Usar milhares de agentes de IA para descobrir novas pistas em dados biológicos
Como a OpenAI, a PerturbAI e o Scripps Research usaram agentes de IA distribuídos para ajudar cientistas a identificar pistas de investigação promissoras em dados de milhões de células cerebrais
Saiba como a OpenAI, a PerturbAI e o Scripps Research utilizaram milhares de agentes de IA em paralelo para identificar ligações biológicas promissoras em dados complexos de milhões de células cerebrais.
Créditos do vídeo: PerturbAI.
E se os cientistas pudessem descobrir novas pistas sobre as doenças de Alzheimer e de Parkinson em minutos, em vez de meses? Em conjunto, a OpenAI, a PerturbAI(abre numa nova janela) e o Scripps Research(abre numa nova janela) utilizaram milhares de agentes de IA baseados no GPT‑Rosalind(abre numa nova janela) para analisar e interpretar dados experimentais existentes de milhões de células cerebrais de ratinho(abre numa nova janela) em apenas 32 minutos. Os agentes relacionaram os efeitos de perturbações genéticas com descobertas da literatura científica, revelando ligações biológicas inesperadas que podem ajudar os cientistas a compreender as doenças e a identificar vias de investigação para novos tratamentos. O trabalho mostra como a IA pode ajudar os investigadores a explorar mais do que revelam as experiências biológicas de grande escala.
As experiências modernas geram muito mais dados do que os cientistas conseguem investigar em profundidade. Os investigadores já conseguem alterar milhares de genes e medir os seus efeitos em milhões de células. Mas compreender o significado destes resultados para as doenças humanas exige relacionar resultados experimentais complexos com décadas de conhecimento científico disperso. É aqui que a IA pode ajudar os cientistas a descobrir pistas promissoras que, de outro modo, poderiam passar despercebidas.
«Criamos atlas celulares para que outros cientistas possam fazer descobertas que ainda não imaginámos. A IA poderá ajudar mais investigadores a explorar estes recursos e a transformar observações inesperadas em novas questões a testar.»
A equipa dividiu a análise por milhares de agentes de IA baseados no GPT‑Rosalind, uma abordagem a que chamamos raciocínio biológico distribuído. Os agentes examinaram um atlas CRISPR de todo o cérebro(abre numa nova janela), um conjunto de dados que mostra como as perturbações genéticas afetam diferentes tipos de células em todo o cérebro do ratinho. Cada agente investigou uma perturbação genética, analisou as respostas celulares, pesquisou a literatura científica e propôs explicações para os resultados. Os seus relatórios foram reunidos num atlas de raciocínio que relaciona genes, efeitos celulares, publicações relevantes e possíveis mecanismos biológicos.
A equipa de investigação estimou que uma análise e revisão da literatura comparáveis, realizadas por humanos, uma perturbação de cada vez, demorariam entre vários meses e um ano. Os agentes reproduziram descobertas de análises humanas e revelaram pistas adicionais. As suas avaliações de novidade e valor científico também coincidiram com os pareceres de especialistas humanos em avaliações cegas. Estas descobertas ajudam a definir prioridades para as experiências adicionais necessárias para testar os mecanismos biológicos propostos.
Algumas destas conclusões apontam para novas pistas para compreender as doenças cerebrais. Os agentes identificaram diferenças inesperadas na forma como dois genes associados a doenças afetam as células cerebrais, bem como uma possível ligação entre a regulação do colesterol e a neurodegeneração. Estas descobertas poderão ajudar os cientistas a investigar como as doenças se desenvolvem e em que pontos poderão atuar futuros tratamentos.
«Por vezes, as pistas já lá estão, dispersas por diferentes áreas — apenas ainda não as relacionámos. A possível ligação entre a função neuronal e o metabolismo do colesterol mostra como essas peças, uma vez reunidas, nos podem dar uma nova forma de pensar a biologia das doenças.»
Os investigadores podem começar a explorar estas descobertas hoje mesmo. O atlas de raciocínio está disponível(abre numa nova janela), permitindo aos cientistas comparar genes relacionados, investigar respostas inesperadas e identificar pistas promissoras a aprofundar. As novas descobertas surgem frequentemente quando investigadores de diferentes áreas reúnem os seus conhecimentos e relacionam ideias conhecidas de formas inesperadas. A IA pode ampliar significativamente estas ligações, relacionando novos dados com conhecimento disperso por várias disciplinas. O potencial vai além de analisar dados mais depressa. Ao combinar a IA com a biologia experimental, os conhecimentos de especialistas humanos e a literatura científica, podemos ajudar os cientistas a transformar mais dados em ideias testáveis.
Algumas das pistas mais interessantes de uma experiência encontram-se fora do âmbito que os cientistas se propuseram investigar. Num conjunto de dados que abrange milhares de perturbações, essas pistas podem facilmente passar despercebidas.
Os agentes identificaram uma diferença inesperada entre o Tsc1 e o Tsc2, dois genes que trabalham em conjunto para controlar o mTOR, um regulador fundamental do crescimento celular, do metabolismo e do envelhecimento. A perturbação de qualquer um dos genes teve efeitos semelhantes em vários grupos de neurónios. Mas, no cerebelo, que ajuda a coordenar o movimento, a perturbação do Tsc2 alterou a atividade de dezenas de genes envolvidos na comunicação neuronal, enquanto a perturbação do Tsc1 produziu poucas alterações.
Esta diferença poderá ser relevante para as doenças humanas. Nas pessoas com esclerose tuberosa, as anomalias no cerebelo estão fortemente associadas a mutações no TSC2. Embora os medicamentos que reduzem a atividade do mTOR possam tratar certos tumores cerebrais e crises convulsivas, as dificuldades de aprendizagem e de comportamento associadas à doença continuam a ser difíceis de tratar. Os agentes identificaram um grupo específico de neurónios e alterações celulares que vale a pena investigar: que alterações poderão os medicamentos existentes corrigir e quais poderão apontar para novas abordagens terapêuticas? Isto dá aos investigadores um conjunto mais específico de questões a testar no laboratório.
Poderia um único agente com acesso a todo o conjunto de dados ter um desempenho tão bom como milhares de agentes a trabalhar em paralelo? Testámos esta hipótese, mantendo o modelo e os recursos constantes. À medida que o volume de trabalho aumentava, o agente único pesquisava menos literatura, citando apenas 11 referências no maior volume de trabalho, enquanto os agentes distribuídos citavam mais de 700 referências. Os especialistas humanos também preferiram as interpretações dos agentes distribuídos.
Os cientistas dispõem de tempo limitado e concentram-se frequentemente nos sinais mais fortes dos seus dados. Os agentes distribuídos podem ajudar a examinar um leque mais amplo de respostas, incluindo as mais subtis ou inesperadas, e a relacioná-las com literatura científica relevante. Executar os agentes em paralelo permite investigar muitas perturbações em simultâneo. Isto ajuda os cientistas a explorar mais informação contida numa experiência e a identificar pistas promissoras que, de outro modo, poderiam passar despercebidas.
No maior volume de trabalho, os agentes distribuídos citaram mais de 700 referências, em comparação com 11 de um único agente.
Uma descoberta ganha valor quando aponta para uma experiência que vale a pena realizar. Os agentes encontraram uma dessas pistas no DCTN1, um gene cujas mutações causam a síndrome de Perry, uma doença neurodegenerativa com sintomas semelhantes aos da doença de Parkinson.
O DCTN1 está envolvido no transporte de substâncias e estruturas no interior dos neurónios. No atlas CRISPR de todo o cérebro, a perturbação do Dctn1 aumentou a expressão de genes envolvidos na produção de colesterol. Os agentes relacionaram esta observação com estudos que sugerem que os problemas no transporte de colesterol podem levar as células a produzir mais colesterol. Isto levantou uma questão para experiências futuras: poderá a perturbação do DCTN1 alterar a distribuição do colesterol dentro dos neurónios, e poderão essas alterações contribuir para a neurodegeneração? Se assim for, poderá o restabelecimento da distribuição normal do colesterol ajudar a proteger os neurónios?
Os especialistas humanos também consideraram esta hipótese inovadora, relevante e merecedora de investigação adicional. Este exemplo mostra como relacionar um resultado inesperado com o conhecimento existente pode transformar uma pista numa ideia testável e, potencialmente, numa nova via para tratar doenças.
Em comparações cegas, os especialistas humanos preferiram os relatórios dos agentes distribuídos aos de um único agente em 75% dos casos.
Os cientistas continuam no centro da descoberta. Ao revelar mais pistas promissoras, a IA pode ajudar os investigadores a decidir que ideias aprofundar, a conceber experiências e a interpretar resultados. O objetivo é transformar mais informação das experiências biológicas em conhecimento que, ao longo do tempo, possa ajudar a orientar o desenvolvimento de melhores medicamentos.
