isto é realmente insano desde que a IA surgiu, todos os modelos para biologia tinham a mesma limitação: treine-o em uma doença, ele só funciona nessa doença. re-treine para qualquer novo medicamento, paciente ou tecido. a promessa do modelo fundamental para a biologia basicamente não existia. a previsão zero-shot era impossível. hasta agora. O modelo do Arc Institute (Stack) aprende a partir de grupos de células em vez de uma de cada vez. da mesma forma que os LLMs veem palavras em uma frase e não isoladamente, as células tornam-se contexto umas para as outras. você pode mostrar a ele células que foram tratadas com um medicamento, e ele prevê como células completamente diferentes responderiam a esse mesmo medicamento. mesmo que ninguém tenha realizado esse experimento. mesmo que esse tecido nunca tenha sido perturbado. mesmo que essa combinação nunca tenha existido no treinamento. as células em si tornam-se prompts, apenas a partir da inferência. você pode consultar a biologia agora. "o que as células do fígado fariam se eu lhes desse este medicamento contra o câncer?" e ele responde com previsões reais de expressão gênica. ainda não perfeitamente, mas o suficiente para superar os métodos existentes em 28 de 31 benchmarks (basicamente inédito neste campo onde superar 60% é considerado bom). eles usaram isso para construir um atlas de perturbação virtual: 28 tecidos humanos, 40 classes de células, 201 medicamentos. nenhum laboratório necessário. puramente in silico. quando validaram contra experimentos reais de laboratório, as previsões corresponderam. a descoberta de medicamentos atualmente custa mais de $5M e 2 anos por experimento que pode não funcionar. agora você faz a triagem computacionalmente primeiro. "quais tecidos terão efeitos fora do alvo?" "como as células deste paciente responderão de forma diferente?" perguntas que costumavam exigir milhões em subsídios agora precisam apenas de uma GPU. devagar, mas com certeza estamos resolvendo a biologia.