Libo-libong AI agent para tumukoy ng bagong direksyon sa biyolohikal na datos

Paano kung makatuklas ang mga siyentipiko ng mga bagong pahiwatig tungkol sa Alzheimer’s at Parkinson’s sa loob ng ilang minuto sa halip na ilang buwan? Sa pagtutulungan ng OpenAI, PerturbAI⁠(magbubukas sa bagong window), at Scripps Research⁠(magbubukas sa bagong window), ginamit nila ang libo-libong AI agent na pinapagana ng GPT‑Rosalind⁠(magbubukas sa bagong window) upang suriin at bigyang-kahulugan ang umiiral na datos ng eksperimento mula sa milyon-milyong selula ng utak ng daga⁠(magbubukas sa bagong window) sa loob lamang ng 32 minuto. Iniugnay ng mga agent ang mga epekto ng paggambala sa mga gene sa mga natuklasan sa siyentipikong literatura. Natukoy nila ang mga hindi inaasahang biyolohikal na ugnayan na makakatulong sa mga siyentipiko na maunawaan ang sakit at matukoy ang mga direksyon ng pananaliksik para sa mga bagong paggamot. Ipinapakita ng pag-aaral kung paano matutulungan ng AI ang mga mananaliksik na mas masinsing galugarin ang mga natutuklasan sa malalaking biyolohikal na eksperimento.

Ang mga modernong eksperimento ay lumilikha ng datos na higit na mas marami kaysa sa kayang masusing siyasatin ng mga siyentipiko. Kaya na ngayong baguhin ng mga mananaliksik ang libo-libong gene at sukatin ang mga epekto nito sa milyon-milyong selula. Ngunit upang maunawaan ang kahulugan ng mga resultang ito para sa sakit ng tao, kailangang iugnay ang mga komplikadong natuklasan sa eksperimento sa ilang dekadang siyentipikong kaalamang nakakalat sa iba't ibang sanggunian. Dito makakatulong ang AI sa mga siyentipiko na tumukoy ng mga potensyal na direksyon ng pananaliksik na maaaring hindi nila mapansin.

Hinati ng pangkat ang pagsusuri sa libo-libong AI agent na pinapagana ng GPT‑Rosalind, isang pamamaraang tinatawag naming hati-hating biyolohikal na pangangatwiran. Sinuri ng mga agent ang isang CRISPR atlas ng buong utak⁠(magbubukas sa bagong window), isang dataset na nagpapakita kung paano naaapektuhan ng mga paggambala sa gene ang iba't ibang uri ng selula sa buong utak ng daga. Bawat agent ay nagsiyasat ng isang paggambala sa gene, nagsuri ng mga tugon ng selula, naghanap sa siyentipikong literatura, at nagmungkahi ng mga paliwanag para sa mga resulta. Pinagsama ang kanilang mga ulat sa isang atlas ng pangangatwiran na nag-uugnay sa mga gene, epekto sa selula, kaugnay na publikasyon, at posibleng biyolohikal na mekanismo.

Tinantiya ng pangkat ng mga mananaliksik na aabot ng ilang buwan hanggang isang taon ang katumbas na pagsusuri at pagrerepaso ng literatura kung tao ang gagawa nito at isa-isang sisiyasatin ang bawat pagbabago sa gene. Natukoy rin ng mga agent ang mga natuklasan sa pagsusuri ng tao, kasabay ng pagtukoy ng mga karagdagang direksyon ng pananaliksik. Ang kanilang mga pagtatasa sa pagiging bago at siyentipikong halaga ay tumugma rin sa paghatol ng mga ekspertong taong hindi sinabihan kung saan nagmula ang mga ulat. Nakakatulong ang mga natuklasang ito sa pagtakda ng priyoridad para sa mga karagdagang eksperimentong kailangan upang subukan ang mga iminungkahing biyolohikal na mekanismo.

Ang ilan sa mga kaalamang ito ay nagtuturo sa mga bagong direksyon para sa pag-unawa sa sakit sa utak. Natukoy ng mga agent ang mga hindi inaasahang pagkakaiba sa epekto sa mga selula ng utak ng dalawang gene na nauugnay sa sakit, pati na ang isang posibleng ugnayan ng regulasyon ng kolesterol at pagkasira ng mga neuron. Maaaring makatulong ang mga natuklasang ito sa mga siyentipiko na siyasatin kung paano nabubuo ang sakit at kung saang bahagi ng prosesong ito maaaring kumilos ang mga paggamot sa hinaharap.

Maaari nang simulan ng mga mananaliksik ang paggalugad sa mga natuklasang ito ngayon. Maaari nang ma-access⁠(magbubukas sa bagong window) ang atlas ng pangangatwiran upang maikumpara ng mga siyentipiko ang magkakaugnay na gene, masiyasat ang mga hindi inaasahang tugon, at matukoy ang mga potensyal na direksyong maaaring ituloy. Madalas na may mga bagong natutuklasan kapag pinagsasama ng mga mananaliksik mula sa iba't ibang larangan ang kanilang kadalubhasaan at pinag-uugnay ang mga pamilyar na ideya sa mga hindi inaasahang paraan. Kayang lubos na palawakin ng AI ang mga ugnayang ito sa pamamagitan ng pag-uugnay ng bagong datos sa kaalamang nakakalat sa iba't ibang disiplina. Higit pa sa mas mabilis na pagsusuri ng datos ang oportunidad na ito. Sa pagsasama ng AI, eksperimental na biyolohiya, kadalubhasaan ng tao, at siyentipikong literatura, matutulungan natin ang mga siyentipiko na gawing mga nasusubok na ideya ang mas marami sa kanilang datos.

Ang ilan sa mga pinakakawili-wiling pahiwatig sa isang eksperimento ay nasa labas ng orihinal na pakay ng pagsisiyasat ng mga siyentipiko. Sa isang dataset na sumasaklaw sa libo-libong pagbabago sa gene, madaling hindi mapansin ang mga pahiwatig na iyon.

Natukoy ng mga agent ang isang hindi inaasahang pagkakaiba sa pagitan ng Tsc1 at Tsc2, dalawang gene na nagtutulungan upang kontrolin ang mTOR, isang pangunahing tagapagregula ng paglaki, metabolismo, at pagtanda ng selula. Magkatulad ang epekto sa ilang pangkat ng mga neuron ng paggambala sa alinman sa dalawang gene. Ngunit sa cerebellum, na tumutulong sa koordinasyon ng paggalaw, binago ng paggambala sa Tsc2 ang aktibidad ng dose-dosenang gene na may papel sa komunikasyon ng mga neuron, samantalang kaunting pagbabago lamang ang dulot ng paggambala sa Tsc1.

Maaaring may kaugnayan ang pagkakaibang iyon sa sakit ng tao. Sa mga taong may tuberous sclerosis, malakas ang ugnayan ng mga abnormalidad sa cerebellum at mga mutasyon sa TSC2. Bagaman nagagamot ng mga gamot na nagpapababa ng aktibidad ng mTOR ang ilang tumor sa utak at mga seizure, mahirap pa ring tugunan ang mga problema sa pagkatuto at pag-uugali na kaugnay ng sakit. Tinukoy ng mga agent ang isang partikular na pangkat ng mga neuron at mga pagbabago sa selula na sulit siyasatin: aling mga pagbabago ang maaaring maitama ng mga kasalukuyang gamot, at alin ang maaaring magturo sa mga bagong paraan ng paggamot? Nagbibigay ito sa mga mananaliksik ng mas tiyak na hanay ng mga tanong na masasagot sa pamamagitan ng mga pagsubok sa laboratoryo.

Kaya bang pantayan ng isang agent na binigyan ng buong dataset ang libo-libong agent na sabay-sabay na nagtatrabaho? Sinubukan namin ito nang hindi binabago ang modelo at mga mapagkukunan. Habang dumarami ang gawain, mas kaunting literatura ang nasasaliksik ng nag-iisang agent. Sa pinakamabigat na gawain, 11 sanggunian lamang ang binanggit nito, samantalang mahigit 700 ang binanggit ng mga agent na may hati-hating gawain. Mas pinili rin ng mga ekspertong tao ang mga interpretasyon ng mga agent na may hati-hating gawain.

Limitado ang oras ng mga siyentipiko at madalas silang tumuon sa pinakamalilinaw na senyales sa kanilang datos. Makakatulong ang mga agent na may hati-hating gawain sa pagsusuri ng mas malawak na hanay ng mga tugon, kabilang ang mga banayad o hindi inaasahan, at sa pag-uugnay ng mga ito sa kaugnay na siyentipikong literatura. Sa sabay-sabay na pagpapatakbo ng mga agent, maraming pagbabago sa gene ang maaaring siyasatin nang sabay-sabay. Tinutulungan nito ang mga siyentipiko na mas masinsing galugarin ang mga resulta ng isang eksperimento at matukoy ang mahahalagang direksyon ng pananaliksik na maaaring hindi nila mapansin.

Nagiging mas mahalaga ang isang natuklasan kapag nagtuturo ito sa isang eksperimentong sulit gawin. Natukoy ng mga agent ang isang ganitong direksyon sa DCTN1, isang gene na ang mga mutasyon ay nagdudulot ng Perry syndrome, isang sakit na sumisira sa mga neuron at may mga sintomas na kahawig ng Parkinson’s.

May papel ang DCTN1 sa paglilipat ng mga materyal sa loob ng mga neuron. Sa CRISPR atlas ng buong utak, ang paggambala sa Dctn1 ay nagpataas ng ekspresyon ng mga gene na may papel sa paggawa ng kolesterol. Iniugnay ng mga agent ang obserbasyong ito sa pananaliksik na nagpapahiwatig na ang mga problema sa transportasyon ng kolesterol ay maaaring mag-udyok sa mga selula na gumawa ng mas maraming kolesterol. Nagbukas ito ng isang tanong para sa mga susunod na eksperimento: maaari bang baguhin ng paggambala sa DCTN1 ang distribusyon ng kolesterol sa loob ng mga neuron, at maaari bang mag-ambag ang mga pagbabagong iyon sa pagkasira ng mga neuron? Kung gayon, makakatulong kaya sa pagprotekta ng mga neuron ang pagpapanumbalik ng normal na distribusyon ng kolesterol?

Itinuring din ng mga ekspertong tao na bago, mahalaga ang posibleng epekto, at sulit pang siyasatin ang haypotesis na ito. Ipinapakita ng halimbawang ito kung paanong ang pag-uugnay ng isang hindi inaasahang resulta sa umiiral na kaalaman ay maaaring gawing nasusubok na ideya ang isang pahiwatig, at posibleng magbukas ng bagong direksyon sa paggamot ng sakit.

Nananatili ang mga siyentipiko sa sentro ng pagtuklas. Sa pagtukoy ng mas maraming potensyal na direksyon, makakatulong ang AI sa mga mananaliksik na magpasya kung aling mga ideya ang itutuloy, magdisenyo ng mga eksperimento, at bigyang-kahulugan ang mga resulta. Layunin nitong gawing kaalaman ang mas maraming impormasyon mula sa mga biyolohikal na eksperimento—kaalamang makakatulong, sa paglipas ng panahon, na gabayan ang pagbuo ng mas mahuhusay na gamot.