Tusenvis av KI-agenter avdekker nye spor i biologiske data

Hva om forskere kunne avdekke nye spor om Alzheimers og Parkinsons sykdom på minutter i stedet for måneder? OpenAI, PerturbAI⁠(åpnes i et nytt vindu) og Scripps Research⁠(åpnes i et nytt vindu) brukte sammen tusenvis av KI-agenter drevet av GPT‑Rosalind⁠(åpnes i et nytt vindu) til å analysere og tolke eksisterende eksperimentelle data fra millioner av hjerneceller fra mus⁠(åpnes i et nytt vindu) på bare 32 minutter. Agentene koblet effektene av forstyrrelser i genfunksjon til funn i vitenskapelig litteratur. Slik avdekket de uventede biologiske sammenhenger som kan hjelpe forskere med å forstå sykdom og finne forskningsretninger for nye behandlinger. Arbeidet viser hvordan KI kan hjelpe forskere med å utforske mer av det store biologiske eksperimenter avdekker.

Moderne eksperimenter genererer langt mer data enn forskere kan undersøke grundig. Forskere kan nå endre tusenvis av gener og måle effektene i millioner av celler. Men for å forstå hva disse resultatene betyr for sykdom hos mennesker, må komplekse eksperimentelle funn kobles til vitenskapelig kunnskap som er spredt over flere tiår med forskning. Her kan KI hjelpe forskere med å avdekke lovende spor som ellers kunne blitt oversett.

Teamet fordelte analysen på tusenvis av KI-agenter drevet av GPT‑Rosalind, en tilnærming vi kaller distribuert biologisk resonnering. Agentene undersøkte et CRISPR-atlas for hele hjernen⁠(åpnes i et nytt vindu), et datasett som viser hvordan forstyrrelser i genfunksjon påvirker ulike celletyper i hele musehjernen. Hver agent undersøkte en forstyrrelse i genfunksjon, analyserte celleresponser, søkte i vitenskapelig litteratur og foreslo forklaringer på resultatene. Rapportene deres ble samlet i et resonneringsatlas som kobler sammen gener, cellulære effekter, relevante publikasjoner og mulige biologiske mekanismer.

Forskningsteamet anslo at tilsvarende analyse og litteraturgjennomgang utført av mennesker, én perturbasjon om gangen, ville ta fra flere måneder til et år. Agentene gjenskapte funn fra menneskelige analyser og avdekket samtidig flere spor. Vurderingene deres av nyhetsverdi og vitenskapelig verdi samsvarte også med vurderingene fra menneskelige eksperter i en blindet evaluering. Disse funnene bidrar til å prioritere videre eksperimenter som trengs for å teste de foreslåtte biologiske mekanismene.

Noe av denne innsikten peker mot nye spor for å forstå hjernesykdom. Agentene fant uventede forskjeller i hvordan to sykdomsrelaterte gener påvirker hjerneceller, samt en mulig sammenheng mellom kolesterolregulering og nevrodegenerasjon. Disse funnene kan hjelpe forskere med å undersøke hvordan sykdom utvikler seg, og hvor fremtidige behandlinger kan gripe inn.

Forskere kan begynne å utforske disse funnene allerede i dag. Resonneringsatlaset er tilgjengelig⁠(åpnes i et nytt vindu), slik at forskere kan sammenligne beslektede gener, undersøke uventede responser og finne lovende spor å følge videre. Nye oppdagelser oppstår ofte når forskere fra ulike fagfelt forener sin ekspertise og kobler kjente ideer sammen på uventede måter. KI kan skape langt flere slike koblinger ved å knytte nye data til kunnskap som er spredt på tvers av fagfelt. Mulighetene handler om mer enn raskere dataanalyse. Ved å kombinere KI med eksperimentell biologi, menneskelig ekspertise og vitenskapelig litteratur kan vi hjelpe forskere med å omsette mer av dataene sine til testbare ideer.

Noen av de mest interessante sporene i et eksperiment ligger utenfor det forskerne opprinnelig ønsket å undersøke. I et datasett med tusenvis av perturbasjoner kan slike spor lett bli oversett.

Agentene fant en uventet forskjell mellom Tsc1 og Tsc2, to gener som samarbeider om å kontrollere mTOR, en sentral regulator av cellevekst, stoffskifte og aldring. Forstyrrelser i funksjonen til hvert av genene ga lignende effekter i flere grupper av nerveceller. Men i lillehjernen, som bidrar til å koordinere bevegelser, førte forstyrrelser i Tsc2-funksjonen til endret aktivitet i flere titalls gener involvert i kommunikasjon mellom nerveceller. Forstyrrelser i Tsc1-funksjonen ga derimot liten endring.

Denne forskjellen kan ha betydning for sykdom hos mennesker. Hos personer med tuberøs sklerose er unormale forhold i lillehjernen sterkt knyttet til TSC2-mutasjoner. Legemidler som reduserer mTOR-aktivitet, kan behandle visse hjernesvulster og epileptiske anfall. Lærings- og atferdsvanskene knyttet til sykdommen er imidlertid fortsatt vanskelige å behandle. Agentene pekte ut en bestemt gruppe nerveceller og cellulære endringer det er verdt å undersøke: Hvilke endringer kan eksisterende legemidler rette opp, og hvilke kan peke mot nye behandlingsmetoder? Dette gir forskerne mer konkrete spørsmål å undersøke i laboratoriet.

Kunne én agent med tilgang til hele datasettet gjøre det like bra som tusenvis av agenter som jobbet parallelt? Vi testet dette med samme modell og uendrede ressurser. Etter hvert som arbeidsmengden økte, søkte den ene agenten gjennom mindre av litteraturen. Ved den største arbeidsmengden viste den til bare 11 referanser, mens de distribuerte agentene viste til over 700. Menneskelige eksperter foretrakk også tolkningene fra de distribuerte agentene.

Forskere har begrenset tid og fokuserer ofte på de tydeligste signalene i dataene sine. Distribuerte agenter kan bidra til å undersøke et bredere spekter av responser, også subtile eller uventede, og knytte dem til relevant vitenskapelig litteratur. Ved å kjøre agentene parallelt kan mange perturbasjoner undersøkes samtidig. Dette hjelper forskere med å utforske mer av informasjonen i et eksperiment og finne lovende spor som ellers kunne blitt oversett.

Et funn blir mer verdifullt når det peker mot et eksperiment det er verdt å gjennomføre. Agentene fant et slikt spor i DCTN1, et gen der mutasjoner forårsaker Perrys syndrom, en nevrodegenerativ sykdom med Parkinson-lignende symptomer.

DCTN1 er involvert i transport av materiale inne i nerveceller. I CRISPR-atlaset for hele hjernen førte forstyrrelser i Dctn1-funksjonen til økt uttrykk av gener som er involvert i kolesterolproduksjon. Agentene koblet denne observasjonen til forskning som tyder på at problemer med kolesteroltransport kan få celler til å produsere mer kolesterol. Dette reiste et spørsmål for oppfølgende eksperimenter: Kan forstyrrelser i DCTN1-funksjonen endre hvordan kolesterol fordeles inne i nerveceller, og kan disse endringene bidra til nevrodegenerasjon? Kan det i så fall bidra til å beskytte nervecellene å gjenopprette normal kolesterolfordeling?

Menneskelige eksperter vurderte også hypotesen som ny, betydningsfull og verdt å følge opp. Dette eksemplet viser hvordan et uventet resultat koblet til eksisterende kunnskap kan gjøre et spor til en testbar idé – og potensielt åpne en ny vei for behandling av sykdom.

Forskerne står fortsatt i sentrum for nye oppdagelser. Ved å avdekke flere lovende spor kan KI hjelpe forskere med å velge hvilke ideer de skal forfølge, utforme eksperimenter og tolke resultater. Målet er å omsette mer av informasjonen fra biologiske eksperimenter til kunnskap som over tid kan bidra til å styre utviklingen av bedre legemidler.