OpenAI ने बायोटेक कंपनी PerturbAI और Scripps Research के साथ मिलकर प्रदर्शित किया कि कैसे वितरित AI-एजेंट जैविक डेटा के विशाल संग्रहों के साथ काम को तेज़ कर सकते हैं।
टीम ने whole-brain CRISPR atlas के विश्लेषण के लिए GPT-Rosalind पर आधारित हज़ारों एजेंटों का उपयोग किया — यह चूहे के मस्तिष्क की लाखों कोशिकाओं पर जीन विकारों के प्रभाव का डेटा है। प्रत्येक एजेंट ने एक जीन का अध्ययन किया: कोशिकीय प्रतिक्रियाओं का विश्लेषण किया, वैज्ञानिक साहित्य में संबंध खोजे और संभावित व्याख्याएँ सुझाईं।
पूरी प्रक्रिया में 32 मिनट लगे। शोधकर्ताओं का अनुमान है कि एक जीन पर तुलनीय मैन्युअल विश्लेषण और साहित्य समीक्षा में कई महीनों से लेकर एक वर्ष तक लग सकते थे।
मूल बात क्या है
AI ने नए प्रयोग नहीं किए और न ही रोग के कारण को सिद्ध किया। उसने पहले से मौजूद डेटा को तेज़ी से संसाधित किया, पैटर्न खोजे और परिकल्पनाएँ सुझाईं, जिन्हें अब वैज्ञानिक प्रयोगशाला में जाँच सकते हैं।
परिणामों को एक reasoning atlas में संयोजित किया गया — एक ऐसा मानचित्र जिसमें जीन, कोशिकीय प्रभाव, वैज्ञानिक प्रकाशन और संभावित तंत्र आपस में जुड़े हैं। ऐसा एटलस शोधकर्ताओं को डेटा को मैन्युअल रूप से छानने के बजाय सीधे सबसे आशाजनक दिशाओं को देखने में मदद करता है।
यह क्यों महत्वपूर्ण है
परियोजना का मुख्य मूल्य इसका पैमाना है। हज़ारों एजेंटों ने समानांतर रूप से लाखों कोशिकाओं के डेटा का विश्लेषण किया और 700 से अधिक वैज्ञानिक स्रोतों का उल्लेख किया। तुलना के लिए: उसी परीक्षण में एकल एजेंट ने केवल 11 स्रोतों का उपयोग किया।
एक अंध तुलना में जीवविज्ञानियों ने वितरित एजेंटों की रिपोर्टों को अधिक बार चुना — 75% मामलों में। इसका अर्थ यह नहीं है कि AI हमेशा सही होता है, लेकिन यह दर्शाता है कि प्रणाली उपयोगी और सुविचारित शोध निष्कर्ष देने में सक्षम है।
क्या पाया गया
परिकल्पनाओं में अनुमस्तिष्क में Tsc1 और Tsc2 जीनों की क्रिया में अप्रत्याशित अंतर शामिल है: Tsc2 के विकार ने दर्जनों जीनों की सक्रियता बदली, जबकि Tsc1 ने लगभग नहीं।
एक और उदाहरण DCTN1 जीन से जुड़ा है, जिसके उत्परिवर्तन एक दुर्लभ न्यूरोडीजेनेरेटिव रोग — पेरी सिंड्रोम — से जुड़े हैं। इस जीन के विकार ने कोलेस्ट्रॉल संश्लेषण में भाग लेने वाले जीनों की अभिव्यक्ति बढ़ा दी। यह रोग का स्थापित कारण नहीं, बल्कि एक संभावित संकेत है जिसके लिए आगे और जाँच की आवश्यकता है।
आगे क्या
Reasoning atlas शोधकर्ताओं के लिए पहले से उपलब्ध है: इसका उपयोग नई परिकल्पनाएँ खोजने और प्रयोगों की योजना बनाने के लिए किया जा सकता है।
साझेदार इस दृष्टिकोण को दवाओं के लिए संभावित लक्ष्यों को तेज़ी से खोजने का एक तरीका मानते हैं। यदि यह विधि अन्य डेटा पर सिद्ध हो जाती है, तो यह नई दवाओं की खोज को अधिक व्यवस्थित बना सकती है। लेकिन अभी यह एक प्रारंभिक चरण है: AI विचार सुझाता है, और अंतिम निष्कर्ष वैज्ञानिकों और प्रयोगशाला प्रयोगों पर निर्भर रहते हैं।
