DARPAs "Biofutures" -studie fra 2001 avslører filosofien In-Silico som senere dukket opp på tvers av dens pandemiske portefølje

År før PROPHECY og DEFUSE finansierte DARPA en JASON-studie som foreslo at biologi i økende grad skulle begynne på datamaskiner.

Nesten et tiår før det amerikanske militærets Defense Advanced Research Projects Agency (DARPA) lanserte PROPHECY til “forutsi ” de digitale genetiske sekvensene av fremtidige virus som ikke er kjent for å eksistere, finansierte byrået en lite kjent studie som stilte et langt bredere spørsmål, kalt Biofutures.

Ikke hvordan man kan forutsi fremtidige virus.

Ikke hvordan man utvikler raskere vaksiner.

Men hvordan biologi i seg selv som en vitenskapelig disiplin skulle endres etter hvert som beregningsmodellering ble stadig kraftigere.

Publisert i juni 2001 av JASON rådgivende gruppe, Biofutures nevner aldri pandemier, coronavirus eller viral overvåking.

I stedet foreslår den en beregningsfilosofi som senere vises gjentatte ganger på tvers av DARPAs pandemisk bioteknotekportefølje—inkludert PROPHECY, ADEPT, Pandemic Prevention Platform (P3), PREEMPT og til og med DARPA-finansierte DEFUSE-forslaget.

Sett sammen med de senere programmene, gir Biofutures viktig kontekst for det jeg tidligere har beskrevet som I Silico Theory av pandemisk orkestrering — et rammeverk for å undersøke hvordan prediktive algoritmer, laboratoriegenerert sekvensinformasjon, genomiske referansearkitekturer, overvåkningssystemer, diagnostikk og farmasøytiske plattformer samlet kunne definere og operasjonalisere en pandemi (enten den utløsende hendelsen innebar et naturlig forekommende patogen, en laboratorieassosiert utgivelse, et med vilje distribuert biologisk middel, eller et overveiende informasjonssystem bygget rundt en akseptert digital sekvens).

Donate

Følg oss videreInstagram @realjonfleetwood&Twitter / X @JonMFleetwood.
Hvis du verdsetter denne rapporteringen, bør du vurdere oppgradering til en betalt abonnement.
For reklame- og sponsingsmuligheter, kontakt oss ved å klikke nedenfor.

En ny måte å gjøre biologi på

Rapporten begynner med å forklare nøyaktig hva forfatterne la ut for å studere.

De skriver:

“Målet med sommerstudien 2000 JASON på ‘Biofutures ’ var å utforske utsiktene for datamodellering av cellulære biokjemiske nettverk og å spørre mer generelt om rollen som modellering i biologi. ”

Så kommer kanskje rapportens mest avslørende uttalelse.

I stedet for å anta biologi bør fortsette å stole først og fremst på tradisjonelle biologiske tilnærminger, foreslår forfatterne:

“Det er langt fra klart at reduksjonsmodeller fra fysiske vitenskaper er det rette paradigmet — metodologier hentet fra driftsforskning eller elektroteknikk kan være mer relevante. ”

Forslaget er ikke bare å bruke flere datamaskiner.

Det er for å vurdere hvordan biologi som vitenskap skal gjennomføres.

Bygningsbiologi Inne i datamaskiner

Rapporten beskriver umiddelbart den typen fremtid den ser for seg.

Den sier:

“Genomene til over 36 organismer … kan brukes til å konstruere datamaskin (’ i silico ’) modeller av organismer. ”

Hensikten med disse modellene strekker seg langt utover visualisering.

I følge rapporten:

“En vellykket innsats av denne typen vil tillate spådommer om responsen fra enkle organismer på medisiner, endringer i miljøet eller genknockouts. ”

Forfatterne fortsetter:

“Slike modeller kan også være et hjelpemiddel til rasjonell medikamentdesign og kan kanskje til og med lede biologisk forskning. ”

De legger til de stadig mer detaljerte modellene:

“kan hjelpe til med utformingen av celler som føler skadelige faktorer i miljøet eller tillater å bytte fra en type oppførsel til en annen. ”

Retningen er klar.

Bygg først beregningsmodellen.

Bruk deretter modellen til å generere biologiske spådommer.

Bruk deretter disse spådommene for å informere medisinutvikling og laboratorieforskning.

Forutsigelse før eksperimentering

Et av rapportens sentrale temaer er at beregning i økende grad bør komme før laboratorieeksperimentasjon.

Forfatterne skriver:

“Man kan forestille seg biologiske forskningslaboratorier som bruker datasimuleringer for å teste for de mest lovende forskningsmulighetene før man går på et vått laboratorium. ”

De fortsetter:

“Eksperimentene vil føre til endringer i modellen som igjen vil føre til flere eksperimenter. ”

Til slutt beskriver de:

“Muligheten for en virkelig pågående dialog av denne typen mellom teoretisk modellering og eksperimenter i den biologiske verden er spennende. ”

I stedet for observasjonsproduserende modeller, ser rapporten i økende grad frem modeller som produserer eksperimenter.

Prediksjon kommer først.

Laboratoriearbeid følger stadig mer.

Modellen blir eksperimentell

DARPAs Biofutures går enda lenger.

I stedet for å behandle datamaskiner ganske enkelt som verktøy for å analysere biologiske observasjoner, foreslår rapporten å bruke beregningsmodeller som eksperimentelle miljøer.

Forfatterne skriver:

“Man kan erstatte modellen for systemet og utføre beregningsforsøk som kan være umulig (eller vanskeligere / kostbart osv.) For å utføre på selve våtvar. ”

Med andre ord, visse eksperimenter kan i økende grad oppstå inne i modellen før de blir forsøkt på laboratoriet.

Modeller begynner å regissere biologi

Rapporten argumenterer også gjentatte ganger for at beregningsmodeller i økende grad bør avgjøre hva forskere undersøker.

Forfatterne forklarer:

“Eksistensen av modellen tvinger ofte en reprioritering for eksperimentelt arbeid og sporer innsats for å måle de mengdene som er nødvendige for å kritisk teste og dermed forbedre modellen. ”

De fortsetter:

“Tilsvarende sporer eksistensen av en modell ofte konsistens i form og format for datarapportering … ”

før du konkluderer:

“En god modell kan stimulere til slik systemisering. ”

Årsaksretningen har endret seg.

Laboratoriet informerer ikke lenger bare modellen.

Modellen informerer i økende grad laboratoriet.

Samme filosofi dukker opp igjen

Ni år senere, DARPAs PROPHECY (her, her) programmet brukte en bemerkelsesverdig lignende arbeidsflyt på viral evolusjon.

I stedet for å vente på at fremtidige virale populasjoner skulle dukke opp før de begynte å motvirke utvikling, forsøkte PROPHECY å:

“forutsi mutasjoner og muligens betegnelser i forkant av forekomsten ”

gjennom:

“prediktive algoritmer ”

det ville være:

“informert og validert eksperimentelt ved bruk av biologiske plattformer med høy gjennomstrømning. ”

Programmet søkte til slutt:

“utvikle medisiner og vaksiner i forkant av behov. ”

Selv om applikasjonen skiller seg, er sekvensen påfallende lik.

Modell.

Forutsig.

Eksperimentelt validerer.

Avgrens.

Den samme beregningsførende filosofien vises andre steder i hele DARPAs bioteknologiportefølje.

ADEPT forfulgte programmerbare genkodede mottiltak designet direkte fra genetisk informasjon.

P3 erkjente at under fremtidige utbrudd:

“bare elektronisk virussekvensinformasjon kan være tilgjengelig ”

mens du fortsatt forfølger beskyttende mottiltak.

PREEMPT instruerte senere utøvere at:

“utgangen fra TA1 i silikomodeller vil lede forebyggende metodedesign. ”

Over hele programmer som spenner over nesten to tiår, forblir den underliggende arbeidsflyten gjentatte ganger den samme:

modeller først;
spådommer andre;
laboratorievalidering tredje;
implementering etterpå.

Bunnlinje

DARPAs Biofutures er ikke et pandemisk program.

Den diskuterer ikke koronavir, biodforsvar, overvåking av dyreliv eller vaksineutplassering.

I stedet foreslår den noe uten tvil mer grunnleggende.

Rapporten argumenterer gjentatte ganger for at biologi i økende grad bør begynne med beregningsmodeller som er i stand til å generere spådommer, lede eksperimenter, informere medikamentdesign, standardisere biologisk informasjon og organisere vitenskapelig forskning selv.

Nesten et tiår senere begynner DARPAs bioteknologiprogrammer å bruke den samme beregningsfilosofien til stadig mer spesifikke mål.

PROPHECY forsøkte å forutsi fremtidig viral evolusjon.

ADEPT oversatte genetisk informasjon til programmerbare mottiltak.

P3 forberedt på å operere når “bare elektronisk virussekvensinformasjon kan være tilgjengelig. ”

PREEMPT instruerte utøvere om at “utgangen fra TA1 i silikomodeller vil lede forebyggende metodedesign. ”

Enten sett på som utviklingen av beregningsbiologi eller som en tilbakevendende designfilosofi i DARPAs pandemiportefølje, er kontinuiteten vanskelig å ignorere.

Før DARPAs pandemirelaterte programmer fokuserte på “forutsi ” fremtidige virus som ikke eksisterer, akselererer mottiltak eller ledet forebyggende design, hadde Biofutures allerede foreslått en bredere transformasjon: at selve biologien i økende grad skulle begynne inne i datamaskinen.

For denne publikasjonens In Silico Theory er Biofutures viktig fordi den dokumenterer den underliggende beregningsfilosofien før den vises i senere DARPA-programmer som er viet til å forutsi patogener, designe mottiltak og lede forebyggende strategier.

Donate

Følg oss videreInstagram @realjonfleetwood&Twitter / X @JonMFleetwood.
Hvis du verdsetter denne rapporteringen, bør du vurdere oppgradering til en betalt abonnement.
For reklame- og sponsingsmuligheter, kontakt oss ved å klikke nedenfor.