AnswersPublished18 sources
Як майже 2 000 ШІ-агентів за 32 хвилини знайшли нові напрямки для досліджень мозку
OpenAI, PerturbAI та Scripps Research повідомляють, що тисячі агентів GPT Rosalind за 32 хвилини опрацювали наявні дані про мозок мишей і сформували напрямки для подальших досліджень — не підтверджені механізми хвороб. Агенти пов’язали наслідки змін у генах із науковими публікаціями та зібрали можливі пояснення в «а...
ОпублікувавВідредаговано за допомогою GPT-6 LunaЗображення створено за допомогою GPT Image 2
Research answer
Key takeaways
- OpenAI, PerturbAI та Scripps Research повідомляють, що тисячі агентів GPT Rosalind за 32 хвилини опрацювали наявні дані про мозок мишей і сформували напрямки для подальших досліджень — не підтверджені механізми хвороб.
- Агенти пов’язали наслідки змін у генах із науковими публікаціями та зібрали можливі пояснення в «атлас міркувань».
- Результати щодо генів Tsc1, Tsc2 і Dctn1 підказують, які експерименти можна провести далі.
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 та Scripps Research повідомляють, що за допомогою тисяч агентів GPT-Rosalind проаналізували наявні експериментальні дані про клітини мозку мишей за 32 хвилини. Агенти зіставили наслідки змін у генах із науковими публікаціями й об’єднали можливі пояснення в так званий «атлас міркувань» — добірку підказок для подальших досліджень, а не доказ нових механізмів хвороб.5
Як агенти працювали паралельно
Замість того щоб доручити одному ШІ послідовно опрацьовувати весь масив даних, дослідники розподілили завдання між багатьма агентами. Ті аналізували реакції клітин на зміни в генах, шукали відповідні наукові публікації та пов’язували спостереження з можливими біологічними поясненнями. Потім звіти зібрали в ширшу схему, що поєднує гени, клітинні реакції, джерела й гіпотези.5
11
Експериментальний атлас існував і до цього аналізу: ШІ інтерпретував уже зібрані дані, а не проводив експерименти чи створював набір даних.5 Деякі публікації описують його як атлас із 8 мільйонів клітин, тоді як в оголошенні учасників проєкту йдеться про дані мільйонів клітин мозку мишей.
5
6
Заявлену швидкість також варто розглядати з контекстом. Оцінка, що людським дослідникам знадобилося б від кількох місяців до року, ґрунтувалася на припущеннях про час на опрацювання генетичних змін і публікацій. Це не результат прямого хронометражу роботи команди людей.9 Отже, 32 хвилини — це заявлений час роботи ШІ-системи, а довший термін — оцінка аналогічної послідовної роботи, а не доказ того, що агенти замінили весь дослідницький процес.
Що показало порівняння з одним агентом
За одним із повідомлень, розподілений аналіз навів понад 700 джерел проти 11 у звіті одного агента. У сліпому порівнянні фахівці віддали перевагу поясненням системи з багатьма агентами у 75% випадків.6 Інше повідомлення також наводить 75% як результат сліпого оцінювання переваг експертів.
39
Це може свідчити, що багатoагентний підхід ширше охоплює наукову літературу й створює пояснення, які фахівці вважають кориснішими. Але це не оцінка точності: перевага експертів не доводить, що запропонований механізм правильний. Наступний крок — перевірити гіпотези експериментально.
Дві гіпотези, які запропонували агенти
Tsc2 і Tsc1 у нейронах мозочка
За даними OpenAI, зміна гена Tsc2 вплинула на активність десятків генів в одній групі нейронів мозочка, зокрема генів, пов’язаних із передаванням сигналів між нейронами. Зміна Tsc1 мала незначний вплив на активність генів у тому самому типі клітин. Ці два гени разом регулюють mTOR, і OpenAI припустила, що відмінність може допомогти пояснити, чому мутації TSC2 зазвичай спричиняють тяжчий туберозний склероз, ніж мутації TSC1.14
Це можливе пояснення, а не встановлена причина різної тяжкості хвороби. Результат підказує напрямки для подальшого вивчення — зокрема, чи здатні наявні препарати, що впливають на mTOR, повернути описані зміни в цих нейронах до норми.14
Dctn1 і гени, пов’язані з холестерином
У даних про мозок мишей зміна Dctn1 підвищила активність генів, залучених до синтезу холестерину. Оскільки ген DCTN1 пов’язаний із синдромом Перрі — рідкісним нейродегенеративним розладом, — OpenAI запропонувала дослідити, чи може відігравати роль перенесення холестерину всередині нейронів і чи допомогло б його відновлення захистити ці клітини.15
Однак підвищена активність генів синтезу холестерину сама по собі не доводить, що його перенесення порушене або що лікування, спрямоване на цей процес, буде ефективним. Запропонований механізм ще належить перевірити.15
Що результати доводять — і чого ні
Проєкт демонструє спосіб масштабно поєднувати експериментальні результати з пошуком наукової літератури та генерувати можливі пояснення для подальшої перевірки.5 Але кількість цитат і перевага експертів не замінюють експериментального підтвердження. Тому зв’язки з хворобами, про які повідомила команда, слід сприймати як гіпотези, а не підтверджені механізми чи готові мішені для лікування.
У публікаціях про проєкт роботу описували як препринт — науковий матеріал, оприлюднений до завершення рецензування. Тож варто відрізняти оголошення учасників і наведені ними оцінки від незалежного підтвердження біологічних висновків.9 Доступні дані не встановлюють конкретних фінансових чи професійних інтересів авторів, відповідальних за листування; робити припущення в будь-який бік не слід.
Чому це може бути важливим для пошуку ліків
PerturbAI та OpenAI описали цей проєкт як частину співпраці, що тривала рік і була зосереджена на біомедичних дослідженнях та розробці ліків.31 Практична цінність підходу — у здатності допомогти дослідникам поєднувати причинно-наслідкові біологічні дані з наявними знаннями й визначати питання, які варто перевірити. Результати демонструють ранній приклад такого процесу, але не свідчать, що система вже визначила підтверджені мішені для ліків.
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 "Як майже 2 000 ШІ-агентів за 32 хвилини знайшли нові напрямки для досліджень мозку"?
OpenAI, PerturbAI та Scripps Research повідомляють, що тисячі агентів GPT Rosalind за 32 хвилини опрацювали наявні дані про мозок мишей і сформували напрямки для подальших досліджень — не підтверджені механізми хвороб.
What are the key points to validate first?
OpenAI, PerturbAI та Scripps Research повідомляють, що тисячі агентів GPT Rosalind за 32 хвилини опрацювали наявні дані про мозок мишей і сформували напрямки для подальших досліджень — не підтверджені механізми хвороб. Агенти пов’язали наслідки змін у генах із науковими публікаціями та зібрали можливі пояснення в «атлас міркувань».
What should I do next in practice?
Результати щодо генів Tsc1, Tsc2 і Dctn1 підказують, які експерименти можна провести далі.
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