نزدیک به ۲۰۰۰ عامل هوش مصنوعی اطلس ژنتیکی مغز موش را در ۳۲ دقیقه تحلیل کردند

OpenAI، PerturbAI و Scripps Research نزدیک به ۲۰۰۰ عامل هوش مصنوعی را برای تحلیل یک مجموعه‌داده بزرگ مربوط به مغز موش در تنها ۳۲ دقیقه به کار گرفتند. نتایج این پژوهش روز چهارشنبه در قالب یک پیش‌چاپ (preprint) در bioRxiv منتشر شد که هنوز داوری همتا نشده است. این عامل‌ها بر پایه GPT-Rosalind، مدلی که به‌طور ویژه برای پژوهش‌های علوم زیستی ساخته شده، فعالیت می‌کردند.

داده‌های پایه از یک اطلس CRISPR مربوط به تمام مغز گرفته شده که توسط PerturbAI ساخته شده است؛ در این اطلس، ژن‌های منفرد در موش‌ها یکی‌یکی خاموش شده‌اند تا نشان دهند هر تغییر چگونه بر انواع مختلف سلول‌های مغزی اثر می‌گذارد. به هر عامل، یک اختلال ژنی اختصاص داده شده بود. هر عامل بررسی می‌کرد که سلول‌ها چگونه واکنش نشان می‌دهند، در ادبیات علمی جست‌وجو می‌کرد و توضیحات مکانیستی احتمالی پیشنهاد می‌داد. سپس همه گزارش‌ها در یک اطلس استدلالی یکپارچه ادغام شدند که ژن‌ها، اثرات سلولی، مقالات پژوهشی و مکانیسم‌های زیستی احتمالی را به هم مرتبط می‌کند.

به گفته تیم تحقیق، اگر پژوهشگران انسانی همین کار را به‌صورت دستی انجام می‌دادند، چند ماه تا یک سال زمان می‌برد. در ارزیابی‌های کور، کارشناسان مستقل در ۷۵ درصد موارد گزارش‌های سیستم چند-عامله را به گزارش‌های تولیدشده توسط یک عامل تنها ترجیح دادند. سیستم چند-عامله همچنین در سنگین‌ترین بار کاری خود به بیش از ۷۰۰ منبع استناد کرد، در حالی که این رقم برای یک عامل تنها تنها ۱۱ بود.

از جمله سرنخ‌های تازه شناسایی‌شده: اختلال در ژن Tsc2 دهها ژن مرتبط با ارتباط بین سلول‌های عصبی در مخچه را تغییر داد، در حالی که اختلال در ژن Tsc1 تغییر چندانی ایجاد نکرد — شکافی که احتمالاً برای اسکلروز توبروز اهمیت دارد. در یافته‌ای دیگر، خاموش‌کردن ژن Dctn1، که با بیماری نادر مغزی موسوم به سندرم پری مرتبط است، فعالیت ژن‌های دخیل در تولید کلسترول را افزایش داد که به پیشنهاد آزمایش‌های آزمایشگاهی برای بررسی نقش آن در آسیب سلول‌های عصبی منجر شد.

اطلس استدلالی به‌صورت عمومی در GitHub در دسترس است و مجموعه‌داده پایه نیز در Hugging Face قرار دارد.