OpenAI ও অংশীদাররা দেখিয়েছেন কীভাবে এআই বিশাল বৈজ্ঞানিক তথ্যের বিশ্লেষণ শতগুণ দ্রুত করতে পারে

সম্পাদনা করেছেন: Tatyana Hurynovich

OpenAI showed that AI agents can handle the slowest step in modern biology, making sense of huge experiments. By splitting a huge brain experiment among 1,946 AI agents, OpenAI got in 32 minutes what it estimates would take people months: a ranked list of leads for new

Image
OpenAI
OpenAI
@OpenAI

GPT-Rosalind surfaced a new lead for drug discovery: could restoring cholesterol transport protect neurons from degeneration? DCTN1 is a gene linked to Perry syndrome, a rare neurodegenerative disorder. In mouse-brain data, disrupting it increased expression of genes involved in

Reply

OpenAI বায়োটেক কোম্পানি PerturbAI এবং Scripps Research-এর সঙ্গে মিলে প্রদর্শন করেছে কীভাবে বিতরণকৃত এআই এজেন্টরা বিশাল জৈবিক তথ্যভাণ্ডার নিয়ে কাজের গতি বাড়াতে পারে।

দলটি GPT-Rosalind-ভিত্তিক হাজার হাজার এজেন্ট ব্যবহার করেছে whole-brain CRISPR atlas বিশ্লেষণ করতে — এটি ইঁদুরের মস্তিষ্কের লক্ষ লক্ষ কোষে জিনের ব্যাঘাতের প্রভাব সম্পর্কিত তথ্য। প্রতিটি এজেন্ট একটি জিন অধ্যয়ন করেছে: কোষীয় প্রতিক্রিয়া বিশ্লেষণ করেছে, বৈজ্ঞানিক সাহিত্যে সংযোগ খুঁজেছে এবং সম্ভাব্য ব্যাখ্যা প্রস্তাব করেছে।

পুরো প্রক্রিয়াটি লেগেছে 32 মিনিট। গবেষকদের অনুমান, একটি জিন নিয়ে তুলনীয় হাতে-কলমে বিশ্লেষণ ও সাহিত্য পর্যালোচনায় কয়েক মাস থেকে এক বছর পর্যন্ত লাগতে পারত।

মূল বিষয় কী

এআই নতুন কোনো পরীক্ষা চালায়নি এবং রোগের কারণ প্রমাণ করেনি। এটি ইতিমধ্যে বিদ্যমান তথ্য দ্রুত প্রক্রিয়া করেছে, নিয়মিততা খুঁজে পেয়েছে এবং সম্ভাব্য অনুমান প্রস্তাব করেছে, যা এখন বিজ্ঞানীরা পরীক্ষাগারে যাচাই করতে পারেন।

ফলাফলগুলোকে একটি reasoning atlas-এ একত্র করা হয়েছে — এমন একটি মানচিত্র যেখানে জিন, কোষীয় প্রভাব, বৈজ্ঞানিক প্রকাশনা ও সম্ভাব্য কার্যপ্রণালী পরস্পর সংযুক্ত। এমন অ্যাটলাস গবেষকদের তথ্য হাতে-কলমে ঘাঁটাঘাঁটি না করে সরাসরি সবচেয়ে সম্ভাবনাময় দিকগুলো দেখতে সাহায্য করে।

এটি কেন গুরুত্বপূর্ণ

প্রকল্পের প্রধান মূল্য হলো এর পরিসর। হাজার হাজার এজেন্ট সমান্তরালভাবে লক্ষ লক্ষ কোষের তথ্য বিশ্লেষণ করেছে এবং 700-এরও বেশি বৈজ্ঞানিক উৎস উদ্ধৃত করেছে। তুলনার জন্য: একই পরীক্ষায় একক এজেন্ট কেবল 11টি উৎস ব্যবহার করেছে।

একটি অন্ধ তুলনায় জীববিজ্ঞানীরা 75% ক্ষেত্রে বিতরণকৃত এজেন্টদের প্রতিবেদন বেশি বেছে নিয়েছেন। এর অর্থ এই নয় যে এআই সবসময় সঠিক, বরং এটি দেখায় যে সিস্টেমটি উপকারী ও সুপ্রতিষ্ঠিত গবেষণা সিদ্ধান্ত দিতে সক্ষম।

কী পাওয়া গেছে

অনুমানগুলোর মধ্যে রয়েছে সেরিবেলামে Tsc1 ও Tsc2 জিনের ক্রিয়ায় অপ্রত্যাশিত পার্থক্য: Tsc2-এর ব্যাঘাত কয়েক ডজন জিনের সক্রিয়তা বদলে দিয়েছে, কিন্তু Tsc1-এর ক্ষেত্রে প্রায় হয়নি।

আরেকটি উদাহরণ DCTN1 জিনের সঙ্গে সম্পর্কিত, যার মিউটেশন একটি বিরল নিউরোডিজেনারেটিভ রোগ — পেরি সিনড্রোমের সঙ্গে যুক্ত। এই জিনের ব্যাঘাত কোলেস্টেরল সংশ্লেষণে অংশগ্রহণকারী জিনগুলোর অভিব্যক্তি বাড়িয়েছে। এটি রোগের প্রতিষ্ঠিত কারণ নয়, বরং একটি সম্ভাব্য সূত্র যা আরও যাচাই দাবি করে।

এরপর কী

Reasoning atlas ইতিমধ্যে গবেষকদের জন্য উপলব্ধ: এটি নতুন অনুমান খুঁজতে ও পরীক্ষা পরিকল্পনায় ব্যবহার করা যায়।

অংশীদাররা এই পদ্ধতিকে ওষুধের সম্ভাব্য লক্ষ্য দ্রুত খুঁজে পাওয়ার উপায় হিসেবে বিবেচনা করছেন। যদি পদ্ধতিটি অন্য তথ্যে প্রমাণিত হয়, তবে এটি নতুন ওষুধ অনুসন্ধানকে আরও পদ্ধতিগত করতে পারে। তবে এখনো এটি প্রাথমিক পর্যায়: এআই ধারণা প্রস্তাব করে, আর চূড়ান্ত সিদ্ধান্ত বিজ্ঞানী ও পরীক্ষাগার পরীক্ষার হাতেই থাকে।

5 দৃশ্য

উৎসসমূহ

  • Using thousands of AI agents to uncover new leads in biological data

  • PerturbAI and OpenAI Unveil First-of-Its-Kind AI Reasoning Agents to Scale Biomedical Discovery

মন্তব্য

আপনি কি কোনো ত্রুটি বা অসঠিকতা খুঁজে পেয়েছেন?আমরা আপনার মন্তব্য যত তাড়াতাড়ি সম্ভব বিবেচনা করব।