डीएनए एक स्रोत कोड के रूप में और यह क्यों मायने रखता है कि मॉडल से ज़्यादा मॉडल कौन-सा है
किसी भी वैज्ञानिक क्षेत्र के इतिहास में एक ऐसा क्षण आता है जब भाषा वास्तविकता से पहले बदल जाती है। पहले किसी चीज़ के बारे में ऐसे बात होने लगती है जैसे वह पहले से सच हो; फिर, धीरे-धीरे, वह सच हो जाती है। प्रोग्रामेबल बायोलॉजी के साथ हम उसी दहलीज़ पर खड़े हैं। डीएनए, जो दशकों से पढ़ने की वस्तु रहा है, अब लिखने की वस्तु बनता जा रहा है। और यह किसी भी निवेशक, प्रबंधक या संस्थापक के लिए जो सवाल खड़ा करता है, वह यह नहीं है कि विज्ञान काम करता है या नहीं, बल्कि यह है कि इसके इर्द-गिर्द बना व्यापार मॉडल टिकाऊ है या नहीं।
संदर्भ यह है: जिनेवा विश्वविद्यालय ने इस वर्ष एक डीएनए-आधारित चिकित्सीय प्रणाली प्रकाशित की जो एक आणविक तार्किक परिपथ की तरह काम करती है। यह दवा तब तक निष्क्रिय रहती है जब तक वह एक साथ दो विशिष्ट ट्यूमर मार्करों का पता नहीं लगा लेती — यह ऑन्कोलॉजी पर लागू की गई द्वि-कारक प्रमाणीकरण की एक वास्तुकला है। यदि केवल एक मार्कर प्रकट होता है, तो कुछ नहीं होता। यदि दोनों प्रकट होते हैं, तो प्रणाली सीधे कैंसरग्रस्त ऊतक में चिकित्सीय एजेंट मुक्त कर देती है। यह कार्य नेचर बायोटेक्नोलॉजी में प्रकाशित हुआ और इसकी आंतरिक तर्क-संरचना जैव रसायन से परे भी कारणों से सुंदर है: यह दो समस्याओं — पार्श्विक विषाक्तता और औषध प्रतिरोध — पर एक साथ प्रहार करती है, बिना किसी ऐसे वितरण तंत्र की आवश्यकता के जो पहले से मौजूद तंत्र से मौलिक रूप से भिन्न हो।
इसके समानांतर, आर्क इंस्टीट्यूट और एनवीडिया द्वारा विकसित Evo 2 जैसे संगणनात्मक मॉडल जीनोम को वैसा ही मान रहे हैं जैसा वह तकनीकी रूप से है: चार अक्षरों की एक भाषा जिसे ट्रांसफॉर्मर आर्किटेक्चर से मॉडल किया जा सकता है। AlphaFold पहले ही दिखा चुका है कि प्रोटीन की संगणनात्मक भविष्यवाणी इतनी सटीकता से की जा सकती है कि 2024 में नोबेल पुरस्कार जीता जा सके। अगला तार्किक कदम यही है कि यही शक्ति पूर्ण आनुवंशिक अनुक्रमों के डिज़ाइन में लगाई जाए। और यहीं पर स्टार्टअप का आख्यान ज़ोर-शोर से प्रवेश करता है — कभी-कभी कठोरता से ज़्यादा गति के साथ।
जब मॉडल ही लाभ नहीं होता
इस क्षेत्र में किसी निवेशक द्वारा की जाने वाली सबसे महंगी गलती एक मूलभूत मॉडल तक पहुँच को प्रतिस्पर्धात्मक स्थिति समझना है। ये दोनों एक नहीं हैं। जीनोमिक भाषा मॉडल एक आदान की श्रेणी की ओर अभिसरित हो रहे हैं: आवश्यक, लेकिन स्थायी लाभ बनाने के लिए पर्याप्त नहीं। गार्टनर उन्हें पहले से ही "रणनीतिक कच्चे माल" के रूप में वर्गीकृत करता है। समकक्ष मॉडल प्रशिक्षित करने की लागत लगातार घटती जा रही है। ओपन-सोर्स विकल्प लगातार आते रहते हैं।
यह तकनीक की आलोचना नहीं है। यह मूल्य की वास्तुकला पर एक अवलोकन है। जो कंपनी अपना प्रस्ताव ऐसे मॉडल तक पहुँच पर बनाती है जिसे दूसरे भी खरीद या प्रतिलिपि बना सकते हैं, उसके पास कोई खाई नहीं है; उसके पास बस एक शुरुआती बिंदु है। खाई कहीं और से आती है।
डीएनए-आधारित चिकित्सा के मामले में, संरचनात्मक लाभ यह जानने में नहीं है कि जीनोम एक भाषा है। यह इस क्षमता में है कि कौन-से अनुक्रम काम करते हैं और कौन-से नहीं — किन परिस्थितियों में, किन ऊतकों में, किस स्तर की चयनात्मकता के साथ — इस पर व्यवस्थित और संचयी रूप से अपने स्वयं के डेटा उत्पन्न करना। इसे डाउनलोड नहीं किया जा सकता। इसे प्रयोग दर प्रयोग, पिपेट के साथ, चूहों के साथ, दस्तावेज़ीकृत विफलताओं के साथ बनाया जाता है जो और किसी के पास नहीं हैं। जो कंपनी उस चक्र को — संगणनात्मक भविष्यवाणी से जैविक सत्यापन तक और वापस मॉडल तक — बंद करती है, उसके पास कुछ ऐसा है जिसे प्रतिस्पर्धी उसी एआई बुनियादी ढाँचे तक पहुँच खरीदकर दोहरा नहीं सकते।
संगणनात्मक बायोटेक्नोलॉजी में स्टार्टअप पारिस्थितिकी तंत्र का इस भेद के साथ एक आवर्ती समस्या है। प्रचुर पूँजी, शक्तिशाली तकनीकी आख्यान और अत्याधुनिक मॉडलों तक पहुँच ऐसी स्थितियाँ हैं जो कई लोग साझा करते हैं। पुनरावृत्त वेट-लैब निष्पादन द्वारा उत्पन्न स्वामित्व डेटा दुर्लभ संसाधन है। जब बाज़ार उन कंपनियों के बीच अंतर करता है जो मॉडल खरीदती हैं और जो चक्र बनाती हैं, तो वह अंतर एक रक्षनीय स्थिति और एक प्रयोगशाला वाली वस्तु के बीच की रेखा बन जाता है।
नियमन घर्षण नहीं, फ़िल्टर है
एक दूसरा आयाम है जिसे विशुद्ध तकनीकी विश्लेषण कम आँकते हैं: एक कठोर नियामक वातावरण में संचालन का मूल्य। मानव ऑन्कोलॉजी बारह सप्ताह के उत्पाद चक्रों से नहीं चलती। पशु परीक्षण, विनिर्माण समीक्षा, विभिन्न चरणों में एफडीए अनुमोदन — यह सब धीमा, महँगा और अपरिहार्य है। बाहर से, यह एक बाधा लगती है। रणनीति के भीतर से, यह बिल्कुल विपरीत है।
नियमन संरचनात्मक गुणवत्ता फ़िल्टर के रूप में काम करता है। जो कंपनियाँ नैदानिक सत्यापन प्रक्रिया को बनाए नहीं रख सकतीं, वे चरण 1 तक नहीं पहुँचतीं। जिनके पास पर्याप्त मज़बूत डेटा नहीं है, वे विनिर्माण समीक्षा पास नहीं करतीं। जो साक्ष्य पर आख्यान को प्राथमिकता देती हैं, वे बाज़ार में आने से पहले ही उजागर हो जाती हैं। यह केवल रोगी की रक्षा नहीं करता; यह लंबे क्षितिज वाले निवेशक की उन प्रतिस्पर्धियों से रक्षा करता है जो जल्दबाज़ी और बिना कठोरता के प्रवेश करते हैं।
कैंसर पर लागू प्रोग्रामेबल बायोलॉजी एक ऐसा क्षेत्र है जहाँ "लगता है कि काम करता है" कभी पर्याप्त नहीं रहा। यह माँग, जो कम नियमित क्षेत्रों में सीमित लगती है, यहाँ उसके लिए लाभ बन जाती है जो इसे सही ढंग से पार करता है। जो कंपनी पशु मॉडलों में सुरक्षा के पूर्ण डेटा पैकेज के साथ, अनुमोदित विनिर्माण प्रक्रिया समीक्षा के साथ और प्रदर्शित चयनात्मक सक्रियण प्रोफ़ाइल के साथ चरण 1 परीक्षण तक पहुँचती है, उसके पास एक ऐसा संपत्ति है जिसे ताज़ा पैसे से दोहराया नहीं जा सकता। उस प्रक्रिया में लगाया गया समय एक अवसर लागत नहीं है; यह एक निर्मित स्थिति है।
इसके इस क्षेत्र में स्टार्टअप का मूल्यांकन करने वाले निवेशकों के लिए भी प्रत्यक्ष निहितार्थ हैं। सबसे अधिक जानकारीपूर्ण संकेतक वह एआई मॉडल नहीं है जिसका वे उपयोग करते हैं, बल्कि उनकी अपनी प्रयोगात्मक प्रक्रिया की गुणवत्ता और गहराई है। एकल दौर में मूल्यांकन किए गए 2,50,000 उम्मीदवारों का एक पाइपलाइन, जिसमें प्रत्येक भिन्नता को लेबल किया गया हो और प्रणाली को फीडबैक दे रही हो, उस मूलभूत मॉडल के नाम से कहीं अधिक ठोस संकेत है जिस पर वह निर्भर करती है। जो डेटा और किसी के पास नहीं है, वह संपत्ति है; मॉडल उपकरण है।
चिकित्सीय डिज़ाइन एक वास्तुकला के सबक के रूप में
जिनेवा विश्वविद्यालय के दोहरे-मार्कर प्रणाली की तर्क-संरचना में कुछ ऐसा है जो इसके नैदानिक निहितार्थों से परे जाँचने योग्य है। यह डिज़ाइन एक पुरानी समस्या — पारंपरिक दवाओं की विशिष्टता की कमी — को एक अधिक शक्तिशाली अणु के माध्यम से नहीं, बल्कि एक अधिक सटीक सक्रियण स्थिति के माध्यम से हल करता है। यह अधिक नष्ट करने की कोशिश नहीं करता; यह बेहतर तरीके से नष्ट करने की कोशिश करता है। यह भेद वास्तुकलात्मक है।
जैव रसायन में, उस सिद्धांत को गेट लॉजिक कहते हैं। सॉफ्टवेयर इंजीनियरिंग में, यह सशर्त है। जोखिम रणनीति में, यह वैसा ही है जैसे ट्रिगर को हथियार से अलग करना: प्रणाली तब तक कार्य नहीं करती जब तक दो स्वतंत्र स्थितियाँ एक साथ पूरी नहीं हो जातीं। परिणाम यह होता है कि अनचाहे सक्रियण की दर संरचनात्मक रूप से गिरती है — खुराक समायोजन से नहीं, बल्कि डिज़ाइन से।
जो बात इस दृष्टिकोण को केवल चतुर नहीं बल्कि मज़बूत बनाती है, वह यह है कि यह औषध प्रतिरोध को शक्ति की समस्या के बजाय कवरेज की समस्या के रूप में संबोधित करता है। यदि कोई ट्यूमर किसी एजेंट के प्रति प्रतिरोध विकसित कर लेता है, तो प्रणाली को उसी सक्रियण घटना में कई एजेंट मुक्त करने के लिए डिज़ाइन किया जा सकता है। यह प्रतिरोध को समाप्त नहीं करता, लेकिन समस्या को ऐसे क्षेत्र में स्थानांतरित कर देता है जहाँ डिज़ाइनर के पास ट्यूमर से अधिक चर होते हैं जिनसे काम किया जा सके।
व्यापार मॉडल के लिए इसका निहितार्थ प्रत्यक्ष है। एक चिकित्सीय प्रणाली जिसे विभिन्न मार्कर संयोजनों और विभिन्न औषधीय भार के लिए मॉड्युलर बनाया जा सकता है, उसका उत्पाद प्रोफ़ाइल एकल-अणु दवा से बिल्कुल अलग होता है। प्रत्येक नया सत्यापित संयोजन संभावित रूप से एक नया उत्पाद है। संपत्ति एक अणु नहीं है; यह डिज़ाइन प्लेटफॉर्म और सत्यापित संयोजनों की वह सूची है जो प्रत्येक प्रयोगात्मक चक्र के साथ जमा होती रहती है। यह बदल देता है कि कंपनी का मूल्यांकन कैसे किया जाता है, बौद्धिक संपदा कैसे संरचित की जाती है और इस संदर्भ में स्केल करने का क्या अर्थ है।
पूँजी जीव विज्ञान का विकल्प नहीं है
एआई बायोटेक्नोलॉजी के वित्तपोषण में सबसे स्पष्ट जाल पूँजी का उपयोग जैविक समय के विकल्प के रूप में करना है। संगणनात्मक मॉडल उम्मीदवारों की पहचान में तेज़ी ला सकते हैं। वे साक्ष्य की गुणवत्ता को कम किए बिना नैदानिक सत्यापन की समय-सीमाओं को संकुचित नहीं कर सकते। और इस क्षेत्र में अवनत साक्ष्य कोई जनसंपर्क समस्या नहीं है। यह एक जोखिम है जो चरण 2 या 3 की विफलताओं में समाप्त होता है, जो एक दवा के पूरे जीवन चक्र में सबसे महँगी होती हैं।
इस क्षेत्र में सबसे नाज़ुक स्टार्टअप वे हैं जिन्हें पर्याप्त अपने प्रयोगात्मक सत्यापन से पहले एआई आख्यानों के साथ बड़े राउंड मिल गए। पूँजी जल्दी आती है। जैविक डेटा की परिपक्वता नहीं आती। जब दोनों वक्र संरेखित नहीं होते, तो पैसा समस्या का समाधान नहीं करता; यह उसे बाद में और अधिक लागत पर अधिक दृश्यमान बना देता है। बायोटेक्नोलॉजी में, इसका एक तकनीकी नाम है: नैदानिक निष्पादन जोखिम, और यही सबसे अधिक बार एक अच्छी कहानी को एक बुरे निवेश में बदल देता है।
इस क्षेत्र में सबसे रक्षनीय जोखिम प्रोफ़ाइल का एक विशिष्ट रूप है: तेज़ और व्यवस्थित प्रयोगात्मक पुनरावृत्ति, भविष्यसूचक मॉडल को निरंतर फीडबैक, और ऐसे डेटा के साथ चरण दर चरण नियामक प्रगति जो जमा होती है, तात्कालिक नहीं होती। यह संयोजन शानदार नहीं है। यह न तो सबसे बड़े राउंड उत्पन्न करता है और न ही सबसे आकर्षक सुर्खियाँ। लेकिन यही एकमात्र ऐसा है जो उस प्रकार की संपत्ति उत्पन्न करता है जिसे दोहराया नहीं जा सकता: समय के साथ एक ऐसी प्रक्रिया द्वारा उत्पन्न जैविक सटीकता के स्वामित्व डेटा जिसे बनाने का अनुशासन और किसी में नहीं था।
उद्यम पूँजी का बाज़ार समय-समय पर संरचनाओं से अधिक आख्यानों का समर्थन करता है। एआई बायोटेक्नोलॉजी में यह विशेष रूप से स्पष्ट है क्योंकि जीनोमिक्स और भाषा मॉडलों का अभिसरण वास्तव में शक्तिशाली और वास्तव में नया है। लेकिन इस क्षेत्र में एक कंपनी की संरचनात्मक गुणवत्ता उसके द्वारा उपयोग किए जाने वाले मॉडल से नहीं मापी जाती। यह उसके प्रयोगात्मक चक्र की गहराई, उसकी नियामक प्रक्रिया की मज़बूती और उसके डेटा की अपुनरावृत्तीयता से मापी जाती है। इन तीनों चीज़ों में समय, संस्थागत दृढ़ता और एक ऐसा निष्पादन लगता है जिसे पूँजी वित्त पोषित कर सकती है लेकिन प्रतिस्थापित नहीं कर सकती।
