำหรับยาชนิดใหม่

Lorenz มองว่าวิวัฒนาการคือตัวเชื่อมโยงระหว่างธรรมชาติกับการแพทย์ โดยเฉพาะ "สงครามชีวภาพ" ระหว่างจุลินทรีย์ที่แบคทีเรียพัฒนาสารฆ่าคู่แข่งเพื่อความอยู่รอด สารเหล่านี้สามารถนำมาพัฒนาเป็นยาปฏิชีวนะได้ รวมถึงไวรัสอย่างฟาจ (Phages) ที่สามารถนำมาใช้เป็นเครื่องมือแก้ไขยีน

รายงานปี 2024 แสดงให้เห็นว่า Basecamp มุ่งเน้นการเก็บข้อมูลสารพันธุกรรมควบคู่ไปกับสภาวะทางนิเวศวิทยา เพื่อคงบริบทการทำงานของยีนไว้ให้ครบถ้วนที่สุด

ยาปฏิชีวนะที่ออกแบบโดย AI ผ่านการทดสอบในสัตว์ครั้งแรกแล้ว

ในรายงานการวิจัยเกี่ยวกับตระกูลโมเดล EDEN พบว่า 97% ของตัวยาที่ AI เลือกมาทดสอบสามารถทำงานได้จริงในห้องทดลอง นอกจากนี้ยาที่ชื่อว่า EDEN-7 ยังให้ผลดีในหนูที่ติดเชื้อแบคทีเรียดื้อยา เทียบเท่ากับยาปฏิชีวนะที่เป็นทางเลือกสุดท้าย ตามประกาศของบริษัทจากเดือนมิถุนายน

นอกจากการออกแบบยาแล้ว Basecamp ยังใช้ EDEN สร้างเครื่องมือทางชีวภาพเพื่อแทรกยีนเข้าไปในตำแหน่งที่แม่นยำในจีโนมมนุษย์ ซึ่งอาจนำไปใช้รักษาโรคทางพันธุกรรมและพัฒนาเซลล์ CAR-T สำหรับรักษามะเร็งได้โดยตรงภายในร่างกาย เพื่อลดค่าใช้จ่ายที่ปัจจุบันสูงถึงหลักแสนดอลลาร์ ประกาศจากเดือนมกราคม

อย่างไรก็ตาม ความท้าทายเรื่องความปลอดภัยและการนำส่งยาไปยังเซลล์เป้าหมายยังเป็นคำถามที่ต้องหาคำตอบ ดังที่ Patrick Hsu จาก Arc Institute ตั้งข้อสังเกตไว้ใน รายงานของ Financial Times จากเดือนพฤษภาคม 2025 ปัจจุบันโครงการส่วนใหญ่ของบริษัทยังอยู่ในขั้นการปรับแต่งตัวยาคัดเลือก (Lead optimization) และยังต้องผ่านขั้นตอนอีกยาวไกลก่อนจะถึงการทดลองในมนุษย์

ทำไมหนึ่งในสามของ GPU ของ Basecamp จึงถูกนำไปใช้กับการเรียนรู้แบบเสริมกำลัง

Lorenz ให้ความสำคัญกับการทดลองจริงควบคู่กับ AI โดยแบ่งทรัพยากร GPU ถึงหนึ่งในสามเพื่อใช้ในการเรียนรู้แบบเสริมกำลัง (Reinforcement learning) เพื่อปรับปรุงประสิทธิภาพโมเดลตามผลลัพธ์ที่ได้จากการทดลองในเซลล์จริง ซึ่งเป็นแนวทางเดียวกับที่ใช้ในโมเดลภาษาขั้นสูงอย่าง GPT-4

นอกจากนี้ เขายังเตือนเรื่องการพึ่งพาตัวชี้วัดทางเทคนิคอย่างค่าความสับสน (Perplexity) เพียงอย่างเดียว เพราะคะแนนที่ดีบนกระดาษไม่ได้การันตีว่าจะได้โมเลกุลที่ทำงานได้จริง Basecamp จึงเลือกใช้สถาปัตยกรรมที่เหมาะสมที่สุดอย่าง Llama และตรวจสอบผลลัพธ์ผ่านภารกิจทางชีววิทยาจริงอย่างสม่ำเสมอ

แชตบอตกลายมาเป็นประตูด่านแรกสู่โมเดลทางชีววิทยา เพื่อให้งานวิจัยเข้าถึงได้ง่ายขึ้น Basecamp ได้เปิดฟีเจอร์บางส่วนของ EDEN ให้ใช้งานได้ผ่าน Claude และ Claude Science ของ Anthropic ช่วยให้นักวิจัยสามารถค้นหาเป้าหมายวัคซีนหรือยาปฏิชีวนะได้ผ่านภาษาทั่วไป

ในด้านจริยธรรมข้อมูล Lorenz ยืนยันว่าทุกรหัสพันธุกรรมสามารถสืบย้อนกลับไปยังแหล่งกำเนิดและความยินยอมที่ถูกต้องได้ พร้อมมีการแบ่งปันผลประโยชน์กลับคืนสู่ชุมชนท้องถิ่น แม้ว่าสัดส่วนการจ่ายเงินจะยังคงเป็นประเด็นที่นักวิจัยบางส่วนมองว่าควรเพิ่มให้สูงขึ้นเพื่อให้เกิดความยุติธรรมแก่เจ้าของทรัพยากรธรรมชาติที่แท้จริง