Menggunakan ribuan agen AI untuk menemukan petunjuk baru dalam data biologis

Bagaimana jika ilmuwan bisa menemukan petunjuk baru tentang Alzheimer dan Parkinson dalam hitungan menit, bukan bulan? Melalui kerja sama, OpenAI, PerturbAI⁠(terbuka di jendela baru), dan Scripps Research⁠(terbuka di jendela baru) menggunakan ribuan agen AI berbasis GPT‑Rosalind⁠(terbuka di jendela baru) untuk menganalisis dan menafsirkan data eksperimen yang sudah ada dari jutaan sel otak mencit⁠(terbuka di jendela baru) hanya dalam 32 menit. Para agen menghubungkan dampak gangguan gen dengan temuan dari literatur ilmiah, mengungkap keterkaitan biologis tak terduga yang dapat membantu ilmuwan memahami penyakit dan menentukan arah riset untuk pengobatan baru. Penelitian ini menunjukkan bagaimana AI dapat membantu peneliti menggali lebih banyak hal yang terungkap dari eksperimen biologi berskala besar.

Eksperimen modern menghasilkan data yang jauh melampaui kemampuan ilmuwan untuk mengkajinya secara menyeluruh. Kini peneliti dapat mengubah ribuan gen dan mengukur dampaknya pada jutaan sel. Namun, untuk memahami makna hasil tersebut bagi penyakit manusia, temuan eksperimen yang kompleks perlu dihubungkan dengan pengetahuan ilmiah yang tersebar selama puluhan tahun. Di sinilah AI dapat membantu ilmuwan menemukan petunjuk menjanjikan yang mungkin terlewatkan.

Tim membagi pekerjaan analisis kepada ribuan agen AI berbasis GPT‑Rosalind, sebuah pendekatan yang kami sebut penalaran biologis terdistribusi. Para agen mengkaji atlas CRISPR seluruh otak⁠(terbuka di jendela baru), kumpulan data yang menunjukkan bagaimana gangguan gen memengaruhi berbagai jenis sel di seluruh otak mencit. Setiap agen menyelidiki satu gangguan gen, menganalisis respons seluler, menelusuri literatur ilmiah, dan mengusulkan penjelasan atas hasilnya. Laporan mereka digabungkan menjadi atlas penalaran yang menghubungkan gen, dampak seluler, publikasi terkait, dan kemungkinan mekanisme biologis.

Tim peneliti memperkirakan bahwa analisis dan tinjauan literatur setara yang dilakukan manusia, satu perturbasi demi satu, akan memerlukan waktu berbulan-bulan hingga satu tahun. Para agen berhasil mereproduksi temuan dari analisis manusia sekaligus mengungkap petunjuk tambahan. Penilaian mereka atas kebaruan dan nilai ilmiah juga selaras dengan penilaian pakar manusia yang tidak diberi tahu asal laporan. Temuan ini membantu menentukan prioritas eksperimen lanjutan yang diperlukan untuk menguji mekanisme biologis yang diusulkan.

Sebagian wawasan ini memberikan petunjuk baru untuk memahami penyakit otak. Para agen mengidentifikasi perbedaan tak terduga dalam dampak dua gen terkait penyakit terhadap sel otak, serta potensi hubungan antara pengaturan kolesterol dan neurodegenerasi. Temuan ini dapat membantu ilmuwan menyelidiki bagaimana penyakit berkembang dan pada tahap mana pengobatan di masa depan dapat bekerja.

Peneliti dapat mulai mengeksplorasi temuan ini sekarang. Atlas penalaran ini tersedia untuk diakses⁠(terbuka di jendela baru), sehingga ilmuwan dapat membandingkan gen yang berkaitan, menyelidiki respons tak terduga, dan menemukan petunjuk menjanjikan untuk ditindaklanjuti. Penemuan baru sering muncul ketika peneliti dari berbagai bidang memadukan keahlian mereka dan menghubungkan gagasan yang sudah dikenal dengan cara tak terduga. AI dapat memperluas keterkaitan ini secara signifikan dengan menghubungkan data baru dan pengetahuan yang tersebar di berbagai disiplin ilmu. Peluangnya bukan sekadar menganalisis data dengan lebih cepat. Dengan memadukan AI, biologi eksperimental, keahlian manusia, dan literatur ilmiah, kita dapat membantu ilmuwan mengubah lebih banyak data mereka menjadi gagasan yang bisa diuji.

Sebagian petunjuk paling menarik dari sebuah eksperimen berada di luar fokus awal penyelidikan ilmuwan. Dalam kumpulan data yang mencakup ribuan perturbasi, petunjuk tersebut mudah terlewatkan.

Para agen mengidentifikasi perbedaan tak terduga antara Tsc1 dan Tsc2, dua gen yang bekerja sama mengendalikan mTOR, pengatur utama pertumbuhan sel, metabolisme, dan penuaan. Gangguan pada salah satu dari kedua gen tersebut menimbulkan dampak serupa pada beberapa kelompok neuron. Namun, di otak kecil yang membantu mengoordinasikan gerakan, gangguan pada Tsc2 mengubah aktivitas puluhan gen yang berperan dalam komunikasi antarneuron, sedangkan gangguan pada Tsc1 hanya menimbulkan sedikit perubahan.

Perbedaan itu mungkin relevan dengan penyakit manusia. Pada penderita sklerosis tuberosa, kelainan otak kecil berkaitan erat dengan mutasi TSC2. Meski obat yang menurunkan aktivitas mTOR dapat mengobati tumor otak dan kejang tertentu, kesulitan belajar dan masalah perilaku yang terkait dengan penyakit ini masih sulit ditangani. Para agen mengidentifikasi kelompok neuron tertentu dan perubahan seluler yang layak diselidiki: perubahan mana yang mungkin bisa diperbaiki oleh obat yang ada, dan mana yang mungkin mengarah pada pendekatan pengobatan baru? Hal ini memberi peneliti serangkaian pertanyaan yang lebih spesifik untuk diuji di laboratorium.

Bisakah satu agen yang diberi seluruh kumpulan data bekerja sebaik ribuan agen yang bekerja secara paralel? Kami mengujinya dengan model dan sumber daya yang sama. Seiring bertambahnya beban kerja, agen tunggal menelusuri lebih sedikit literatur dan hanya mengutip 11 referensi pada beban kerja terbesar, sedangkan agen terdistribusi mengutip lebih dari 700 referensi. Para pakar manusia juga lebih menyukai interpretasi agen terdistribusi.

Waktu para ilmuwan terbatas, dan mereka sering berfokus pada sinyal terkuat dalam data. Agen terdistribusi dapat membantu mengkaji respons yang lebih beragam, termasuk yang samar atau tak terduga, serta menghubungkannya dengan literatur ilmiah yang relevan. Dengan menjalankan agen secara paralel, banyak perturbasi dapat diselidiki sekaligus. Hal ini membantu ilmuwan menggali lebih banyak informasi dari suatu eksperimen dan menemukan petunjuk menjanjikan yang mungkin terlewatkan.

Sebuah temuan menjadi lebih bernilai ketika mengarah pada eksperimen yang layak dilakukan. Para agen menemukan salah satu petunjuk tersebut pada DCTN1, gen yang mutasinya menyebabkan sindrom Perry, penyakit neurodegeneratif dengan gejala mirip Parkinson.

DCTN1 berperan dalam pengangkutan muatan di dalam neuron. Dalam atlas CRISPR seluruh otak, gangguan pada Dctn1 meningkatkan ekspresi gen yang berperan dalam produksi kolesterol. Para agen menghubungkan pengamatan ini dengan penelitian yang mengindikasikan bahwa masalah pengangkutan kolesterol dapat menyebabkan sel memproduksi lebih banyak kolesterol. Hal ini memunculkan pertanyaan untuk eksperimen lanjutan: mungkinkah gangguan pada DCTN1 mengubah distribusi kolesterol di dalam neuron, dan mungkinkah perubahan tersebut berkontribusi terhadap neurodegenerasi? Jika demikian, dapatkah pemulihan distribusi kolesterol yang normal membantu melindungi neuron?

Para pakar manusia juga menilai hipotesis ini baru, berdampak penting, dan layak ditindaklanjuti. Contoh ini menunjukkan bahwa menghubungkan hasil tak terduga dengan pengetahuan yang ada dapat mengubah petunjuk menjadi gagasan yang bisa diuji, dan berpotensi membuka arah baru dalam pengobatan penyakit.

Ilmuwan tetap menjadi penggerak utama penemuan. Dengan mengungkap lebih banyak petunjuk menjanjikan, AI dapat membantu peneliti memilih gagasan untuk ditindaklanjuti, merancang eksperimen, dan menafsirkan hasilnya. Tujuannya adalah mengubah lebih banyak informasi dari eksperimen biologi menjadi pengetahuan yang, seiring waktu, dapat membantu mengarahkan pengembangan obat yang lebih baik.