Что если ученые смогут находить новые подсказки об исследовании болезни Альцгеймера и Паркинсона за считанные минуты вместо месяцев? Работая вместе, OpenAI, PerturbAI(opens in a new window) и Scripps Research(opens in a new window) использовали thousands of AI agents powered by GPT‑Rosalind(opens in a new window) для анализа и интерпретации существующих экспериментальных данных миллионов клеток мозга мышей(opens in a new window) всего за 32 минуты. Агенты сопоставили эффекты нарушений генов с выводами из научной литературы, обнаружив неожиданные биологические связи, которые могут помочь ученым понять природу заболеваний и определить направления исследований для новых методов лечения. Эта работа демонстрирует, как ИИ может помочь исследователям глубже изучать результаты масштабных биологических экспериментов.
Современные эксперименты генерируют гораздо больше данных, чем ученые могут детально исследовать. Теперь исследователи могут изменять тысячи генов и измерять их влияние на миллионы клеток. Но чтобы понять, что эти результаты означают для человеческих болезней, необходимо связать сложные экспериментальные данные с десятилетиями разрозненных научных знаний. Именно здесь ИИ может помочь ученым обнаружить многообещающие направления, которые в противном случае могли бы остаться незамеченными.
«Мы создаем атласы клеток, чтобы другие ученые могли совершать открытия, которые мы пока не можем себе представить. ИИ может помочь большему числу исследователей изучать эти ресурсы и превращать неожиданные наблюдения в новые вопросы для проверки».
— Сара Тейхманн (доктор философии), профессор медицины стволовых клеток в Кембриджском университете и один из основателей-сопредседателей проекта Human Cell Atlas
Команда разделила анализ между тысячами агентов ИИ на базе GPT‑Rosalind — подход, который мы называем распределенным биологическим рассуждением. Агенты изучили атлас CRISPR всего мозга(opens in a new window), набор данных, показывающий, как нарушения генов влияют на различные типы клеток в мозге мыши. Каждый агент исследовал нарушение определенного гена, анализировал клеточные реакции, изучал научную литературу и предлагал объяснения полученных результатов. Их отчеты были объединены в атлас рассуждений, связывающий воедино гены, клеточные эффекты, соответствующие публикации и возможные биологические механизмы.
Исследовательская группа подсчитала, что сопоставимый анализ и обзор литературы, проведенные человеком поочередно для каждого изменения, заняли бы от нескольких месяцев до года. Агенты воспроизвели выводы на основе анализа данных человеком и одновременно выявили дополнительные перспективные направления. Их оценки новизны и научной ценности также совпали с оценками независимых экспертов-людей. Эти выводы помогают расставить приоритеты для дальнейших экспериментов, необходимых для проверки предложенных биологических механизмов.
Некоторые из этих идей указывают на новые пути к пониманию заболеваний мозга. Агенты выявили неожиданные различия в том, как два связанных с заболеванием гена по-разному влияют на клетки мозга, а также потенциальную связь между регуляцией холестерина и нейродегенерацией. Эти результаты могут помочь ученым исследовать механизмы развития болезней и определить возможные точки воздействия для будущих методов лечения.
«Иногда подсказки уже существуют, они просто разбросаны по разным областям — мы просто еще не связали их воедино. Возможная связь между нейрональной функцией и метаболизмом холестерина показывает, как эти элементы, будучи объединенными, могут дать нам новый взгляд на биологию заболеваний».
— Томаш Новаковски (доктор философии), доцент кафедры нейрохирургии Калифорнийского университета в Сан-Франциско (UCSF)
Исследователи могут начать изучение этих результатов уже сегодня. Атлас рассуждений доступен(opens in a new window), что позволяет ученым сравнивать связанные гены, исследовать неожиданные реакции и определять перспективные направления для работы. Новые открытия часто происходят тогда, когда исследователи из разных областей объединяют свой опыт и связывают привычные идеи неожиданным образом. ИИ может значительно масштабировать эти связи, объединяя новые данные со знаниями, распределенными по разным дисциплинам. Возможности выходят за рамки более быстрого анализа данных. Объединяя ИИ с экспериментальной биологией, экспертными знаниями человека и научной литературой, мы можем помочь ученым превратить больший объем данных в проверяемые гипотезы.
Масштабные эксперименты, неожиданные подсказки
Некоторые из самых интересных подсказок эксперимента находятся за пределами истории, которую ученые изначально планировали исследовать. В наборе данных, охватывающем тысячи изменений, такие подсказки легко упустить из виду.
Агенты выявили неожиданное различие между Tsc1 и Tsc2 — двумя генами, которые работают вместе для контроля mTOR, главного регулятора клеточного роста, метаболизма и старения. Нарушение любого из этих генов приводило к схожим эффектам в нескольких группах нейронов. Однако в мозжечке, который помогает координировать движения, нарушение работы гена Tsc2 изменяло активность десятков генов, участвующих в нейрональной связи, в то время как нарушение Tsc1 практически не приводило к изменениям.
Это различие может иметь отношение к заболеваниям человека. У людей с туберозным склерозом аномалии в мозжечке тесно связаны с мутациями в гене TSC2. Хотя лекарства, снижающие активность mTOR, могут лечить определенные опухоли мозга и судороги, трудности с обучением и поведенческие проблемы, связанные с заболеванием, по-прежнему трудно поддаются коррекции. Агенты указали на конкретную группу нейронов и клеточных изменений, которые заслуживают изучения: какие изменения могут исправить существующие лекарства, а какие могут указывать на новые подходы к лечению? Это дает исследователям более точный набор вопросов для проверки в лаборатории.
Разделение работы, углубление рассуждений
Мог ли один агент, получив весь набор данных, справиться так же хорошо, как тысячи агентов, работающих параллельно? Мы проверили это, оставив модель и ресурсы неизменными. По мере роста рабочей нагрузки одиночный агент изучал меньшую часть литературы, сославшись всего на 11 источников при максимальной нагрузке, в то время как распределенные агенты сослались более чем на 700 источников. Эксперты также отдали предпочтение интерпретациям, полученным с помощью распределенных агентов.
У ученых мало времени, и они часто сосредотачиваются на самых сильных сигналах в своих данных. Распределенные агенты могут помочь изучить более широкий спектр реакций, включая тонкие или неожиданные, и связать их с соответствующей научной литературой. Параллельный запуск агентов позволяет исследовать множество возмущений одновременно. Это помогает ученым глубже изучить результаты эксперимента и выявить многообещающие направления, которые в противном случае могли бы остаться незамеченными.
При максимальной нагрузке распределенные агенты сослались более чем на 700 источников по сравнению с 11 у одиночного агента.
Поиск следующего эксперимента, который стоит провести
Результат исследования становится более ценным, когда он указывает на эксперимент, который действительно стоит провести. Агенты нашли такое перспективное направление в DCTN1 — гене, мутации которого вызывают синдром Перри, нейродегенеративное заболевание с симптомами, похожими на болезнь Паркинсона.
Белок DCTN1 участвует в транспортировке грузов внутри нейронов. В общемозговом атласе CRISPR нарушение функции Dctn1 привело к повышению экспрессии генов, участвующих в синтезе холестерина. Агенты связали это наблюдение с исследованиями, предполагающими, что проблемы с транспортом холестерина могут заставлять клетки вырабатывать его в больших количествах. Это породило вопрос для последующих экспериментов: может ли нарушение работы DCTN1 изменить распределение холестерина внутри нейронов и могут ли эти изменения способствовать нейродегенерации? Если да, то могло бы восстановление нормального распределения холестерина помочь защитить нейроны?
Эксперты-люди также сочли эту гипотезу новой, имеющей важное значение и заслуживающей дальнейшей проверки. Этот пример показывает, как сопоставление неожиданного результата с имеющимися знаниями может превратить зацепку в проверяемую идею и потенциально в новое направление лечения заболеваний.
В слепых сравнениях эксперты-люди отдавали предпочтение отчетам распределенных агентов в 75% случаев.
Ученые остаются в центре процесса открытий. Выявляя более перспективные направления, ИИ может помочь исследователям решать, какие идеи стоит разрабатывать, проектировать эксперименты и интерпретировать результаты. Цель состоит в том, чтобы превратить больший объем информации из биологических экспериментов в знания, которые со временем помогут направлять разработку более эффективных лекарств.
