Mijëra agjentë të IA-së për të zbuluar pista të reja në të dhënat biologjike

Po sikur shkencëtarët të zbulonin të dhëna të reja për Alzheimerin dhe Parkinsonin brenda minutash, në vend të muajve? Në bashkëpunim, OpenAI, PerturbAI⁠(hapet në një dritare të re) dhe Scripps Research⁠(hapet në një dritare të re) përdorën mijëra agjentë të IA-së të mbështetur në GPT‑Rosalind⁠(hapet në një dritare të re) për të analizuar dhe interpretuar të dhëna eksperimentale ekzistuese nga miliona qeliza të trurit të miut⁠(hapet në një dritare të re) në vetëm 32 minuta. Agjentët lidhën efektet e çaktivizimit të gjeneve me gjetje nga literatura shkencore, duke zbuluar lidhje biologjike të papritura që mund t'i ndihmojnë shkencëtarët të kuptojnë sëmundjet dhe të identifikojnë drejtime kërkimore për trajtime të reja. Kjo punë tregon se si IA-ja mund t'i ndihmojë studiuesit të eksplorojnë më shumë nga ajo që zbulojnë eksperimentet biologjike në shkallë të gjerë.

Eksperimentet moderne gjenerojnë shumë më tepër të dhëna sesa shkencëtarët mund të hetojnë në thellësi. Studiuesit tani mund të modifikojnë mijëra gjene dhe të matin efektet e tyre në miliona qeliza. Por, për të kuptuar çfarë nënkuptojnë këto rezultate për sëmundjet njerëzore, duhen lidhur gjetjet komplekse eksperimentale me njohuritë shkencore të shpërndara, të grumbulluara ndër dekada. Pikërisht këtu IA-ja mund t'i ndihmojë shkencëtarët të zbulojnë pista premtuese që përndryshe mund të kalonin pa u vënë re.

Ekipi e ndau analizën mes mijëra agjentëve të IA-së të mbështetur në GPT‑Rosalind, një qasje që e quajmë arsyetim biologjik të shpërndarë. Agjentët shqyrtuan një atlas CRISPR të të gjithë trurit⁠(hapet në një dritare të re), një grup të dhënash që tregon se si çaktivizimi i gjeneve ndikon në lloje të ndryshme qelizash në të gjithë trurin e miut. Çdo agjent hetoi çaktivizimin e një gjeni, analizoi përgjigjet qelizore, kërkoi në literaturën shkencore dhe propozoi shpjegime për rezultatet. Raportet e tyre u bashkuan në një atlas arsyetimi që lidh gjenet, efektet qelizore, botimet përkatëse dhe mekanizmat e mundshëm biologjikë.

Ekipi kërkimor vlerësoi se një analizë dhe shqyrtim i krahasueshëm i literaturës nga njerëzit, duke trajtuar një ndërhyrje gjenetike në çdo hap, do të kërkonte nga disa muaj deri në një vit. Agjentët riprodhuan gjetjet e analizave të kryera nga njerëzit, duke zbuluar njëkohësisht pista të tjera. Vlerësimet e tyre për risinë dhe vlerën shkencore përputheshin gjithashtu me gjykimet e ekspertëve që nuk e dinin burimin e materialeve të vlerësuara. Këto gjetje ndihmojnë në përcaktimin e përparësive për eksperimentet e mëtejshme që nevojiten për të testuar mekanizmat biologjikë të propozuar.

Disa nga këto njohuri hapin pista të reja për të kuptuar sëmundjet e trurit. Agjentët identifikuan dallime të papritura në mënyrën se si dy gjene të lidhura me sëmundjet ndikojnë në qelizat e trurit, si dhe një lidhje të mundshme mes rregullimit të kolesterolit dhe neurodegjenerimit. Këto gjetje mund t'i ndihmojnë shkencëtarët të hetojnë se si zhvillohen sëmundjet dhe ku mund të ndërhyjnë trajtimet e ardhshme.

Studiuesit mund të fillojnë t'i eksplorojnë këto gjetje që sot. Atlasi i arsyetimit është i disponueshëm⁠(hapet në një dritare të re), duke u mundësuar shkencëtarëve të krahasojnë gjene të lidhura, të hetojnë përgjigje të papritura dhe të identifikojnë pista premtuese për kërkime të mëtejshme. Zbulimet e reja shpesh lindin kur studiues nga fusha të ndryshme bashkojnë ekspertizën e tyre dhe lidhin ide të njohura në mënyra të papritura. IA-ja mund t'i shumëfishojë ndjeshëm këto lidhje duke bashkuar të dhënat e reja me njohuritë e shpërndara në disiplina të ndryshme. Mundësitë shkojnë përtej analizimit më të shpejtë të të dhënave. Duke ndërthurur IA-në me biologjinë eksperimentale, ekspertizën njerëzore dhe literaturën shkencore, mund t'i ndihmojmë shkencëtarët të shndërrojnë më shumë nga të dhënat e tyre në ide të testueshme.

Disa nga të dhënat më interesante të një eksperimenti gjenden jashtë çështjes që shkencëtarët synonin të hetonin. Në një grup të dhënash që përfshin mijëra ndërhyrje gjenetike, këto të dhëna mund të kalojnë lehtësisht pa u vënë re.

Agjentët identifikuan një dallim të papritur mes Tsc1 dhe Tsc2, dy gjene që punojnë së bashku për të kontrolluar mTOR, një rregullator kryesor të rritjes qelizore, metabolizmit dhe plakjes. Çaktivizimi i cilitdo prej këtyre gjeneve pati efekte të ngjashme në disa grupe neuronesh. Por në trurin e vogël, që ndihmon në koordinimin e lëvizjes, çaktivizimi i Tsc2 ndryshoi aktivitetin e dhjetëra gjeneve të përfshira në komunikimin mes neuroneve, ndërsa çaktivizimi i Tsc1 solli pak ndryshim.

Ky dallim mund të ketë rëndësi për sëmundjet njerëzore. Te personat me sklerozë tuberoze, anomalitë në trurin e vogël lidhen ngushtë me mutacionet e TSC2. Ndërsa barnat që ulin aktivitetin e mTOR mund të trajtojnë disa tumore të trurit dhe kriza epileptike, vështirësitë në të nxënë dhe në sjellje që shoqërojnë sëmundjen mbeten të vështira për t'u trajtuar. Agjentët identifikuan një grup të caktuar neuronesh dhe ndryshime qelizore që ia vlen të hetohen: cilat ndryshime mund të korrigjohen nga barnat ekzistuese dhe cilat mund të hapin rrugën drejt qasjeve të reja të trajtimit? Kjo u jep studiuesve një grup pyetjesh më konkrete për t'u testuar në laborator.

A mund të arrijë një agjent i vetëm, që ka në dispozicion të gjithë grupin e të dhënave, rezultate po aq të mira sa mijëra agjentë që punojnë paralelisht? E testuam këtë duke mbajtur të pandryshuar modelin dhe burimet. Me rritjen e ngarkesës së punës, agjenti i vetëm kërkonte në më pak literaturë, duke cituar vetëm 11 referenca në ngarkesën më të lartë, ndërsa agjentët e shpërndarë cituan mbi 700 referenca. Edhe ekspertët parapëlqyen interpretimet e agjentëve të shpërndarë.

Shkencëtarët kanë kohë të kufizuar dhe shpesh përqendrohen te sinjalet më të forta në të dhënat e tyre. Agjentët e shpërndarë mund të ndihmojnë në shqyrtimin e një game më të gjerë përgjigjesh, përfshirë ato më pak të dukshme ose të papritura, dhe në lidhjen e tyre me literaturën shkencore përkatëse. Puna paralele e agjentëve lejon që shumë ndërhyrje gjenetike të hetohen njëkohësisht. Kjo i ndihmon shkencëtarët të eksplorojnë më shumë nga ajo që përmban një eksperiment dhe të identifikojnë pista premtuese që përndryshe mund të kalonin pa u vënë re.

Një gjetje bëhet më e vlefshme kur hap rrugën drejt një eksperimenti që ia vlen të kryhet. Agjentët gjetën një pistë të tillë te DCTN1, një gjen mutacionet e të cilit shkaktojnë sindromën Perry, një sëmundje neurodegjenerative me simptoma të ngjashme me ato të Parkinsonit.

DCTN1 merr pjesë në transportin e materialeve brenda neuroneve. Në atlasin CRISPR të të gjithë trurit, çaktivizimi i Dctn1 rriti shprehjen e gjeneve të përfshira në prodhimin e kolesterolit. Agjentët e lidhën këtë vëzhgim me studime që sugjerojnë se problemet me transportin e kolesterolit mund t'i shtyjnë qelizat të prodhojnë më shumë kolesterol. Kjo ngriti një pyetje për eksperimentet pasuese: a mund të ndryshojë çaktivizimi i DCTN1 mënyrën se si shpërndahet kolesteroli brenda neuroneve dhe a mund të kontribuojnë këto ndryshime në neurodegjenerim? Nëse po, a mund të ndihmojë rivendosja e shpërndarjes normale të kolesterolit në mbrojtjen e neuroneve?

Edhe ekspertët e konsideruan këtë hipotezë të re, me rëndësi dhe të denjë për hetim të mëtejshëm. Ky shembull tregon se si lidhja e një rezultati të papritur me njohuritë ekzistuese mund ta shndërrojë një të dhënë në një ide të testueshme dhe, potencialisht, në një drejtim të ri për trajtimin e sëmundjeve.

Shkencëtarët mbeten në qendër të zbulimeve. Duke zbuluar më shumë pista premtuese, IA-ja mund t'i ndihmojë studiuesit të vendosin cilat ide të ndjekin, të hartojnë eksperimente dhe të interpretojnë rezultatet. Synimi është që më shumë informacion nga eksperimentet biologjike të shndërrohet në njohuri që, me kalimin e kohës, mund të udhëheqin zhvillimin e barnave më të mira.