OpenAI вместе с биотех-компанией PerturbAI и Scripps Research продемонстрировали, как распределённые ИИ-агенты могут ускорять работу с огромными массивами биологических данных.
Команда использовала тысячи агентов на базе GPT-Rosalind для анализа whole-brain CRISPR atlas — данных о влиянии нарушений генов на миллионы клеток мозга мыши. Каждый агент изучал один ген: анализировал клеточные реакции, искал связи в научной литературе и предлагал возможные объяснения.
Весь процесс занял 32 минуты. Исследователи оценивают, что сопоставимый ручной анализ и обзор литературы по одному гену могли бы занять от нескольких месяцев до года.
В чём суть
ИИ не проводил новые эксперименты и не доказал причину болезни. Он быстро обработал уже существующие данные, нашёл закономерности и предложил гипотезы, которые теперь могут проверить учёные в лаборатории.
Результаты объединили в reasoning atlas — карту, где связаны гены, клеточные эффекты, научные публикации и возможные механизмы. Такой атлас помогает исследователям не перебирать данные вручную, а сразу видеть наиболее перспективные направления.
Почему это важно
Главная ценность проекта — масштаб. Тысячи агентов параллельно разобрали данные о миллионах клеток и процитировали более 700 научных источников. Для сравнения: одиночный агент в том же тесте использовал только 11 источников.
В слепом сравнении биологи чаще выбирали отчёты распределённых агентов — в 75% случаев. Это не означает, что ИИ всегда прав, но показывает, что система способна давать полезные и хорошо обоснованные исследовательские выводы.
Что нашли
Среди гипотез — неожиданные различия в действии генов Tsc1 и Tsc2 в мозжечке: нарушение Tsc2 изменило активность десятков генов, а Tsc1 — почти нет.
Ещё один пример связан с геном DCTN1, мутации которого связаны с редким нейродегенеративным заболеванием — синдромом Перри. Нарушение этого гена повысило экспрессию генов, участвующих в синтезе холестерина. Это не установленная причина болезни, а возможный след, который требует дальнейших проверок.
Что дальше
Reasoning atlas уже доступен исследователям: его можно использовать для поиска новых гипотез и планирования экспериментов.
Партнёры рассматривают подход как способ быстрее находить потенциальные мишени для лекарств. Если метод подтвердится на других данных, он может сделать поиск новых препаратов более системным. Но пока это ранний этап: ИИ предлагает идеи, а окончательные выводы остаются за учёными и лабораторными экспериментами.
