Câu trả lờiĐã xuất bản18 nguồn
Gần 2.000 tác tử AI tìm manh mối nghiên cứu từ dữ liệu não chuột trong 32 phút
OpenAI, PerturbAI và Scripps Research cho biết hàng nghìn tác tử GPT Rosalind đã diễn giải dữ liệu có sẵn từ hàng triệu tế bào não chuột trong 32 phút, tạo ra manh mối nghiên cứu chứ không phải kết luận đã được xác nhận. Các tác tử liên kết ảnh hưởng của việc làm gián đoạn gene với tài liệu khoa học trong một “bản đ...
Đăng bởiBiên tập bằng GPT-6 LunaHình ảnh được tạo bằng GPT Image 2
Câu trả lời nghiên cứu
Bài học chính
- OpenAI, PerturbAI và Scripps Research cho biết hàng nghìn tác tử GPT Rosalind đã diễn giải dữ liệu có sẵn từ hàng triệu tế bào não chuột trong 32 phút, tạo ra manh mối nghiên cứu chứ không phải kết luận đã được xác nhận.
- Các tác tử liên kết ảnh hưởng của việc làm gián đoạn gene với tài liệu khoa học trong một “bản đồ suy luận”; số tài liệu trích dẫn và mức độ chuyên gia ưa thích câu trả lời không chứng minh các cơ chế sinh học là đúng.
- Các giả thuyết về Tsc1/Tsc2 và Dctn1 có thể gợi ý thí nghiệm tiếp theo, nhưng so sánh với thời gian làm việc của con người là ước tính, không phải thử nghiệm đối đầu trực tiếp.
Prompt AI
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 và Scripps Research cho biết họ đã dùng hàng nghìn tác tử GPT-Rosalind để phân tích dữ liệu thí nghiệm đã có từ hàng triệu tế bào não chuột trong 32 phút. Hệ thống kết nối ảnh hưởng của việc làm gián đoạn gene với các nghiên cứu khoa học, rồi tổng hợp những lời giải thích khả dĩ thành một “bản đồ suy luận” — tập hợp manh mối để giới nghiên cứu theo đuổi, không phải bằng chứng xác nhận cơ chế bệnh mới.5
Chia nhỏ công việc để phân tích song song
Thay vì giao toàn bộ dữ liệu cho một hệ thống xử lý lần lượt, nhóm nghiên cứu phân chia việc phân tích cho nhiều tác tử. Chúng xem xét phản ứng của tế bào khi một gene bị làm gián đoạn, tìm tài liệu liên quan và liên kết quan sát với những giải thích sinh học có thể có. Sau đó, các báo cáo được tổng hợp thành bản đồ kết nối gene, phản ứng tế bào, tài liệu khoa học và giả thuyết.5
11
Dữ liệu nền đã tồn tại từ trước: AI diễn giải kết quả thí nghiệm chứ không tạo ra thí nghiệm hay bộ dữ liệu đó.5 Một số bài viết gọi đây là bản đồ gồm 8 triệu tế bào, trong khi thông báo của nhóm nghiên cứu mô tả dữ liệu là từ hàng triệu tế bào não chuột.
5
6
Con số 32 phút cũng cần được đặt đúng bối cảnh. Ước tính rằng con người có thể mất từ vài tháng đến một năm dựa trên thời gian giả định để xem xét các lần làm gián đoạn gene và đọc tài liệu; đây không phải kết quả của một phép so sánh có bấm giờ giữa AI và một nhóm nghiên cứu.9 Vì vậy, 32 phút là thời gian được báo cáo cho quy trình AI, còn khoảng thời gian dài hơn là ước tính cho công việc tương đương nếu làm tuần tự — không chứng minh hệ thống thay thế toàn bộ quy trình nghiên cứu của con người.
So với một tác tử đơn lẻ
Một bản tin cho biết phân tích đa tác tử trích dẫn hơn 700 tài liệu, so với 11 tài liệu trong phân tích bằng một tác tử; trong đánh giá mù, các chuyên gia cũng ưu tiên phần giải thích của hệ thống đa tác tử trong 75% trường hợp.6 Một nguồn khác cũng thuật lại mức 75% này như kết quả so sánh mù.
39
Các con số gợi ý cách làm này có thể bao quát tài liệu rộng hơn và tạo ra những lời giải thích mà chuyên gia thấy hữu ích hơn. Nhưng đây không phải điểm số về độ chính xác: thích một lời giải thích không đồng nghĩa cơ chế được nêu ra là đúng. Các giả thuyết vẫn cần được kiểm chứng bằng thí nghiệm.
Hai giả thuyết đáng để kiểm tra
Tsc2 và Tsc1 trong tế bào thần kinh tiểu não
OpenAI cho biết việc làm gián đoạn Tsc2 làm thay đổi biểu hiện của hàng chục gene trong một nhóm tế bào thần kinh tiểu não, trong đó có các gene liên quan đến giao tiếp giữa tế bào thần kinh. Trong cùng loại tế bào, làm gián đoạn Tsc1 lại ít ảnh hưởng đến biểu hiện gene.14
Hai gene này phối hợp điều hòa mTOR. OpenAI nêu sự khác biệt quan sát được như một manh mối có thể giúp lý giải vì sao đột biến TSC2 thường gây bệnh xơ cứng củ nặng hơn đột biến TSC1.14 Đây mới là cách giải thích được đề xuất, chưa phải kết luận đã được xác lập. Một câu hỏi tiếp theo là liệu các phương pháp điều trị nhắm vào mTOR hiện có thể đảo ngược những thay đổi được báo cáo trong các tế bào thần kinh này hay không.
14
Dctn1 và các gene liên quan đến cholesterol
Trong dữ liệu não chuột, việc làm gián đoạn Dctn1 làm tăng biểu hiện của các gene tham gia sản xuất cholesterol. Vì DCTN1 có liên quan đến hội chứng Perry — một rối loạn thoái hóa thần kinh hiếm gặp — OpenAI đề xuất tìm hiểu liệu việc vận chuyển cholesterol bên trong tế bào thần kinh có liên quan hay không, và liệu khôi phục quá trình này có thể bảo vệ tế bào thần kinh.15
Cần phân biệt rõ: biểu hiện tăng ở các gene sản xuất cholesterol không tự nó chứng minh việc vận chuyển cholesterol bị trục trặc, cũng không cho thấy một phương pháp điều trị nhắm vào quá trình vận chuyển sẽ có hiệu quả. Cơ chế được nêu vẫn là câu hỏi cần kiểm chứng.15
Kết quả cho thấy điều gì — và chưa cho thấy điều gì?
Dự án minh họa một cách kết hợp kết quả thí nghiệm với việc tìm kiếm tài liệu ở quy mô lớn để tạo ra những cách giải thích mà các nhà khoa học có thể tiếp tục khảo sát.5 Tuy nhiên, số lượng tài liệu được trích dẫn và mức độ chuyên gia ưa thích các câu trả lời không thể thay thế việc kiểm chứng thực nghiệm. Những liên hệ với bệnh tật được nêu nên được xem là giả thuyết, không phải cơ chế đã xác nhận hay mục tiêu điều trị sẵn sàng đưa vào ứng dụng.
Các bài viết về dự án mô tả công trình là bản tiền ấn phẩm. Vì vậy, cần phân biệt thông báo của nhóm hợp tác và kết quả đánh giá được thuật lại với sự xác nhận độc lập đối với các phát hiện sinh học.9 Tài liệu hiện có cũng không xác lập cụ thể lợi ích tài chính hay nghề nghiệp của các tác giả liên hệ; không nên mặc định theo hướng nào.
Ý nghĩa với quá trình tìm thuốc
PerturbAI và OpenAI mô tả dự án là một phần trong hợp tác kéo dài một năm, tập trung vào nghiên cứu y sinh và phát triển thuốc.31 Tiềm năng thực tế của phương pháp là giúp nhà nghiên cứu nối dữ liệu sinh học nhân quả với kiến thức hiện có, rồi ưu tiên những câu hỏi có thể đem đi kiểm tra. Các kết quả được báo cáo là minh họa ban đầu cho quy trình này — chưa phải bằng chứng rằng hệ thống đã tìm ra mục tiêu thuốc được xác nhận.
31
39
Studio Global AI
Tiếp tục nghiên cứu của bạn
Trang này bao gồm câu trả lời dựa trên nguồn mà bạn có thể tiếp tục bên trong Studio Global.
Người ta cũng hỏi
Câu trả lời ngắn gọn cho "Gần 2.000 tác tử AI tìm manh mối nghiên cứu từ dữ liệu não chuột trong 32 phút" là gì?
OpenAI, PerturbAI và Scripps Research cho biết hàng nghìn tác tử GPT Rosalind đã diễn giải dữ liệu có sẵn từ hàng triệu tế bào não chuột trong 32 phút, tạo ra manh mối nghiên cứu chứ không phải kết luận đã được xác nhận.
Những điểm chính cần xác nhận đầu tiên là gì?
OpenAI, PerturbAI và Scripps Research cho biết hàng nghìn tác tử GPT Rosalind đã diễn giải dữ liệu có sẵn từ hàng triệu tế bào não chuột trong 32 phút, tạo ra manh mối nghiên cứu chứ không phải kết luận đã được xác nhận. Các tác tử liên kết ảnh hưởng của việc làm gián đoạn gene với tài liệu khoa học trong một “bản đồ suy luận”; số tài liệu trích dẫn và mức độ chuyên gia ưa thích câu trả lời không chứng minh các cơ chế sinh học là đúng.
Tôi nên làm gì tiếp theo trong thực tế?
Các giả thuyết về Tsc1/Tsc2 và Dctn1 có thể gợi ý thí nghiệm tiếp theo, nhưng so sánh với thời gian làm việc của con người là ước tính, không phải thử nghiệm đối đầu trực tiếp.
Nguồn
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