Ett forskningssystem där tusentals AI-agenter med GPT-Rosalind analyserade data från miljontals hjärnceller hos möss på 32 minuter och hittade nya spår kring sjukdomar som Alzheimers och Parkinsons.
Omslagsbild från OpenAI:s artikel om AI-agenter för biologisk data [1]
Distributed Agents är ett forskningsprojekt från OpenAI, PerturbAI och Scripps Research. Moderna biologiska experiment ger mer data än forskare hinner gå igenom. Här använde man en stor kartläggning av musens hjärna där tusentals gener stängts av en i taget med CRISPR och effekterna mätts i miljontals celler.
I stället för att låta en enda AI analysera allt delades arbetet upp på tusentals AI-agenter som drivs av OpenAI:s biologimodell GPT-Rosalind, ett arbetssätt som kallas distribuerat biologiskt resonemang. Varje agent undersökte en genförändring, analyserade hur cellerna reagerade, sökte i den vetenskapliga litteraturen och föreslog förklaringar. Rapporterna sammanställdes sedan till en samlad karta som kopplar ihop gener, effekter i cellerna, relevanta publikationer och möjliga biologiska mekanismer. Hela analysen tog 32 minuter, medan forskarna uppskattar att samma arbete för hand skulle ta månader till ett år.
Enligt OpenAI återskapade agenterna slutsatser från mänskliga analyser och hittade dessutom nya spår, till exempel en oväntad skillnad mellan generna Tsc1 och Tsc2 i lillhjärnan och ett möjligt samband mellan genen DCTN1, kolesterolomsättning och nervcellsdöd. När uppgiften blev större citerade de parallella agenterna över 700 källor, jämfört med 11 för en enskild agent, och blindade experter föredrog de distribuerade agenternas tolkningar i 75 % av fallen.
Resultatkartan, koden och en MCP-tjänst för att ställa frågor till materialet finns öppet på GitHub under MIT-licens. Artikeln är publicerad som förhandsversion på bioRxiv.
Inte bedömd än. Alla kan ändra.
Inga kommentarer än. Skriv gärna vilket projekt den kan passa i.