Тысячи ИИ-агентов ищут новые направления исследований в биологических данных

Что, если бы учёные могли находить новые ключи к пониманию болезней Альцгеймера и Паркинсона за минуты, а не месяцы? OpenAI, PerturbAI⁠(открывается в новом окне) и Scripps Research⁠(открывается в новом окне) совместно использовали тысячи ИИ-агентов на базе GPT‑Rosalind⁠(открывается в новом окне), чтобы всего за 32 минуты проанализировать и интерпретировать уже имеющиеся экспериментальные данные о миллионах клеток мозга мышей⁠(открывается в новом окне). Агенты сопоставили последствия нарушения работы генов с результатами из научной литературы и выявили неожиданные биологические связи. Эти связи могут помочь учёным понять механизмы заболеваний и определить направления исследований для разработки новых методов лечения. Работа показывает, как ИИ может помочь исследователям полнее изучать результаты масштабных биологических экспериментов.

Современные эксперименты дают гораздо больше данных, чем учёные способны тщательно изучить. Теперь исследователи могут изменять тысячи генов и измерять последствия этих изменений в миллионах клеток. Но чтобы понять значение этих результатов для заболеваний человека, нужно сопоставить сложные экспериментальные данные с разрозненными научными знаниями, накопленными за десятилетия. Именно здесь ИИ может помочь учёным обнаружить перспективные направления, которые иначе могли бы остаться незамеченными.

Команда разделила анализ между тысячами ИИ-агентов на базе GPT‑Rosalind. Этот подход мы называем распределёнными биологическими рассуждениями. Агенты изучили CRISPR-атлас всего мозга⁠(открывается в новом окне) — набор данных, показывающий, как нарушения работы генов влияют на разные типы клеток во всём мозге мыши. Каждый агент исследовал нарушение работы одного гена, анализировал реакции клеток, искал научную литературу и предлагал объяснения результатов. Их отчёты объединили в атлас рассуждений, связывающий гены, эффекты на уровне клеток, соответствующие публикации и возможные биологические механизмы.

По оценке исследовательской команды, сопоставимый анализ и обзор литературы силами людей, последовательно для каждого генетического вмешательства, занял бы от нескольких месяцев до года. Агенты воспроизвели выводы анализа, проведённого людьми, и при этом выявили дополнительные направления для исследований. Их оценки новизны и научной ценности также согласовывались с суждениями экспертов, проводивших слепую оценку. Эти результаты помогают определить, какие эксперименты для проверки предложенных биологических механизмов следует провести в первую очередь.

Некоторые из этих выводов открывают новые пути к пониманию заболеваний мозга. Агенты выявили неожиданные различия во влиянии двух связанных с заболеваниями генов на клетки мозга, а также возможную связь между регуляцией холестерина и нейродегенерацией. Эти результаты могут помочь учёным исследовать развитие заболеваний и определить, на какие процессы смогут воздействовать будущие методы лечения.

Исследователи могут приступить к изучению этих результатов уже сегодня. Атлас рассуждений доступен всем⁠(открывается в новом окне): учёные могут сравнивать связанные гены, изучать неожиданные реакции и находить перспективные направления для дальнейшей работы. Новые открытия часто рождаются, когда исследователи из разных областей объединяют свои знания и находят неожиданные связи между знакомыми идеями. ИИ может значительно расширить поиск таких связей, сопоставляя новые данные со знаниями из разных дисциплин. Эти возможности не сводятся к ускорению анализа данных. Объединяя ИИ, экспериментальную биологию, опыт специалистов и научную литературу, мы можем помочь учёным превращать больше данных в проверяемые гипотезы.

Некоторые из самых интересных зацепок в эксперименте лежат за пределами вопроса, который учёные изначально собирались изучить. В наборе данных, охватывающем тысячи генетических вмешательств, такие зацепки легко упустить.

Агенты выявили неожиданное различие между Tsc1 и Tsc2 — двумя генами, которые совместно контролируют mTOR, важный регулятор клеточного роста, обмена веществ и старения. В нескольких группах нейронов нарушение работы любого из этих генов приводило к сходным эффектам. Но в мозжечке, который участвует в координации движений, нарушение работы Tsc2 меняло активность десятков генов, обеспечивающих взаимодействие нейронов, тогда как нарушение работы Tsc1 почти не вызывало изменений.

Это различие может иметь значение для понимания заболеваний человека. У людей с туберозным склерозом аномалии мозжечка тесно связаны с мутациями TSC2. Хотя препараты, снижающие активность mTOR, позволяют лечить некоторые опухоли мозга и судорожные приступы, связанные с этим заболеванием трудности в обучении и поведенческие нарушения по-прежнему плохо поддаются коррекции. Агенты выделили конкретную группу нейронов и клеточные изменения, которые стоит изучить: какие из них можно скорректировать существующими лекарствами, а какие могут подсказать новые подходы к лечению? Так исследователи получают более конкретные вопросы для проверки в лаборатории.

Может ли один агент, получивший весь набор данных, справиться так же хорошо, как тысячи агентов, работающих параллельно? Мы проверили это, используя одну и ту же модель и одинаковые ресурсы. По мере роста объёма работы одиночный агент охватывал всё меньше литературы: при максимальной нагрузке он сослался лишь на 11 источников, тогда как распределённые агенты — более чем на 700. Эксперты также отдали предпочтение интерпретациям распределённых агентов.

Время учёных ограничено, и они часто сосредотачиваются на наиболее выраженных сигналах в данных. Распределённые агенты могут помочь изучить более широкий спектр реакций, включая малозаметные или неожиданные, и сопоставить их с соответствующей научной литературой. Параллельная работа агентов позволяет одновременно исследовать множество генетических вмешательств. Это помогает учёным полнее изучить результаты эксперимента и выявить перспективные направления, которые иначе могли бы остаться незамеченными.

Научный результат становится ценнее, когда подсказывает, какой эксперимент стоит провести. Одну из таких зацепок агенты обнаружили в DCTN1 — гене, мутации которого вызывают синдром Перри, нейродегенеративное заболевание с симптомами, похожими на болезнь Паркинсона.

DCTN1 участвует в транспорте веществ и структур внутри нейронов. В CRISPR-атласе всего мозга нарушение работы Dctn1 повышало экспрессию генов, участвующих в синтезе холестерина. Агенты связали это наблюдение с исследованиями, согласно которым нарушения транспорта холестерина могут заставлять клетки вырабатывать больше холестерина. Так возник вопрос для дальнейших экспериментов: может ли нарушение работы DCTN1 изменить распределение холестерина внутри нейронов и могут ли эти изменения способствовать нейродегенерации? Если да, может ли восстановление нормального распределения холестерина помочь защитить нейроны?

Эксперты также сочли эту гипотезу новой, значимой и заслуживающей дальнейшего изучения. Этот пример показывает, как сопоставление неожиданного результата с накопленными знаниями может превратить зацепку в проверяемую гипотезу, а в перспективе — в новое направление лечения заболеваний.

Ключевая роль в научных открытиях остаётся за учёными. Выявляя больше перспективных направлений, ИИ может помогать исследователям выбирать идеи для дальнейшей работы, планировать эксперименты и интерпретировать результаты. Цель — превращать больше информации из биологических экспериментов в знания, которые со временем помогут разрабатывать более эффективные лекарства.