OpenAI、PerturbAI 與 Scripps Research 用數千個 AI 智能體從腦細胞數據中發掘研究線索
Using thousands of AI agents to uncover new leads in biological data
OpenAI、PerturbAI 與 Scripps Research 使用由 GPT‑Rosalind 驅動的數千個 AI 智能體，在 32 分鐘內分析數百萬個小鼠腦細胞的既有實驗數據，找出可供後續研究的生物學線索。
以小鼠腦細胞數據展示分佈式智能體如何串連基因擾動結果與科學文獻，並以單一智能體和盲評比較其分析廣度。
利用數以千計的 AI Agent 從生物數據中發掘新線索
OpenAI、PerturbAI 和 Scripps Research 如何運用分散式 AI Agent，協助科學家從數百萬個腦細胞的數據中找出具潛力的研究線索
00:10 01:23
瞭解 OpenAI、PerturbAI 和 Scripps Research 如何平行運作數以千計的 AI Agent，從數百萬個腦細胞的複雜數據中找出具潛力的生物學關聯。
影片鳴謝：PerturbAI。
顯示更多
分享
如果科學家能在幾分鐘而非幾個月內，發現有關阿茲海默症和柏金遜症的新線索，會怎樣？OpenAI、PerturbAI（在新視窗開啟） 和 Scripps Research（在新視窗開啟） 合作，運用 數以千計由 GPT‑Rosalind 驅動的 AI Agent（在新視窗開啟），只用了 32 分鐘便分析和解讀來自數百萬個小鼠腦細胞（在新視窗開啟）的現有實驗數據。這些 Agent 將基因擾動的影響與科學文獻中的發現連結起來，揭示出意想不到的生物學關聯，有助科學家瞭解疾病，並找出新療法的研究方向。這項工作展示了 AI 如何協助研究人員從大型生物實驗的結果中探索更多資訊。
現代實驗產生的數據量遠超科學家能夠全面研究的範圍。研究人員現在可以改變數以千計的基因，並測量它們在數百萬個細胞中的影響。但要了解這些結果對人類疾病的意義，就需要把複雜的實驗發現與數十年來零散的科學知識連結起來。AI 可以在這方面協助科學家發掘可能被忽略的具潛力研究線索。
「我們建立細胞圖譜，讓其他科學家可以作出我們尚未想像到的發現。AI 可以協助更多研究人員探索這些資源，並把意想不到的觀察轉化為新的待測試問題。」
—Sarah Teichmann, Ph.D.，劍橋大學幹細胞醫學講座教授、Human Cell Atlas 創始共同主席
團隊將分析工作分配給數以千計由 GPT‑Rosalind 驅動的 AI Agent，這種方法稱為分散式生物學推理。這些 Agent 研究了一個全腦 CRISPR 圖譜（在新視窗開啟），這個數據集展示基因擾動如何影響小鼠腦部不同類型的細胞。每個 Agent 研究一項基因擾動、分析細胞反應、搜尋科學文獻，並就結果提出解釋。團隊把各份報告合併成一個推理圖譜，連結基因、細胞效應、相關論文及可能的生物機制。
研究團隊估計，如果由人類逐項分析擾動並檢視文獻，完成類似的工作需時數月至一年。這些 Agent 重現了人類分析的發現，同時找出更多線索。它們對新穎性和科學價值的評估，也與盲法評估的人類專家所作的判斷一致。這些發現有助研究人員排列進一步實驗的優先次序，以測試所提出的生物機制。
部分洞見為理解腦部疾病帶來新的研究方向。這些 Agent 發現，兩個與疾病相關的基因對腦細胞的影響有出乎意料的差異，並找到膽固醇調節與神經退化之間可能存在的關聯。這些發現有助科學家探究疾病如何發展，以及未來治療可以在哪些環節介入。
「有時，線索早已散落在不同領域，只是我們尚未把它們連繫起來。神經元功能與膽固醇代謝之間可能存在的關聯，正好説明把這些線索串連起來後，能為我們提供思考疾病生物學的新角度。」
—Tomasz Nowakowski 博士，UCSF 神經外科副教授
研究人員今日即可開始探索這些發現。推理圖譜現已提供（在新視窗開啟），讓科學家比較相關基因、探究出乎意料的反應，以及找出值得進一步追查的研究方向。不同領域的研究人員匯聚專業知識，並以出乎意料的方式連繫熟悉的概念，往往能帶來新發現。AI 可透過連結新數據與散落在不同學科的知識，大幅擴展這些連繫。這個機遇不止於更快分析數據。結合 AI、實驗生物學、人類專業知識與科學文獻，我們可以協助科學家把更多數據轉化為可驗證的想法。
大型實驗，意外線索
實驗中一些最有趣的線索，可能不在科學家原本打算探究的範圍內。當數據集涵蓋數千種擾動時，這些線索很容易被忽略。
這些 Agent 發現 Tsc1 與 Tsc2 之間有一項出乎意料的差異。這兩個基因共同調控 mTOR；mTOR 是細胞生長、代謝和老化的重要調節因子。在幾組神經元中，幹擾其中任何一個基因都會產生相似影響。但在協助協調動作的小腦中，幹擾 Tsc2 會改變數十個與神經元通訊有關的基因的活性，而幹擾 Tsc1 則幾乎沒有造成變化。
這項差異可能與人類疾病有關。結節性硬化症患者的小腦異常與 TSC2 突變有密切關聯。降低 mTOR 活性的藥物可以治療某些腦腫瘤和癲癇發作，但這種疾病相關的學習和行為困難仍難以處理。這些 Agent 找出一組值得進一步研究的特定神經元及細胞變化：哪些變化可能透過現有藥物得以改善？哪些變化或可指向新的治療方法？這讓研究人員能在實驗室測試一組更明確的問題。
分工合作，深化推理
讓單一 Agent 處理整個數據集，能否與數千個平行工作的 Agent 同樣出色？我們在固定模型和資源的情況下進行了測試。隨着工作量增加，單一 Agent 搜尋的文獻較少，在工作量最大時只引用 11 篇參考文獻；分散式 Agent 則引用了 700 多篇參考文獻。人類專家也較認同分散式 Agent 的解讀。
科學家的時間有限，往往會專注於數據中最強烈的訊號。分散式代理可協助檢視更多不同反應，包括細微或意料之外的反應，並將它們與相關科學文獻聯繫起來。讓代理平行運作，可同時研究多種擾動。這有助科學家更全面地探索實驗所包含的資訊，並找出可能被忽略的有希望線索。
在最大規模的工作負載下，分散式代理引用了700多篇參考文獻，單一代理則引用了11篇。
尋找值得進行的下一個實驗
一項發現若能指向值得進行的實驗，價值便會更高。代理在DCTN1中找到一條這樣的線索。這個基因的突變會導致佩裏綜合症，這是一種具有帕金森病樣症狀的神經退化性疾病。
DCTN1 參與神經元內的貨物運輸。在全腦 CRISPR 圖譜中，幹擾 Dctn1 會提高參與膽固醇合成的基因的表達。代理將這項觀察與相關研究聯繫起來；研究指出，膽固醇運輸出現問題可能會令細胞製造更多膽固醇。這引出一個可供後續實驗探討的問題：幹擾 DCTN1 會否改變膽固醇在神經元內的分佈，而這些變化又會否導致神經退化？如果會，恢復正常的膽固醇分佈能否有助保護神經元？
人類專家亦認為這個假設新穎、影響重大，而且值得進一步研究。這個例子顯示，將意料之外的結果與現有知識聯繫起來，可以把線索轉化為可驗證的構想，並可能為治療疾病開闢新方向。
在盲測比較中，人類專家有75%的情況偏好分散式代理報告，而非單一代理報告。
科學家仍然是探索工作的核心。透過找出更多有希望的線索，AI 可協助研究人員決定要跟進哪些構想、設計實驗及解讀結果。目標是把生物實驗中的更多資訊轉化為知識，讓這些知識隨時間推移，有助指引更佳藥物的研發。
作者
OpenAI
來源：OpenAI News · openai.com