OpenAI cùng công ty công nghệ sinh học PerturbAI và Scripps Research đã trình diễn cách các tác nhân AI phân tán có thể tăng tốc xử lý những mảng dữ liệu sinh học khổng lồ.
Nhóm đã sử dụng hàng nghìn tác nhân dựa trên GPT-Rosalind để phân tích whole-brain CRISPR atlas — dữ liệu về ảnh hưởng của các đột biến gen lên hàng triệu tế bào não chuột. Mỗi tác nhân nghiên cứu một gen: phân tích phản ứng tế bào, tìm kiếm mối liên hệ trong tài liệu khoa học và đề xuất những giải thích khả dĩ.
Toàn bộ quá trình mất 32 phút. Các nhà nghiên cứu ước tính rằng việc phân tích thủ công và rà soát tài liệu tương đương cho một gen có thể mất từ vài tháng đến một năm.
Cốt lõi là gì
AI không tiến hành thí nghiệm mới và không chứng minh nguyên nhân bệnh. Nó nhanh chóng xử lý dữ liệu đã có, tìm ra các quy luật và đề xuất giả thuyết mà giờ đây các nhà khoa học có thể kiểm chứng trong phòng thí nghiệm.
Các kết quả được hợp nhất thành reasoning atlas — một bản đồ liên kết gen, hiệu ứng tế bào, công bố khoa học và các cơ chế khả dĩ. Atlas như vậy giúp nhà nghiên cứu không phải lục lọi dữ liệu thủ công mà thấy ngay những hướng đi triển vọng nhất.
Vì sao điều này quan trọng
Giá trị chính của dự án là quy mô. Hàng nghìn tác nhân song song phân tích dữ liệu về hàng triệu tế bào và trích dẫn hơn 700 nguồn khoa học. Để so sánh: một tác nhân đơn lẻ trong cùng bài kiểm tra chỉ sử dụng 11 nguồn.
Trong một so sánh mù, các nhà sinh học thường chọn báo cáo của các tác nhân phân tán hơn — trong 75% trường hợp. Điều này không có nghĩa AI luôn đúng, nhưng cho thấy hệ thống có khả năng đưa ra những kết luận nghiên cứu hữu ích và có căn cứ vững chắc.
Đã tìm ra gì
Trong số các giả thuyết có sự khác biệt bất ngờ về tác động của các gen Tsc1 và Tsc2 trong tiểu não: đột biến Tsc2 làm thay đổi hoạt động của hàng chục gen, còn Tsc1 thì gần như không.
Một ví dụ khác liên quan đến gen DCTN1, mà các đột biến của nó gắn với một bệnh thoái hóa thần kinh hiếm gặp — hội chứng Perry. Đột biến gen này làm tăng biểu hiện của các gen tham gia tổng hợp cholesterol. Đây không phải nguyên nhân bệnh đã được xác lập, mà là một dấu vết khả dĩ cần được kiểm chứng thêm.
Tiếp theo là gì
Reasoning atlas đã có sẵn cho các nhà nghiên cứu: có thể dùng nó để tìm giả thuyết mới và lập kế hoạch thí nghiệm.
Các đối tác xem phương pháp này là cách nhanh hơn để tìm ra các mục tiêu tiềm năng cho thuốc. Nếu phương pháp được xác nhận trên dữ liệu khác, nó có thể giúp việc tìm kiếm thuốc mới mang tính hệ thống hơn. Nhưng hiện đây vẫn là giai đoạn đầu: AI đề xuất ý tưởng, còn kết luận cuối cùng thuộc về các nhà khoa học và thí nghiệm trong phòng thí nghiệm.
