AntwortenVeröffentlicht18 Quellen
Was knapp 2.000 GPT-Rosalind-Agenten in Mausgehirn-Daten fanden
OpenAI, PerturbAI und Scripps Research zufolge werteten Tausende GPT Rosalind Agenten vorhandene Daten aus Millionen Mausgehirnzellen in 32 Minuten aus. Die Agenten verknüpften Effekte von Genveränderungen mit Fachliteratur und bündelten mögliche Erklärungen in einem „Reasoning Atlas“.
Veröffentlicht vonBearbeitet mit GPT-6 LunaBilder erstellt mit GPT Image 2
Forschungsantwort
Wichtige Erkenntnisse
- OpenAI, PerturbAI und Scripps Research zufolge werteten Tausende GPT Rosalind Agenten vorhandene Daten aus Millionen Mausgehirnzellen in 32 Minuten aus.
- Die Agenten verknüpften Effekte von Genveränderungen mit Fachliteratur und bündelten mögliche Erklärungen in einem „Reasoning Atlas“.
- Die Befunde zu Tsc1, Tsc2 und Dctn1 werfen Fragen für weitere Experimente auf. Der Vergleich mit monatelanger bis einjähriger menschlicher Arbeit beruht auf einer Schätzung, nicht auf einem direkten Vergleich.
KI-Prompt
openai.comCreate a landscape editorial hero image for this Studio Global article: How did OpenAI, PerturbAI and Scripps Research use nearly 2,000 parallel GPT-Rosalind agents and “distributed biological reasoning” to analy. Article summary: The October 21 announcement described a fast, parallel interpretation of existing mouse-brain experiments—not the creation of the experimental atlas or proof of new disease mechanisms—in which GPT-Rosalind agents connect. Topic tags: general, general web, user generated, government, academic. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, wate
OpenAI, PerturbAI und Scripps Research berichten, dass sie Tausende GPT-Rosalind-Agenten eingesetzt haben, um bereits vorhandene Experimente an Mausgehirnen auszuwerten. In 32 Minuten verknüpften die Agenten Effekte von Genveränderungen mit Erkenntnissen aus wissenschaftlichen Veröffentlichungen und fassten mögliche Erklärungen in einem „Reasoning Atlas“ zusammen. Das Ergebnis soll Forschenden neue Ansatzpunkte liefern – es ist kein Beweis für bislang unbekannte Krankheitsmechanismen.5
Viele Agenten, aufgeteilte Arbeit
Statt ein einzelnes System die gesamte Datenmenge Schritt für Schritt bearbeiten zu lassen, verteilte das Team die Aufgaben auf viele Agenten. Diese analysierten zelluläre Reaktionen auf Veränderungen einzelner Gene, suchten dazu passende Fachliteratur und verknüpften Beobachtungen mit möglichen biologischen Erklärungen. Anschließend wurden die Berichte zu einer Übersicht zusammengeführt, die Gene, Zellreaktionen, Veröffentlichungen und Hypothesen miteinander verbindet.5
11
Wichtig ist: Der zugrunde liegende Datensatz bestand bereits. Die KI wertete vorhandene Experimente aus; sie erzeugte weder die Daten noch führte sie die Versuche selbst durch.5 Ein Bericht beziffert den Atlas auf acht Millionen Zellen, während die Ankündigung der beteiligten Organisationen allgemeiner von Daten aus Millionen Mausgehirnzellen spricht.
5
6
Auch die oft zitierte Zeitersparnis braucht Einordnung. Die Angabe, vergleichbare menschliche Analyse und Literaturrecherche würden Monate bis zu einem Jahr beanspruchen, beruht auf einer Schätzung anhand angenommener Bearbeitungszeiten. Es gab keinen direkten, zeitgleichen Vergleich mit einem menschlichen Forschungsteam.9 Die 32 Minuten beschreiben also den berichteten KI-Ablauf – nicht den Nachweis, dass Agenten den vollständigen Forschungsprozess eines Teams ersetzt haben.
Was der Vergleich mit einem einzelnen Agenten zeigt
Einem Bericht zufolge verwies die verteilte Analyse auf mehr als 700 Quellen, eine Analyse mit einem einzelnen Agenten dagegen auf 11. Bei einer verblindeten Bewertung bevorzugten Fachleute die Erklärungen des Multi-Agenten-Systems in 75 Prozent der Fälle.6 Auch ein weiterer Bericht nennt diese 75-Prozent-Angabe als Expertenpräferenz in einem verblindeten Vergleich.
39
Das spricht dafür, dass der Ansatz mehr Literatur einbeziehen und Erklärungen liefern kann, die Fachleute hilfreicher finden. Es ist jedoch keine Genauigkeitsquote: Eine bevorzugte Erklärung muss nicht biologisch richtig sein. Ob die vorgeschlagenen Mechanismen stimmen, muss in Experimenten geprüft werden.
Zwei mögliche Forschungsansätze
Tsc2 und Tsc1 in Kleinhirnneuronen
OpenAI zufolge veränderte eine Störung von Tsc2 in einer Gruppe von Kleinhirnneuronen die Aktivität Dutzender Gene, darunter Gene, die an der Kommunikation zwischen Nervenzellen beteiligt sind. Eine Störung von Tsc1 hatte in derselben Zellgruppe nur geringe Auswirkungen auf die Genaktivität. Beide Gene wirken gemeinsam an der Regulation von mTOR mit. OpenAI sieht in dem Unterschied einen möglichen Hinweis darauf, weshalb Mutationen in TSC2 tendenziell schwerere Formen der tuberösen Sklerose verursachen als Mutationen in TSC1.14
Das ist eine Hypothese, keine gesicherte Erklärung für unterschiedliche Krankheitsverläufe. Eine offene Frage für die Forschung ist etwa, ob bereits eingesetzte, auf mTOR zielende Behandlungen die beschriebenen Veränderungen in diesen Neuronen rückgängig machen.14
Dctn1 und Gene für die Cholesterinbildung
In den Mausgehirn-Daten ging eine Störung von Dctn1 mit einer erhöhten Aktivität von Genen einher, die an der Cholesterinbildung beteiligt sind. Da DCTN1 mit dem seltenen neurodegenerativen Perry-Syndrom in Verbindung steht, schlug OpenAI vor zu untersuchen, ob der Transport von Cholesterin innerhalb von Nervenzellen eine Rolle spielen könnte – und ob eine Wiederherstellung dieses Transports Neuronen schützen könnte.15
Der Unterschied zwischen Befund und Deutung ist entscheidend: Eine erhöhte Aktivität von Genen für die Cholesterinherstellung belegt für sich genommen weder einen gestörten Cholesterintransport noch, dass eine Behandlung, die auf diesen Transport zielt, wirken würde. Der vorgeschlagene Mechanismus muss erst getestet werden.15
Forschungsansätze sind noch keine Belege
Das Projekt zeigt, wie experimentelle Ergebnisse mit einer umfangreichen Literatursuche kombiniert werden können, um mögliche Erklärungen für Forschende zu entwickeln.5 Doch weder die Zahl der Zitate noch die Präferenz von Fachleuten ersetzt eine experimentelle Überprüfung. Die Verbindungen zu Krankheiten sind daher als Hypothesen zu verstehen – nicht als bestätigte Mechanismen oder unmittelbar nutzbare Therapieziele.
In der Berichterstattung wurde die Arbeit als Preprint beschrieben. Die Ankündigung der beteiligten Organisationen und die berichtete Bewertung sind deshalb von einer unabhängigen Bestätigung der biologischen Ergebnisse zu unterscheiden.9 Aus den verfügbaren Angaben lässt sich außerdem nicht ableiten, welche konkreten finanziellen oder beruflichen Interessen die korrespondierenden Autorinnen und Autoren haben. Solche Interessen sollten weder unterstellt noch ausgeschlossen werden.
Was das für die Wirkstoffforschung bedeuten könnte
PerturbAI und OpenAI ordneten das Projekt einer einjährigen Zusammenarbeit zu, die biomedizinische Forschung und Wirkstoffentwicklung voranbringen soll.31 Der praktische Ansatz: Forschende dabei unterstützen, kausale biologische Daten mit vorhandenem Wissen zu verbinden und daraus Fragen abzuleiten, die sich gezielt testen lassen. Die berichteten Ergebnisse sind ein frühes Beispiel für diesen Arbeitsablauf – kein Beleg dafür, dass das System bereits bestätigte Wirkstoffziele identifiziert hat.
31
39
Studio Global AI
Setzen Sie Ihre Recherche fort
Diese Seite enthält eine quellengestützte Antwort, die Sie in Studio Global fortsetzen können.
Die Leute fragen auch
Wie lautet die kurze Antwort auf „Was knapp 2.000 GPT-Rosalind-Agenten in Mausgehirn-Daten fanden“?
OpenAI, PerturbAI und Scripps Research zufolge werteten Tausende GPT Rosalind Agenten vorhandene Daten aus Millionen Mausgehirnzellen in 32 Minuten aus.
Was sind die wichtigsten Punkte, die zuerst validiert werden müssen?
OpenAI, PerturbAI und Scripps Research zufolge werteten Tausende GPT Rosalind Agenten vorhandene Daten aus Millionen Mausgehirnzellen in 32 Minuten aus. Die Agenten verknüpften Effekte von Genveränderungen mit Fachliteratur und bündelten mögliche Erklärungen in einem „Reasoning Atlas“.
Was soll ich als nächstes in der Praxis tun?
Die Befunde zu Tsc1, Tsc2 und Dctn1 werfen Fragen für weitere Experimente auf. Der Vergleich mit monatelanger bis einjähriger menschlicher Arbeit beruht auf einer Schätzung, nicht auf einem direkten Vergleich.
Quellen
openai.comUsing thousands of AI agents to uncover new leads in biological data
unite.aiOpenAI Unveils Mouse Brain Reasoning Atlas From GPT-Rosalind Agents
aiweekly.coOpenAI, PerturbAI and Scripps Run ~2,000 GPT-Rosalind Agents on 8M-Cell Brain CRISPR Atlas in 32 Min | AI Weekly
rdworldonline.comOpenAI runs 1,946 GPT-Rosalind agents on a mouse brain atlas