AnswersPublished18 sources
Bijna 2.000 AI-agenten haalden in 32 minuten onderzoekssporen uit muizenhersendata
OpenAI, PerturbAI en Scripps Research zeggen dat duizenden GPT Rosalind agenten bestaande gegevens van muizenhersencellen in 32 minuten analyseerden en onderzoekssporen opleverden, geen bewezen mechanismen. De agenten koppelden effecten van genverstoringen aan wetenschappelijke publicaties in een gezamenlijke redene...
Gepubliceerd doorBewerkt met GPT-6 LunaAfbeeldingen gegenereerd met GPT Image 2
Research answer
Key takeaways
- OpenAI, PerturbAI en Scripps Research zeggen dat duizenden GPT Rosalind agenten bestaande gegevens van muizenhersencellen in 32 minuten analyseerden en onderzoekssporen opleverden, geen bewezen mechanismen.
- De agenten koppelden effecten van genverstoringen aan wetenschappelijke publicaties in een gezamenlijke redeneeratlas.
- De bevindingen rond Tsc1, Tsc2 en Dctn1 kunnen aanleiding geven tot vervolgexperimenten.
AI 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 en Scripps Research zeggen dat ze duizenden GPT-Rosalind-agenten hebben ingezet om bestaande experimenten met muizenhersenen te interpreteren. In 32 minuten koppelden de agenten effecten van genverstoringen aan wetenschappelijke literatuur en bundelden ze mogelijke verklaringen in een ‘redeneeratlas’. Dat levert aanknopingspunten voor onderzoek op, geen bewijs voor nieuwe ziekteprocessen.5
Hoe de gezamenlijke AI-analyse werkte
De onderzoekers lieten niet één systeem de volledige dataset stap voor stap doorwerken. In plaats daarvan verdeelden ze de analyse over veel agenten. Die onderzochten hoe cellen reageerden op genverstoringen, doorzochten wetenschappelijke publicaties en verbonden observaties met mogelijke biologische verklaringen. Hun rapporten werden samengebracht in een overzicht van genen, celreacties, publicaties en hypothesen.5
11
De experimentele atlas bestond al: de AI analyseerde bestaande gegevens en voerde de experimenten of het verzamelen van de data niet zelf uit.5 Sommige berichtgeving beschrijft de dataset als een atlas van 8 miljoen cellen; de aankondiging van de samenwerkende partijen spreekt van gegevens uit miljoenen muizenhersencellen.
5
6
Ook de vergelijking met menselijke onderzoekers vraagt om nuance. De schatting van maanden tot een jaar was gebaseerd op aannames over de tijd die nodig zou zijn om genverstoringen en publicaties te beoordelen. Er was geen directe, getimede vergelijking met een menselijk onderzoeksteam.9 De 32 minuten slaan dus op de gemelde AI-werkwijze; de langere periode is een schatting van vergelijkbaar werk dat achtereenvolgens wordt uitgevoerd. Dat bewijst niet dat de agenten het volledige onderzoeksproces van een team hebben vervangen.
Wat de vergelijking met één agent laat zien
Volgens een van de berichten verwees de analyse met meerdere agenten naar meer dan 700 bronnen, tegenover 11 bij een analyse met één agent. In een geblindeerde beoordeling gaven deskundigen in 75 procent van de gevallen de voorkeur aan de verklaringen van het multi-agentsysteem.6 Een andere berichtgeving beschrijft eveneens een voorkeur van 75 procent in een geblindeerde vergelijking.
39
Dat kan erop wijzen dat de aanpak meer relevante literatuur meeneemt en verklaringen oplevert die experts bruikbaarder vinden. Het zijn echter geen nauwkeurigheidsscores: een voorkeur voor een uitleg bewijst niet dat het voorgestelde biologische mechanisme klopt. Daarvoor zijn experimenten nodig.
Twee hypothesen die de agenten naar voren brachten
Tsc2 en Tsc1 in kleinehersenneuronen
OpenAI meldde dat het uitschakelen van Tsc2 de expressie veranderde van tientallen genen in een groep neuronen in de kleine hersenen. Daaronder waren genen die betrokken zijn bij de communicatie tussen zenuwcellen. Het uitschakelen van Tsc1 had in hetzelfde celtype weinig effect op de genexpressie. De twee genen werken samen bij het reguleren van mTOR, een belangrijke signaalroute. OpenAI presenteerde het verschil als een mogelijke aanwijzing voor de vraag waarom mutaties in TSC2 doorgaans ernstigere tubereuze sclerose veroorzaken dan mutaties in TSC1.14
Dat is een voorgestelde verklaring, geen vaststaand antwoord op verschillen in ziekte-ernst. De bevinding roept vervolgvragen op, bijvoorbeeld of bestaande behandelingen die op mTOR aangrijpen de gemelde veranderingen in deze neuronen kunnen terugdraaien.14
Dctn1 en genen die betrokken zijn bij cholesterol
In de muizenhersendata hing het uitschakelen van Dctn1 samen met een hogere expressie van genen die betrokken zijn bij de aanmaak van cholesterol. Omdat DCTN1 in verband wordt gebracht met het zeldzame neurodegeneratieve syndroom van Perry, stelde OpenAI voor te onderzoeken of het transport van cholesterol binnen neuronen een rol kan spelen — en of herstel daarvan neuronen zou kunnen beschermen.15
Een hogere activiteit van genen voor cholesterolproductie bewijst op zichzelf niet dat het cholesteroltransport verstoord is, of dat een behandeling die daarop mikt zou werken. Het voorgestelde mechanisme moet nog worden getest.15
Wat de resultaten wel en niet aantonen
Het project laat zien hoe experimentele resultaten op grote schaal kunnen worden gecombineerd met literatuuronderzoek om mogelijke verklaringen te genereren die wetenschappers verder kunnen toetsen.5 Maar veel citaties en een voorkeur van experts zijn geen vervanging voor experimentele bevestiging. De verbanden met ziekten moeten daarom worden gelezen als hypothesen, niet als bewezen mechanismen of direct inzetbare aangrijpingspunten voor medicijnen.
In berichtgeving over het project werd het werk omschreven als een preprint. Dat betekent dat lezers de aankondiging en de gerapporteerde evaluatie moeten onderscheiden van onafhankelijke bevestiging van de biologische bevindingen.9 De beschikbare informatie stelt ook niet vast welke specifieke financiële of professionele belangen de corresponderende auteurs hebben. Daarover kunnen dus geen aannames worden gedaan.
Waarom dit relevant kan zijn voor medicijnontwikkeling
PerturbAI en OpenAI omschreven het project als onderdeel van een samenwerking van een jaar rond biomedisch onderzoek en medicijnontwikkeling.31 De praktische belofte is dat onderzoekers causale biologische gegevens kunnen verbinden met bestaande kennis en zo vragen kunnen prioriteren die met experimenten te toetsen zijn. De gemelde resultaten zijn een vroege demonstratie van die werkwijze — geen bewijs dat het systeem al gevalideerde medicijndoelen heeft gevonden.
31
39
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "Bijna 2.000 AI-agenten haalden in 32 minuten onderzoekssporen uit muizenhersendata"?
OpenAI, PerturbAI en Scripps Research zeggen dat duizenden GPT Rosalind agenten bestaande gegevens van muizenhersencellen in 32 minuten analyseerden en onderzoekssporen opleverden, geen bewezen mechanismen.
What are the key points to validate first?
OpenAI, PerturbAI en Scripps Research zeggen dat duizenden GPT Rosalind agenten bestaande gegevens van muizenhersencellen in 32 minuten analyseerden en onderzoekssporen opleverden, geen bewezen mechanismen. De agenten koppelden effecten van genverstoringen aan wetenschappelijke publicaties in een gezamenlijke redeneeratlas.
What should I do next in practice?
De bevindingen rond Tsc1, Tsc2 en Dctn1 kunnen aanleiding geven tot vervolgexperimenten.
Sources
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