Dùng hàng nghìn tác nhân AI để tìm hướng nghiên cứu mới trong dữ liệu sinh học
Cách OpenAI, PerturbAI và Scripps Research dùng các tác nhân AI phân tán để giúp các nhà khoa học xác định hướng nghiên cứu triển vọng từ dữ liệu hàng triệu tế bào não
Khám phá cách OpenAI, PerturbAI và Scripps Research triển khai song song hàng nghìn tác nhân AI để xác định những mối liên hệ sinh học triển vọng trong dữ liệu phức tạp từ hàng triệu tế bào não.
Nguồn video: PerturbAI.
Sẽ ra sao nếu các nhà khoa học có thể tìm ra manh mối mới về bệnh Alzheimer và Parkinson chỉ trong vài phút thay vì vài tháng? OpenAI, PerturbAI(mở trong cửa sổ mới) và Scripps Research(mở trong cửa sổ mới) đã hợp tác sử dụng hàng nghìn tác nhân AI vận hành bằng GPT‑Rosalind(mở trong cửa sổ mới) để phân tích và diễn giải dữ liệu thí nghiệm sẵn có từ hàng triệu tế bào não chuột(mở trong cửa sổ mới) chỉ trong 32 phút. Các tác nhân đã liên hệ tác động của việc gây gián đoạn chức năng gen với những phát hiện trong tài liệu khoa học, tìm ra các mối liên hệ sinh học ngoài dự kiến có thể giúp các nhà khoa học hiểu về bệnh và xác định hướng nghiên cứu cho những phương pháp điều trị mới. Công trình này cho thấy AI có thể giúp các nhà nghiên cứu khai thác thêm những gì các thí nghiệm sinh học quy mô lớn hé lộ.
Các thí nghiệm hiện đại tạo ra lượng dữ liệu vượt xa khả năng nghiên cứu kỹ lưỡng của các nhà khoa học. Giờ đây, các nhà nghiên cứu có thể biến đổi hàng nghìn gen và đo lường tác động của những biến đổi đó trên hàng triệu tế bào. Nhưng để hiểu ý nghĩa của những kết quả này đối với bệnh ở người, cần kết nối các phát hiện thí nghiệm phức tạp với kiến thức khoa học nằm rải rác qua nhiều thập kỷ. Đây là lúc AI có thể giúp các nhà khoa học tìm ra những hướng nghiên cứu triển vọng có nguy cơ bị bỏ sót.
“Chúng tôi xây dựng các bản đồ tế bào để những nhà khoa học khác có thể tạo ra những khám phá mà chúng tôi chưa từng hình dung. AI có thể giúp nhiều nhà nghiên cứu hơn khai thác các nguồn tài nguyên này và biến những quan sát ngoài dự kiến thành những câu hỏi mới để kiểm chứng.”
Nhóm nghiên cứu đã chia công việc phân tích cho hàng nghìn tác nhân AI vận hành bằng GPT‑Rosalind, một cách tiếp cận mà chúng tôi gọi là suy luận sinh học phân tán. Các tác nhân đã xem xét một bản đồ CRISPR toàn não(mở trong cửa sổ mới), tập dữ liệu cho thấy việc gây gián đoạn chức năng gen ảnh hưởng thế nào đến các loại tế bào khác nhau trên toàn bộ não chuột. Mỗi tác nhân nghiên cứu một can thiệp gây gián đoạn chức năng gen, phân tích các đáp ứng của tế bào, tìm kiếm tài liệu khoa học và đề xuất cách giải thích kết quả. Báo cáo của các tác nhân được tổng hợp thành một bản đồ suy luận kết nối các gen, tác động ở cấp tế bào, công bố khoa học liên quan và những cơ chế sinh học có thể giải thích các tác động đó.
Nhóm nghiên cứu ước tính rằng nếu con người thực hiện công việc phân tích và tổng quan tài liệu tương đương, lần lượt với từng can thiệp, thì sẽ mất từ vài tháng đến một năm. Các tác nhân đã tái hiện những phát hiện từ phân tích của con người, đồng thời tìm ra thêm các hướng nghiên cứu. Đánh giá của các tác nhân về tính mới và giá trị khoa học cũng phù hợp với nhận định của các chuyên gia tham gia đánh giá mù. Những phát hiện này giúp xác định thứ tự ưu tiên cho các thí nghiệm tiếp theo cần thực hiện để kiểm chứng những cơ chế sinh học được đề xuất.
Một số kết quả này gợi mở những hướng nghiên cứu mới để tìm hiểu bệnh não. Các tác nhân đã phát hiện những khác biệt ngoài dự kiến trong cách hai gen liên quan đến bệnh tác động lên tế bào não, cùng với một mối liên hệ tiềm tàng giữa quá trình điều hòa cholesterol và thoái hóa thần kinh. Những phát hiện này có thể giúp các nhà khoa học nghiên cứu cách bệnh phát triển và xác định những khâu mà các phương pháp điều trị tương lai có thể can thiệp.
“Đôi khi manh mối đã có sẵn, nằm rải rác ở nhiều lĩnh vực, chỉ là chúng ta chưa kết nối những manh mối ấy. Mối liên hệ có thể tồn tại giữa chức năng tế bào thần kinh và chuyển hóa cholesterol cho thấy khi được ghép lại, những mảnh ghép đó có thể mang đến cho chúng ta một cách nhìn mới về cơ sở sinh học của bệnh.”
Các nhà nghiên cứu có thể bắt đầu khám phá những phát hiện này ngay hôm nay. Bản đồ suy luận đã được công bố(mở trong cửa sổ mới), cho phép các nhà khoa học so sánh những gen có liên quan, nghiên cứu các đáp ứng ngoài dự kiến và xác định những hướng nghiên cứu triển vọng để theo đuổi. Những khám phá mới thường xuất hiện khi các nhà nghiên cứu từ nhiều lĩnh vực kết hợp chuyên môn và kết nối những ý tưởng quen thuộc theo cách bất ngờ. AI có thể mở rộng đáng kể quy mô của những kết nối này bằng cách liên kết dữ liệu mới với kiến thức nằm rải rác ở nhiều ngành. Cơ hội không chỉ nằm ở việc phân tích dữ liệu nhanh hơn. Bằng cách kết hợp AI với sinh học thực nghiệm, chuyên môn của con người và tài liệu khoa học, chúng ta có thể giúp các nhà khoa học chuyển hóa thêm dữ liệu thành những ý tưởng có thể kiểm chứng.
Một số manh mối thú vị nhất của thí nghiệm nằm ngoài vấn đề mà các nhà khoa học dự định nghiên cứu. Trong một tập dữ liệu bao gồm hàng nghìn can thiệp, những manh mối đó rất dễ bị bỏ sót.
Các tác nhân đã phát hiện một khác biệt ngoài dự kiến giữa Tsc1 và Tsc2, hai gen phối hợp kiểm soát mTOR, một yếu tố điều hòa quan trọng của quá trình tăng trưởng, chuyển hóa và lão hóa tế bào. Việc gây gián đoạn chức năng của một trong hai gen đều tạo ra tác động tương tự ở một số nhóm tế bào thần kinh. Nhưng ở tiểu não, vùng giúp phối hợp vận động, việc gây gián đoạn chức năng Tsc2 làm thay đổi hoạt động của hàng chục gen tham gia truyền tín hiệu giữa các tế bào thần kinh, trong khi can thiệp vào Tsc1 chỉ tạo ra ít thay đổi.
Khác biệt đó có thể có ý nghĩa đối với bệnh ở người. Ở người mắc bệnh xơ cứng củ, các bất thường tại tiểu não có mối liên hệ chặt chẽ với đột biến TSC2. Dù các loại thuốc làm giảm hoạt động của mTOR có thể điều trị một số khối u não và cơn co giật, những khó khăn về học tập và hành vi liên quan đến bệnh vẫn là thách thức trong điều trị. Các tác nhân đã xác định được một nhóm tế bào thần kinh cụ thể và những thay đổi ở cấp tế bào đáng nghiên cứu: thuốc hiện có có thể khắc phục những thay đổi nào, và những thay đổi nào có thể gợi mở cách điều trị mới? Điều này mang lại cho các nhà nghiên cứu một tập hợp câu hỏi cụ thể hơn để kiểm chứng trong phòng thí nghiệm.
Liệu một tác nhân được cung cấp toàn bộ tập dữ liệu có thể làm tốt như hàng nghìn tác nhân hoạt động song song không? Chúng tôi đã kiểm chứng điều này trong điều kiện giữ nguyên mô hình và nguồn lực. Khi khối lượng công việc tăng lên, tác nhân đơn lẻ tìm kiếm ít tài liệu khoa học hơn, chỉ trích dẫn 11 tài liệu ở mức công việc lớn nhất, trong khi các tác nhân phân tán trích dẫn hơn 700 tài liệu. Các chuyên gia cũng đánh giá cao hơn những cách diễn giải của các tác nhân phân tán.
Các nhà khoa học có quỹ thời gian hạn hẹp và thường tập trung vào những tín hiệu mạnh nhất trong dữ liệu. Các tác nhân phân tán có thể giúp xem xét nhiều loại đáp ứng hơn, kể cả những đáp ứng khó nhận thấy hoặc ngoài dự kiến, rồi liên hệ những đáp ứng đó với tài liệu khoa học có liên quan. Việc vận hành các tác nhân song song cho phép nghiên cứu nhiều can thiệp cùng lúc. Điều này giúp các nhà khoa học khai thác thêm thông tin từ thí nghiệm và xác định những hướng nghiên cứu triển vọng có thể bị bỏ sót.
Ở mức khối lượng công việc lớn nhất, các tác nhân phân tán trích dẫn hơn 700 tài liệu tham khảo, so với 11 tài liệu của một tác nhân đơn lẻ.
Một phát hiện trở nên có giá trị hơn khi gợi mở một thí nghiệm đáng thực hiện. Các tác nhân đã tìm thấy một hướng nghiên cứu như vậy ở DCTN1, một gen mà đột biến của nó gây ra hội chứng Perry, bệnh thoái hóa thần kinh có các triệu chứng giống Parkinson.
DCTN1 tham gia vào quá trình vận chuyển các thành phần bên trong tế bào thần kinh. Trong bản đồ CRISPR toàn não, việc gây gián đoạn chức năng Dctn1 làm tăng biểu hiện của các gen tham gia tổng hợp cholesterol. Các tác nhân đã liên hệ quan sát này với nghiên cứu cho thấy những trục trặc trong quá trình vận chuyển cholesterol có thể khiến tế bào tổng hợp nhiều cholesterol hơn. Điều này đặt ra một câu hỏi cho các thí nghiệm tiếp theo: liệu việc gây gián đoạn chức năng DCTN1 có làm thay đổi sự phân bố cholesterol trong tế bào thần kinh, và liệu những thay đổi đó có góp phần gây thoái hóa thần kinh không? Nếu có, liệu việc khôi phục sự phân bố cholesterol bình thường có giúp bảo vệ tế bào thần kinh không?
Các chuyên gia cũng nhận định giả thuyết này mới mẻ, có ý nghĩa quan trọng và đáng được nghiên cứu tiếp. Ví dụ này cho thấy việc kết nối một kết quả ngoài dự kiến với kiến thức hiện có có thể biến một manh mối thành ý tưởng có thể kiểm chứng, và có khả năng mở ra một hướng điều trị bệnh mới.
Trong các lượt so sánh mù, chuyên gia đánh giá báo cáo của các tác nhân phân tán cao hơn báo cáo của tác nhân đơn lẻ ở 75% số lượt.
Các nhà khoa học vẫn giữ vai trò trung tâm trong quá trình khám phá. Bằng cách tìm ra thêm những hướng nghiên cứu triển vọng, AI có thể giúp các nhà nghiên cứu quyết định nên theo đuổi ý tưởng nào, thiết kế thí nghiệm và diễn giải kết quả. Mục tiêu là chuyển hóa thêm thông tin từ các thí nghiệm sinh học thành kiến thức, qua đó dần định hướng việc phát triển những loại thuốc tốt hơn.
