如果科学家能在几分钟内而不是几个月内揭示关于阿尔茨海默病和帕金森病的新线索，会怎样？OpenAI、PerturbAI 和 Scripps Research 共同合作，利用成千上万的由 GPT-Rosalind 驱动的人工智能代理，分析并解读来自数百万个小鼠脑细胞的现有实验数据，仅用32分钟。这些代理将基因干扰的影响与科学文献中的发现相联系，揭示了意想不到的生物联系，帮助科学家理解疾病，并为新治疗的研究方向提供线索。这项研究展示了人工智能如何帮助研究者探索大型生物实验所揭示的更多内容。现代实验产生的数据远远超出科学家能够深入调查的范围。研究者可以改变成千上万的基因，并测量其在数百万个细胞中的影响。但要理解这些结果对人类疾病的意义，需要将复杂的实验发现与数十年的分散科学知识联系起来。这正是人工智能可以帮助科学家揭示可能被忽视的有希望线索的地方。 "我们构建细胞图谱，以便其他科学家可以做出我们还未想象的发现。人工智能可以帮助更多的研究者探索这些资源，并将意外的观察转化为新的待测试问题。" —剑桥大学干细胞医学主任Sarah Teichmann博士。团队将分析工作分配给成千上万由 GPT-Rosalind 提供动力的人工智能代理，这种方法被称为分布式生物推理。代理们检查一个全脑 CRISPR 图谱，一个展示基因干扰如何影响小鼠大脑中不同类型细胞的数据集。每个代理调查一个基因干扰，分析细胞响应，搜索科学文献，并提出对结果的解释。他们的报告被整合成一个推理图谱，将基因、细胞效应、相关出版物和可能的生物机制联系在一起。研究团队估计，相比之下，进行一次扰动的人类分析和文献综述需要几个月到一年的时间。这些代理重新产生了人类分析的发现，同时揭示了额外的线索。他们对新颖性和科学价值的评估也与盲法人类专家的判断一致。这些发现有助于优先考虑进一步实验，以测试所提出的生物机制。其中一些见解指向理解脑部疾病的新线索。代理们发现两个与疾病相关的基因在影响脑细胞方面存在意外差异，以及胆固醇调节与神经退行性变之间的潜在联系。这些发现可能有助于科学家研究疾病发展和未来治疗干预的方向。"有时候线索已经存在，散布在不同领域—我们只不过没有将它们连接起来。神经功能与胆固醇代谢之间的可能联系表明，一旦将这些片段结合在一起，可以为我们提供新的思考疾病生物学的方式。" —UCSF神经外科副教授Tomasz Nowakowski博士。研究人员今天就可以开始探索这些发现。推理图谱现已可用，允许科学家比较相关基因、调查意外响应并识别有前景的线索。新的发现往往在来自不同领域的研究人员将他们的专业知识结合在一起，并以意想不到的方式连接熟悉的观点时出现。人工智能可以显著扩展这些联系，将新数据与分散在各个学科中的知识联系起来。这一机遇不仅在于更快地分析数据。通过将人工智能与实验生物学、人类专业知识和科学文献相结合，我们可以帮助科学家将更多的数据转化为可测试的想法。大型实验，意外线索一些实验中最有趣的线索位于科学家所设置调查的故事之外。在一个涵盖成千上万扰动的数据集中，那些线索可能会很容易被忽视。代理们识别出 Tsc1 和 Tsc2 之间的一个意外差异，这两个基因共同工作以控制 mTOR，这是细胞生长、代谢和衰老的主要调节因子。干扰任何一个基因在几组神经元中都有相似的效应。但在小脑中，这个帮助协调运动的区域，Tsc2 的干扰改变了几十个与神经元通讯相关的基因的活性，而 Tsc1 的干扰几乎没有产生变化。这个差异可能与人类疾病有关。在患有结节性硬化症的人群中，小脑的异常与 TSC2 突变密切相关。虽然减少 mTOR 活性药物可以治疗某些脑肿瘤和癫痫发作，但与疾病相关的学习和行为困难仍然存在。