S tisoči agentov umetne inteligence do novih izhodišč v bioloških podatkih

Kaj če bi znanstveniki lahko nove namige o Alzheimerjevi in Parkinsonovi bolezni odkrili v nekaj minutah namesto v mesecih? OpenAI, PerturbAI⁠(odpre se v novem oknu) in Scripps Research⁠(odpre se v novem oknu) so skupaj uporabili tisoče agentov umetne inteligence, ki jih poganja GPT‑Rosalind⁠(odpre se v novem oknu), da bi v samo 32 minutah analizirali in razložili obstoječe eksperimentalne podatke o milijonih celic mišjih možganov⁠(odpre se v novem oknu). Agenti so učinke motenj delovanja genov povezali z ugotovitvami iz znanstvene literature in odkrili nepričakovane biološke povezave, ki lahko znanstvenikom pomagajo razumeti bolezni ter prepoznati raziskovalne smeri za nova zdravljenja. To delo kaže, kako lahko umetna inteligenca raziskovalcem pomaga temeljiteje raziskati ugotovitve obsežnih bioloških poskusov.

Sodobni poskusi ustvarjajo veliko več podatkov, kot jih znanstveniki lahko temeljito preučijo. Raziskovalci lahko danes spremenijo tisoče genov in izmerijo njihove učinke v milijonih celic. Da pa bi razumeli, kaj ti rezultati pomenijo za bolezni pri ljudeh, morajo kompleksne eksperimentalne ugotovitve povezati z razpršenim znanstvenim znanjem, zbranim v desetletjih. Prav tu lahko umetna inteligenca znanstvenikom pomaga odkriti obetavna izhodišča, ki bi jih sicer lahko spregledali.

Ekipa je analizo razdelila med tisoče agentov umetne inteligence, ki jih poganja GPT‑Rosalind. Ta pristop imenujemo porazdeljeno biološko sklepanje. Agenti so preučili atlas CRISPR celotnih možganov⁠(odpre se v novem oknu), podatkovno zbirko, ki prikazuje, kako motnje delovanja genov vplivajo na različne vrste celic po celotnih mišjih možganih. Vsak agent je preučil motnjo delovanja enega gena, analiziral celične odzive, preiskal znanstveno literaturo in predlagal razlage rezultatov. Njihova poročila so združili v atlas sklepanja, ki povezuje gene, učinke na celice, ustrezne objave in možne biološke mehanizme.

Raziskovalna ekipa je ocenila, da bi primerljiva analiza in pregled literature, ki bi ju ljudje izvajali za vsako perturbacijo posebej, trajala od več mesecev do enega leta. Agenti so ponovili ugotovitve človeških analiz in obenem odkrili dodatna izhodišča. Tudi njihove ocene novosti in znanstvene vrednosti so se ujemale s presojami strokovnjakov, ki niso vedeli, kdo je pripravil gradivo. Te ugotovitve pomagajo določiti prednostni vrstni red nadaljnjih poskusov, potrebnih za preverjanje predlaganih bioloških mehanizmov.

Nekatera od teh spoznanj ponujajo nova izhodišča za razumevanje možganskih bolezni. Agenti so odkrili nepričakovane razlike v vplivu dveh genov, povezanih z boleznimi, na možganske celice ter morebitno povezavo med uravnavanjem holesterola in nevrodegeneracijo. Te ugotovitve bi lahko znanstvenikom pomagale raziskati, kako se bolezen razvije in na katere procese bi lahko vplivali s prihodnjimi zdravljenji.

Raziskovalci lahko te ugotovitve začnejo preučevati že danes. Atlas sklepanja je na voljo⁠(odpre se v novem oknu) in znanstvenikom omogoča primerjavo sorodnih genov, preučevanje nepričakovanih odzivov ter prepoznavanje obetavnih izhodišč za nadaljnje raziskovanje. Nova odkritja pogosto nastanejo, ko raziskovalci z različnih področij združijo svoje strokovno znanje in znane zamisli povežejo na nepričakovane načine. Umetna inteligenca lahko s povezovanjem novih podatkov z znanjem, razpršenim po različnih vedah, močno poveča obseg takšnega povezovanja. Njen potencial presega hitrejšo analizo podatkov. Z združevanjem umetne inteligence, eksperimentalne biologije, človeškega strokovnega znanja in znanstvene literature lahko znanstvenikom pomagamo pretvoriti več njihovih podatkov v preverljive zamisli.

Nekateri najzanimivejši namigi v poskusu se skrivajo zunaj okvira vprašanj, ki so si jih znanstveniki prvotno zastavili. V podatkovni zbirki, ki zajema tisoče perturbacij, jih je zlahka spregledati.

Agenti so odkrili nepričakovano razliko med genoma Tsc1 in Tsc2, ki skupaj nadzorujeta mTOR, ključni regulator celične rasti, presnove in staranja. Motnja delovanja katerega koli od teh dveh genov je imela podobne učinke v več skupinah nevronov. V malih možganih, ki pomagajo usklajevati gibanje, pa je motnja delovanja gena Tsc2 spremenila aktivnost več deset genov, vključenih v sporazumevanje med nevroni, medtem ko je motnja delovanja gena Tsc1 povzročila le malo sprememb.

Ta razlika je lahko pomembna za bolezni pri ljudeh. Pri ljudeh s tuberozno sklerozo so nepravilnosti v malih možganih močno povezane z mutacijami gena TSC2. Čeprav lahko z zdravili, ki zmanjšujejo aktivnost mTOR, zdravimo nekatere možganske tumorje in epileptične napade, je učne in vedenjske težave, povezane s to boleznijo, še vedno težko obravnavati. Agenti so natančno opredelili skupino nevronov in celične spremembe, ki jih je vredno preučiti: katere spremembe bi lahko odpravili z obstoječimi zdravili in katere bi lahko nakazale nove pristope k zdravljenju? Raziskovalci tako dobijo natančneje opredeljen nabor vprašanj, ki jih lahko preverijo v laboratoriju.

Bi lahko en sam agent s celotno podatkovno zbirko opravil delo enako dobro kot tisoči agentov, ki delujejo vzporedno? To smo preverili ob nespremenjenem modelu in enakih razpoložljivih virih. Z večanjem obsega dela je posamezni agent pregledal vse manj literature in pri največjem obsegu navedel le 11 virov, porazdeljeni agenti pa več kot 700. Tudi strokovnjaki so dali prednost razlagam porazdeljenih agentov.

Znanstveniki imajo omejen čas in se pogosto osredotočijo na najizrazitejše signale v podatkih. Porazdeljeni agenti lahko pomagajo preučiti širši nabor odzivov, tudi manj opaznih ali nepričakovanih, in jih povezati z ustrezno znanstveno literaturo. Vzporedno delovanje agentov omogoča sočasno preučevanje številnih perturbacij. To znanstvenikom pomaga temeljiteje raziskati podatke poskusa in prepoznati obetavna izhodišča, ki bi jih sicer lahko spregledali.

Ugotovitev pridobi vrednost, ko nakaže poskus, ki ga je vredno izvesti. Agenti so eno takšnih izhodišč našli v genu DCTN1, katerega mutacije povzročajo Perryjev sindrom, nevrodegenerativno bolezen s simptomi, podobnimi Parkinsonovi bolezni.

DCTN1 sodeluje pri prenosu snovi znotraj nevronov. V atlasu CRISPR celotnih možganov je motnja delovanja gena Dctn1 povečala izražanje genov, ki sodelujejo pri tvorbi holesterola. Agenti so to opažanje povezali z raziskavami, ki nakazujejo, da lahko težave pri prenosu holesterola povzročijo, da ga celice tvorijo več. To je odprlo vprašanje za nadaljnje poskuse: ali bi lahko motnja delovanja gena DCTN1 spremenila porazdelitev holesterola znotraj nevronov in ali bi te spremembe lahko prispevale k nevrodegeneraciji? Če je tako, ali bi lahko ponovna vzpostavitev normalne porazdelitve holesterola pomagala zaščititi nevrone?

Tudi strokovnjaki so to hipotezo ocenili kot novo, pomembno in vredno nadaljnjega raziskovanja. Ta primer kaže, kako lahko s povezovanjem nepričakovanega rezultata z obstoječim znanjem namig spremenimo v preverljivo zamisel in morda tudi v novo smer zdravljenja bolezni.

Znanstveniki ostajajo v središču odkrivanja. Umetna inteligenca lahko z odkrivanjem več obetavnih izhodišč raziskovalcem pomaga pri odločanju, katere zamisli naj razvijajo naprej, pri načrtovanju poskusov in razlagi rezultatov. Cilj je več informacij iz bioloških poskusov pretvoriti v znanje, ki lahko sčasoma pomaga usmerjati razvoj boljših zdravil.