RespostasPublicado18 fontes
Quase 2 mil agentes de IA transformaram dados cerebrais em pistas para pesquisa
OpenAI, PerturbAI e Scripps Research dizem que milhares de agentes GPT Rosalind interpretaram dados já existentes do cérebro de camundongos em 32 minutos — e geraram pistas para pesquisa, não mecanismos confirmados. O sistema conectou efeitos de alterações genéticas a estudos científicos em um atlas de raciocínio; c...
Publicado porEditado com GPT-6 LunaImagens geradas com GPT Image 2
Resposta de pesquisa
Principais conclusões
- OpenAI, PerturbAI e Scripps Research dizem que milhares de agentes GPT Rosalind interpretaram dados já existentes do cérebro de camundongos em 32 minutos — e geraram pistas para pesquisa, não mecanismos confirmados.
- O sistema conectou efeitos de alterações genéticas a estudos científicos em um atlas de raciocínio; citações e avaliações de especialistas indicam abrangência e utilidade percebida, não precisão biológica.
- As observações sobre Tsc1, Tsc2 e Dctn1 sugerem experimentos futuros. A comparação com meses ou até um ano de trabalho humano foi uma estimativa, não um teste direto entre equipes.
Prompt de IA
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 e Scripps Research afirmam ter usado milhares de agentes GPT-Rosalind para interpretar, em 32 minutos, dados de experimentos já realizados com células do cérebro de camundongos. O sistema conectou os efeitos de alterações em genes à literatura científica e organizou possíveis explicações em um “atlas de raciocínio” — um conjunto de pistas para orientar pesquisas, não uma comprovação de novos mecanismos de doença.5
Como os agentes trabalharam em paralelo
Em vez de pedir a um único sistema que examinasse todo o conjunto de dados do início ao fim, os colaboradores dividiram a análise entre muitos agentes. Eles examinaram as respostas das células a alterações genéticas, buscaram informações em artigos científicos e relacionaram as observações a possíveis explicações biológicas. Depois, os resultados foram reunidos em um mapa de genes, respostas celulares, publicações e hipóteses.5
11
O atlas experimental já existia: a IA interpretou dados disponíveis, mas não realizou os experimentos nem criou o conjunto de dados.5 Algumas reportagens descrevem o material como um atlas de 8 milhões de células; o anúncio dos colaboradores fala em dados de milhões de células do cérebro de camundongos.
5
6
A comparação de velocidade também precisa de contexto. A estimativa de que uma análise humana equivalente levaria de meses a um ano foi calculada com base em tempos presumidos para revisar alterações genéticas e artigos científicos. Não foi resultado de uma comparação cronometrada, lado a lado, com uma equipe de pesquisadores.9 Portanto, os 32 minutos descrevem o fluxo de trabalho relatado para a IA; o prazo maior é uma estimativa de trabalho semelhante feito de forma sequencial, não uma demonstração de que os agentes substituíram todo o processo de pesquisa de uma equipe.
O que a comparação com um único agente indica
Uma reportagem afirma que a análise distribuída citou mais de 700 referências, contra 11 em uma análise feita por um único agente. Também relata que especialistas, sem saber qual sistema produziu cada explicação, preferiram as respostas do modelo multiagente em 75% das avaliações.6 Outra publicação também descreve esse resultado como uma preferência em uma comparação cega.
39
Esses dados sugerem que a abordagem com vários agentes pode ampliar a cobertura da literatura e produzir explicações que especialistas consideram mais úteis. Mas não são notas de precisão: preferir uma explicação não prova que o mecanismo proposto esteja correto. Para isso, as hipóteses precisam ser testadas em experimentos.
Duas hipóteses levantadas pelos agentes
Tsc2 e Tsc1 em neurônios do cerebelo
Segundo a OpenAI, alterar o gene Tsc2 mudou a expressão de dezenas de genes em um grupo de neurônios do cerebelo, incluindo genes ligados à comunicação neuronal. Já a alteração de Tsc1 teve pouco efeito na expressão gênica nesse mesmo tipo de célula. Os dois genes atuam juntos na regulação do mTOR, e a OpenAI apresentou essa diferença como uma possível pista para entender por que mutações em TSC2 tendem a causar formas mais graves de esclerose tuberosa do que mutações em TSC1.14
Essa é uma explicação proposta, não uma resposta estabelecida para a diferença de gravidade. O resultado abre questões para pesquisas futuras, como investigar se tratamentos existentes que atuam sobre o mTOR revertem as alterações observadas nesses neurônios.14
Dctn1 e genes ligados ao colesterol
Nos dados do cérebro de camundongos, a alteração de Dctn1 aumentou a expressão de genes envolvidos na produção de colesterol. Como o DCTN1 está associado à síndrome de Perry, uma doença neurodegenerativa rara, a OpenAI propôs investigar se o transporte de colesterol dentro dos neurônios poderia estar envolvido — e se restaurá-lo protegeria essas células.15
A distinção é importante: o aumento da atividade de genes relacionados à produção de colesterol não demonstra, por si só, que o transporte esteja comprometido nem que um tratamento voltado a restaurá-lo funcionaria. A hipótese ainda precisa ser testada.15
O que os resultados mostram — e o que não mostram
O projeto apresenta uma maneira de combinar resultados experimentais com buscas na literatura em grande escala para gerar explicações candidatas que cientistas possam investigar.5 Mas a quantidade de citações e a preferência de especialistas não substituem a validação experimental. As conexões com doenças devem ser entendidas como hipóteses, não como mecanismos confirmados ou alvos terapêuticos prontos para uso.
Reportagens descrevem o trabalho como um preprint — uma versão de pesquisa divulgada antes da revisão por pares.9 Por isso, é importante distinguir o anúncio dos colaboradores e a avaliação relatada de uma confirmação independente dos resultados biológicos. As informações disponíveis também não estabelecem quais seriam os interesses financeiros ou profissionais específicos dos autores correspondentes; não cabe presumir que existam ou que não existam.
O que isso pode significar para a descoberta de medicamentos
PerturbAI e OpenAI apresentaram o projeto como parte de uma colaboração de um ano voltada à pesquisa biomédica e à descoberta de medicamentos.31 A possibilidade prática é ajudar pesquisadores a relacionar dados biológicos causais ao conhecimento já publicado e a priorizar perguntas que possam ser testadas. Os resultados relatados ilustram uma etapa inicial desse processo — não demonstram que o sistema já tenha identificado alvos de medicamentos validados.
31
39
Studio Global AI
Continue sua pesquisa
Esta página inclui uma resposta baseada na fonte que você pode continuar em Studio Global.
As pessoas também perguntam
Qual é a resposta curta para "Quase 2 mil agentes de IA transformaram dados cerebrais em pistas para pesquisa"?
OpenAI, PerturbAI e Scripps Research dizem que milhares de agentes GPT Rosalind interpretaram dados já existentes do cérebro de camundongos em 32 minutos — e geraram pistas para pesquisa, não mecanismos confirmados.
Quais são os pontos-chave para validar primeiro?
OpenAI, PerturbAI e Scripps Research dizem que milhares de agentes GPT Rosalind interpretaram dados já existentes do cérebro de camundongos em 32 minutos — e geraram pistas para pesquisa, não mecanismos confirmados. O sistema conectou efeitos de alterações genéticas a estudos científicos em um atlas de raciocínio; citações e avaliações de especialistas indicam abrangência e utilidade percebida, não precisão biológica.
O que devo fazer a seguir na prática?
As observações sobre Tsc1, Tsc2 e Dctn1 sugerem experimentos futuros. A comparação com meses ou até um ano de trabalho humano foi uma estimativa, não um teste direto entre equipes.
Fontes
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