Tuhannet tekoälyagentit etsivät uusia johtolankoja biologisesta datasta

Entä jos tutkijat voisivat löytää uusia johtolankoja Alzheimerin ja Parkinsonin taudeista minuuteissa kuukausien sijaan? OpenAI, PerturbAI⁠(avautuu uudessa ikkunassa) ja Scripps Research⁠(avautuu uudessa ikkunassa) analysoivat ja tulkitsivat yhteistyössä miljoonista hiiren aivosoluista⁠(avautuu uudessa ikkunassa) kerättyä kokeellista aineistoa vain 32 minuutissa käyttäen tuhansia GPT‑Rosalindiin perustuvia tekoälyagentteja⁠(avautuu uudessa ikkunassa). Agentit yhdistivät geenien toiminnan häiritsemisen vaikutuksia tieteellisen kirjallisuuden havaintoihin. Näin ne löysivät odottamattomia biologisia yhteyksiä, jotka voivat auttaa tutkijoita ymmärtämään sairauksia ja löytämään tutkimussuuntia uusien hoitojen kehittämiseksi. Työ osoittaa, miten tekoäly voi auttaa tutkijoita selvittämään kattavammin, mitä laajat biologiset kokeet paljastavat.

Nykyiset kokeet tuottavat paljon enemmän dataa kuin tutkijat ehtivät perusteellisesti tutkia. Tutkijat voivat nyt muokata tuhansia geenejä ja mitata niiden vaikutuksia miljoonissa soluissa. Tulosten merkityksen ymmärtäminen ihmisten sairauksien kannalta edellyttää kuitenkin monimutkaisten kokeellisten havaintojen yhdistämistä vuosikymmenten aikana kertyneeseen, hajallaan olevaan tieteelliseen tietoon. Juuri tässä tekoäly voi auttaa tutkijoita löytämään lupaavia johtolankoja, jotka saattaisivat muuten jäädä huomaamatta.

Tutkimusryhmä jakoi analyysin tuhansien GPT‑Rosalindiin perustuvien tekoälyagenttien kesken. Kutsumme tätä lähestymistapaa hajautetuksi biologiseksi päättelyksi. Agentit tarkastelivat koko aivojen CRISPR-kartastoa⁠(avautuu uudessa ikkunassa). Se on aineisto, joka kuvaa geenien toiminnan häiritsemisen vaikutuksia eri solutyyppeihin hiiren aivojen eri osissa. Kukin agentti tutki yhden geenin toiminnan häiritsemistä, analysoi soluvasteita, teki hakuja tieteellisestä kirjallisuudesta ja ehdotti selityksiä tuloksille. Niiden raportit koottiin päättelykartastoksi, joka yhdistää geenit, solutason vaikutukset, aiheeseen liittyvät julkaisut ja mahdolliset biologiset mekanismit.

Tutkimusryhmä arvioi, että vastaava ihmisten tekemä analyysi ja kirjallisuuskatsaus veisi kuukausista vuoteen, jos kukin perturbaatio käsiteltäisiin erikseen. Agentit toistivat ihmisten tekemien analyysien löydökset ja löysivät samalla uusia johtolankoja. Myös niiden arviot löydösten uutuusarvosta ja tieteellisestä merkityksestä vastasivat sokkoutettujen asiantuntijoiden arvioita. Nämä löydökset auttavat priorisoimaan jatkokokeita, joita tarvitaan ehdotettujen biologisten mekanismien testaamiseen.

Osa havainnoista tarjoaa uusia johtolankoja aivosairauksien ymmärtämiseen. Agentit tunnistivat odottamattomia eroja kahden sairauksiin liittyvän geenin vaikutuksissa aivosoluihin sekä mahdollisen yhteyden kolesterolin säätelyn ja hermoston rappeutumisen välillä. Nämä löydökset voisivat auttaa tutkijoita selvittämään, miten sairaudet kehittyvät ja mihin tulevilla hoidoilla voitaisiin vaikuttaa.

Tutkijat voivat aloittaa näihin löydöksiin perehtymisen jo tänään. Päättelykartasto on saatavilla⁠(avautuu uudessa ikkunassa), joten tutkijat voivat vertailla toisiinsa liittyviä geenejä, tutkia odottamattomia vasteita ja tunnistaa lupaavia jatkotutkimuksen kohteita. Uusia löytöjä syntyy usein, kun eri alojen tutkijat yhdistävät osaamisensa ja liittävät tuttuja ajatuksia toisiinsa odottamattomilla tavoilla. Tekoäly voi auttaa löytämään näitä yhteyksiä huomattavasti laajemmin yhdistämällä uutta dataa eri tieteenaloille hajautuneeseen tietoon. Mahdollisuudet eivät rajoitu datan nopeampaan analysointiin. Yhdistämällä tekoälyn kokeelliseen biologiaan, ihmisten asiantuntemukseen ja tieteelliseen kirjallisuuteen voimme auttaa tutkijoita jalostamaan yhä suuremman osan datastaan testattaviksi ideoiksi.

Osa kokeen kiinnostavimmista johtolangoista löytyy sen ulkopuolelta, mitä tutkijat alun perin lähtivät selvittämään. Tuhansia perturbaatioita kattavassa aineistossa nämä johtolangat voivat helposti jäädä huomaamatta.

Agentit tunnistivat odottamattoman eron Tsc1- ja Tsc2-geenien välillä. Nämä geenit säätelevät yhdessä mTOR:ää, joka on keskeinen solujen kasvun, aineenvaihdunnan ja ikääntymisen säätelijä. Kummankin geenin toiminnan häiritseminen vaikutti samalla tavoin useisiin hermosoluryhmiin. Liikkeiden koordinointiin osallistuvissa pikkuaivoissa Tsc2-geenin toiminnan häiritseminen kuitenkin muutti kymmenien hermosolujen väliseen viestintään liittyvien geenien aktiivisuutta, kun taas Tsc1-geenin toiminnan häiritseminen aiheutti vain vähän muutoksia.

Tällä erolla voi olla merkitystä ihmisten sairauksien kannalta. Tuberoosiskleroosia sairastavilla pikkuaivojen poikkeavuudet liittyvät vahvasti TSC2-mutaatioihin. Vaikka mTOR:n aktiivisuutta vähentävillä lääkkeillä voidaan hoitaa tiettyjä aivokasvaimia ja epileptisiä kohtauksia, sairauteen liittyvien oppimis- ja käyttäytymisvaikeuksien hoitaminen on edelleen haastavaa. Agentit paikansivat tietyn hermosoluryhmän ja solutason muutoksia, joita kannattaa tutkia: mitä muutoksia nykyiset lääkkeet voisivat korjata, ja mitkä voisivat ohjata kohti uusia hoitotapoja? Näin tutkijat saavat täsmällisempiä kysymyksiä selvitettäväksi laboratoriossa.

Voisiko yksi agentti, jolle annetaan koko aineisto, suoriutua yhtä hyvin kuin tuhannet rinnakkain toimivat agentit? Testasimme tätä pitämällä mallin ja resurssit samoina. Työmäärän kasvaessa yksittäinen agentti kävi läpi yhä vähemmän kirjallisuutta. Suurimmalla työmäärällä se viittasi vain 11 lähteeseen, kun taas hajautetut agentit viittasivat yli 700 lähteeseen. Myös asiantuntijat pitivät hajautettujen agenttien tulkintoja parempina.

Tutkijoiden aika on rajallista, ja he keskittyvät usein aineistonsa vahvimpiin signaaleihin. Hajautetut agentit voivat auttaa tarkastelemaan laajempaa kirjoa vasteita, myös hienovaraisia tai odottamattomia, ja yhdistämään ne aiheeseen liittyvään tieteelliseen kirjallisuuteen. Agenttien rinnakkainen toiminta mahdollistaa monien perturbaatioiden tutkimisen samanaikaisesti. Näin tutkijat voivat perehtyä kokeen tuloksiin kattavammin ja tunnistaa lupaavia johtolankoja, jotka saattaisivat muuten jäädä huomaamatta.

Löydöksen arvo kasvaa, kun se antaa aiheen kokeelle, joka kannattaa tehdä. Agentit löysivät yhden tällaisen johtolangan DCTN1-geenistä, jonka mutaatiot aiheuttavat Perryn oireyhtymää. Se on hermostoa rappeuttava sairaus, jonka oireet muistuttavat Parkinsonin tautia.

DCTN1 osallistuu aineiden kuljettamiseen hermosolujen sisällä. Koko aivojen CRISPR-kartastossa Dctn1-geenin toiminnan häiritseminen lisäsi kolesterolin tuotantoon osallistuvien geenien ilmentymistä. Agentit yhdistivät tämän havainnon tutkimuksiin, joiden mukaan kolesterolin kuljetuksen ongelmat voivat saada solut tuottamaan enemmän kolesterolia. Tästä heräsi kysymys jatkokokeisiin: voisiko DCTN1-geenin toiminnan häiritseminen muuttaa kolesterolin jakautumista hermosoluissa, ja voisivatko nämä muutokset edistää hermoston rappeutumista? Jos näin on, voisiko kolesterolin normaalin jakautumisen palauttaminen auttaa suojaamaan hermosoluja?

Myös asiantuntijat pitivät tätä hypoteesia uutena, merkittävänä ja jatkotutkimuksen arvoisena. Esimerkki osoittaa, miten odottamattoman tuloksen yhdistäminen olemassa olevaan tietoon voi muuttaa johtolangan testattavaksi ideaksi ja mahdollisesti avata uuden suunnan sairauden hoidossa.

Tutkijoilla on edelleen keskeinen rooli uusien löytöjen tekemisessä. Tuomalla esiin lisää lupaavia johtolankoja tekoäly voi auttaa tutkijoita valitsemaan jatkokehittelyn arvoiset ideat, suunnittelemaan kokeita ja tulkitsemaan tuloksia. Tavoitteena on jalostaa yhä suurempi osa biologisten kokeiden tuottamasta informaatiosta tiedoksi, joka voi ajan mittaan auttaa ohjaamaan parempien lääkkeiden kehitystä.