数千の AI エージェントによる生物学データからの新たな手掛かりの発見

アルツハイマー病やパーキンソン病の新たな手掛かりを、研究者が数か月ではなく数分で見つけられるとしたら、どうでしょうか。OpenAI、PerturbAI⁠（新しいウィンドウで開く）、Scripps Research⁠（新しいウィンドウで開く） は共同で、GPT‑Rosalind を搭載した数千の AI エージェント⁠（新しいウィンドウで開く）を活用し、数百万個のマウス脳細胞⁠（新しいウィンドウで開く）の既存の実験データを、わずか 32 分で分析・解釈しました。エージェントは、遺伝子破壊の影響を科学文献の知見と結び付け、予想外の生物学的な関連を見いだしました。こうした関連は、研究者が疾患を理解し、新たな治療法に向けた研究の方向性を定めるのに役立ちます。この取り組みは、大規模な生物学実験から得られる知見を研究者がより広く探索するうえで、AI がどのように役立つかを示しています。

現代の実験では、研究者が十分に調べ尽くせる量をはるかに超えるデータが生まれています。今では、数千の遺伝子を改変し、その影響を数百万個の細胞にわたって測定できます。しかし、こうした結果がヒトの疾患にとって何を意味するのかを理解するには、複雑な実験結果を、数十年にわたって蓄積され、各所に散在する科学的知識と結び付ける必要があります。ここで AI は、見逃されていたかもしれない有望な手掛かりを研究者が見つけるのに役立ちます。

チームは、GPT‑Rosalind を搭載した数千の AI エージェントに分析を分担させました。私たちはこの手法を「分散型生物学推論」と呼んでいます。エージェントが調べたのは、全脳 CRISPR アトラス⁠（新しいウィンドウで開く）です。これは、遺伝子破壊がマウスの脳全体にわたるさまざまな細胞種にどう影響するかを示したデータセットです。各エージェントは、遺伝子破壊を調べ、細胞の反応を分析し、科学文献を検索したうえで、結果を説明する仮説を提案しました。各レポートは、遺伝子、細胞への影響、関連文献、考えられる生物学的メカニズムを結び付けた推論アトラスに統合されました。

研究チームの推定では、人間が摂動を 1 つずつ取り上げ、同等の分析と文献調査を行うには、数か月から 1 年かかります。エージェントは、人間による分析の知見を再現するとともに、新たな手掛かりも見いだしました。新規性や科学的価値に対するエージェントの評価も、盲検下で評価した人間の専門家の判断と一致していました。これらの知見は、提案された生物学的メカニズムを検証するために必要な追加実験の優先順位付けに役立ちます。

こうして得られた知見の一部は、脳疾患の理解に向けた新たな手掛かりを示しています。エージェントは、疾患に関連する 2 つの遺伝子が脳細胞に及ぼす影響に予想外の違いがあることを見いだしました。また、コレステロールの調節と神経変性が関連する可能性も特定しました。これらの知見は、疾患がどのように発症し、将来の治療でどこに介入できるのかを研究者が調べるうえで役立つ可能性があります。

研究者は、これらの知見の探索を今すぐ始められます。推論アトラスは公開されており⁠（新しいウィンドウで開く）、研究者は関連する遺伝子を比較し、予想外の反応を調べ、追究すべき有望な手掛かりを見つけられます。新たな発見は、異なる分野の研究者が専門知識を持ち寄り、よく知られた考えを意外な形で結び付けることで生まれることがよくあります。AI は、新しいデータを分野横断的に散在する知識と結び付けることで、こうしたつながりを大幅に広げられます。その可能性は、データ分析の高速化にとどまりません。AI を実験生物学、人間の専門知識、科学文献と組み合わせることで、研究者がより多くのデータを検証可能なアイデアへと変えられるよう支援できます。

実験で得られる特に興味深い手掛かりの中には、研究者が当初調べようとしていた筋道の外にあるものもあります。数千の摂動にわたるデータセットでは、そうした手掛かりは見逃されがちです。

エージェントは、Tsc1 と Tsc2 の間に予想外の違いを見いだしました。この 2 つの遺伝子は協調して、細胞の成長、代謝、老化の主要な調節因子である mTOR を制御しています。複数のニューロン群では、どちらの遺伝子を破壊しても同様の影響が見られました。しかし、運動の協調に関わる小脳では、Tsc2 の破壊によってニューロン間の情報伝達に関与する数十の遺伝子の活性が変化した一方、Tsc1 の破壊ではほとんど変化がありませんでした。

この違いは、ヒトの疾患にも関係する可能性があります。結節性硬化症の患者では、小脳の異常と TSC2 の変異が強く関連しています。mTOR の活性を抑える薬は、一部の脳腫瘍や発作の治療に使えますが、この疾患に伴う学習や行動の困難への対応は、依然として課題です。エージェントは、詳しく調べる価値のある特定のニューロン群と細胞の変化を特定しました。どの変化は既存薬で是正でき、どの変化が新たな治療法の手掛かりとなるのでしょうか。これにより、研究者は実験室で検証すべき問いを、より具体的に絞り込めます。

データセット全体を与えられた単一のエージェントは、並列で動く数千のエージェントと同等の成果を出せるのでしょうか。モデルとリソースを一定に保ち、この問いを検証しました。作業量が増えるにつれて、単一エージェントが調べる文献は減少しました。作業量が最大の条件では、引用した文献はわずか 11 件でしたが、分散エージェントは 700 件以上を引用しました。人間の専門家も、分散エージェントによる解釈をより高く評価しました。

研究者が使える時間は限られているため、データの中でも最も強いシグナルに注目しがちです。分散エージェントは、微細な反応や予想外の反応も含めて幅広く調べ、関連する科学文献と結び付けるのに役立ちます。エージェントを並列で実行すれば、多数の摂動を一度に調べられます。これにより、研究者は実験に含まれる情報をより広く探索し、見逃していたかもしれない有望な手掛かりを見つけられます。

発見の価値は、取り組む意義のある実験につながることで、さらに高まります。エージェントは、DCTN1 という遺伝子にそのような手掛かりを見いだしました。この遺伝子の変異は、パーキンソン病に似た症状を伴う神経変性疾患、ペリー症候群の原因となります。

DCTN1 は、ニューロン内での物質輸送に関与しています。全脳 CRISPR アトラスでは、Dctn1 を破壊すると、コレステロール合成に関わる遺伝子の発現が増加していました。エージェントはこの観察結果を、コレステロール輸送の異常によって細胞のコレステロール合成が増える可能性を示す研究と結び付けました。ここから、追試で検証すべき問いが生まれました。DCTN1 の破壊はニューロン内のコレステロール分布を変え、その変化が神経変性の一因となるのでしょうか。もしそうなら、コレステロールの分布を正常に戻すことでニューロンを保護できるのでしょうか。

人間の専門家も、この仮説には新規性と重要性があり、さらに検証する価値があると評価しました。この例は、予想外の結果を既存の知識と結び付けることで、手掛かりが検証可能なアイデアへと変わり、さらには疾患治療の新たな方向性につながり得ることを示しています。

発見の中心を担うのは、これからも研究者です。AI は、有望な手掛かりをより多く見いだすことで、研究者が追究するアイデアを選び、実験を設計し、結果を解釈するのを支援できます。目標は、生物学実験に含まれるより多くの情報を、将来、より良い医薬品の開発を導く知識へと変えることです。