Genentech 利用生成式人工智能更快地为患者提供救生药物

开发新药是一项极其复杂的挑战，因为必须探索巨大的生物学可能性。人体包含数千种不同细胞类型和状态，与基因组中约 20,000 个基因相互作用。科学家必须在海量潜在治疗方案中搜索，包括具有药物特性的 10⁶⁰ 种不同小分子和 20³² 种可能的治疗性抗体。这种规模使得无法仅通过传统实验室实验测试所有可能性。

为应对这一复杂性，Genentech 的科学家必须分析海量分散数据，包括 PubMed 中的 3500 万篇生物医学期刊、人类蛋白质图谱等公共数据库，以及公司内部针对数百种疾病的数亿细胞数据。科学家不仅必须识别有潜力的药物靶点，还必须验证生物标志物，即有助于跟踪疾病进展和治疗效果的生物学指标。目前，这一过程主要依赖人工，科学家需花费数周时间搜索数据来源，各治疗领域的生物标志物验证总计耗时近五年。 

Genentech 与 Amazon Web Services（AWS）合作开发了一套解决方案，可以自动执行耗时的手动搜索流程，使其科学家能够专注于高影响力研究并加速药物发现创新。该公司设计了一款名为 gRED Research Agent 的生成式人工智能系统，该系统基于 Amazon Bedrock 代理中的 Anthropic Claude Sonnet 3.5 构建，改变了科学家与海量科学数据集的交互方式。该系统可处理“炎症性肠病特定细胞中富集哪些细胞表面受体？”等复杂的科学查询，同时搜索从 PubMed 期刊到内部数据库的多个数据来源，并通过引用摘要综合研究结果，从而确保药物开发所需的科学严谨性和可追溯性。

该解决方案之所以强大，是因为它使用了自主代理，可以将复杂的研究任务分解为动态的多步骤工作流程。与遵循预定路径的传统自动化系统不同，这些代理根据在每个步骤收集的信息调整方法，使用检索增强生成（RAG）访问和分析多个知识库，并通过与 Genentech 的内部 API 和数据库连接来执行复杂的查询。

这对公司的科学家产生了变革性影响。Genentech 计算研究高级副总裁兼负责人 John Marioni 表示：“通过开发自主代理等工具，尤其让我感到兴奋的一点是，能够让可能缺乏计算背景的科学家更便捷地访问数据集和计算工具。通过以真正迭代和连贯的方式与代理进行交互，我们能够利用这些工具直接加速研究。该代理确实为我们正在努力完成的工作提供了令人难以置信的推动力。

由 Amazon Bedrock 代理提供支持的 Gred Research Agent 将科学家原本需要数周完成的流程缩短至几分钟。这有望帮助 Genentech 在各治疗领域的生物标志物验证中自动执行超过 43000 小时（近五年）的手动工作，从而缩短靶点识别时间。这最终将使 Genentech 能够更快地将新药带给患者。

Genentech 研究与早期开发执行副总裁兼负责人 Aviv Regev 表示：“代理无法取代我们的科学家，但实际上会提升科学家的能力。当代理与我们最顶尖的科学家协同工作时，就会带来真正的惊喜。他们的表现远超任何一位顶尖科学家，这意味着我们的顶尖科学家现在能以更卓越的状态开展工作。”

Genentech 正通过开发数据基础设施，使代理能够无缝访问和集成整个组织的数据来为未来布局。该策略包括通过 Amazon Bedrock 的多代理协作功能，从单一综合代理扩展至专业化子代理网络。这一方法可创建针对特定领域的专用代理 — 例如，一个代理专注于 PubMed 等公共数据来源，另一个则专门查询 Genentech 内部的单细胞中心数据库。这种专业化代理策略通常可以提高速度和精度，因为多个聚焦代理可并行工作，同时更易于维护、测试和扩展。

最后，Regev 总结道：“人类凭借其智慧、创造力和开拓前沿的能力，能够完成许多独特的工作。Genentech 使用 gRED Research Agent 的最终优势在于，它能够识别药物靶点并设计研究，从而更快地为患者提供救生药物。”

了解 Genentech 如何使用 Amazon Bedrock 代理实现药物研究自动化 | Amazon Web Services