Η αρχιτεκτονική της κατανεμημένης συλλογιστικής
Η πρόκληση της σύγχρονης βιολογίας έγκειται στον τεράστιο όγκο δεδομένων που παράγουν τα πειράματα CRISPR, τα οποία συχνά υπερβαίνουν την ικανότητα επεξεργασίας των ερευνητών. Η ομάδα χρησιμοποίησε το GPT-Rosalind για να υλοποιήσει μια προσέγγιση όπου χιλιάδες AI agents λειτουργούν παράλληλα. Κάθε agent αναλαμβάνει μια συγκεκριμένη γονιδιακή διαταραχή, αναλύει τις κυτταρικές αποκρίσεις, πραγματοποιεί αναζήτηση στη βιβλιογραφία και συνθέτει μια ερμηνεία. Αυτή η μέθοδος μετατρέπει τα ακατέργαστα δεδομένα σε έναν «άτλαντα συλλογιστικής» (reasoning atlas), ο οποίος συνδέει γονίδια, κυτταρικές επιδράσεις και μηχανισμούς ασθενειών.
Κλιμάκωση και ποιότητα συμπερασμάτων
Ένα κρίσιμο εύρημα της έρευνας είναι η διαφορά στην ποιότητα της ανάλυσης μεταξύ ενός μεμονωμένου agent και ενός κατανεμημένου συστήματος. Καθώς το workload αυξάνεται, ένας μεμονωμένος agent παρουσιάζει σημεία συμφόρησης (bottlenecks) στην πρόσβαση στη βιβλιογραφία, περιορίζοντας το βάθος της ανάλυσης. Αντίθετα, η κατανεμημένη προσέγγιση επιτρέπει την εξερεύνηση πολύ πιο λεπτών και απρόσμενων αποκρίσεων, οδηγώντας σε συμπεράσματα που οι ειδικοί αξιολόγησαν ως πιο έγκυρα και καινοτόμα σε ποσοστό 75%.
Από τα δεδομένα στις υποθέσεις εργασίας
Η αξία αυτής της τεχνολογίας δεν έγκειται μόνο στην ταχύτητα, αλλά στην ικανότητα να προτείνει πειράματα που αξίζει να πραγματοποιηθούν. Για παράδειγμα, η ανάλυση του γονιδίου DCTN1 αποκάλυψε μια σύνδεση με τον μεταβολισμό της χοληστερόλης, προσφέροντας μια νέα οπτική για τη νευροεκφυλιστική νόσο Perry. Με αυτόν τον τρόπο, το AI λειτουργεί ως καταλύτης που μετατρέπει τα δεδομένα σε ελέγξιμες επιστημονικές υποθέσεις, επιτρέποντας στους ερευνητές να εστιάσουν τους πόρους τους σε υποσχόμενες θεραπευτικές οδούς.