OpenAIのGPT-Rosalindエージェントが全脳CRISPRアトラスを32分で解析：主張、結果、そしてHacker Newsの反発

OpenAI、PerturbAI、Scripps Researchは、GPT-Rosalindと呼ばれるモデルを搭載した数千のAIエージェントを使用して、数百万の脳細胞をカバーするマウスの全脳CRISPRアトラスを解釈し、解析を32分で完了しました。チームはこの手法を「分散生物学的推論」と呼び、遺伝子破壊、細胞への影響、関連する科学文献、提案された生物学的メカニズムを結び付ける公開の「推論アトラス」を作成しました。見出しとなる主張は速度と広さです。研究者らは、同等の人間による解析と文献レビューを一度に一つの摂動で行うと、数か月から1年かかると推定しています。

このコラボレーションが実際に生み出したもの

出力は、新しい薬や検証された疾患メカニズムではありません。これは、既存の大規模データセットが何を意味するかについての、ランク付けされた文献に基づく仮説のセットです。

チームは、全脳CRISPRアトラスの解析を数千のエージェントに分割しました。各エージェントは単一の遺伝子破壊を調査し、アトラスに記録された細胞応答を分析し、科学文献を検索し、見つけたものについての説明を提案しました。個々のエージェントのレポートは、遺伝子を細胞への影響、出版物、候補メカニズムにマッピングする推論アトラスに結合されました。

発表によると、エージェントは以前の人間による解析からの発見を再現し、追加の手がかりも表面化させ、新規性と科学的価値に関する彼らの評価は、盲検化された人間の専門家の判断と一致しました。述べられた目的は優先順位付けです。研究者がどの追跡実験を実行する価値があるかを決定するのを支援することです。

単一エージェントと分散エージェントの比較

発表の中心的な定量的主張は、多くのエージェントに作業を分散すると、単一のエージェントにデータセット全体を与えるよりも、はるかに優れた文献カバレッジが得られるということです。

モデルとリソースを固定した状態で、チームは、ワークロードが増加するにつれて、単一のエージェントは文献の一部しか検索せず、最大のワークロードではわずか11の参考文献を引用したのに対し、分散エージェントは700以上の参考文献を引用したと報告しています。盲検比較では、人間の専門家は75%の確率で単一エージェントのレポートよりも分散エージェントのレポートを好みました。

述べられた根拠は、科学者には限られた時間があり、データ内の最も強いシグナルに焦点を当てる傾向がある一方、並列エージェントは、微妙なものや予期しないものを含むより広い範囲の応答を調べ、それらを関連する文献に結び付けることができるということです。

エージェントが表面化させた2つの生物学的リード

小脳におけるTsc1対Tsc2

Tsc1とTsc2は連携してmTORを制御します。mTORは細胞成長、代謝、老化の主要な調節因子です。エージェントは、いくつかのニューロン群でどちらかの遺伝子を破壊すると同様の効果があったが、小脳では2つが分岐することを発見しました。Tsc2の破壊は神経伝達に関与する数十の遺伝子の活性を変化させましたが、Tsc1の破壊はほとんど変化を生みませんでした。

発表は、この違いが人間の疾患に関連する可能性があると主張しています。結節性硬化症の人では、小脳の異常がTSC2変異と強く関連しているためです。mTOR活性を低下させる薬は特定の脳腫瘍や発作を治療できますが、疾患に関連する学習および行動の困難は対処が難しいままです。ここでのエージェントの貢献は、どのニューロン群と細胞変化を調査すべきかについてのより具体的な一連の質問です。

DCTN1とコレステロール調節

DCTN1は、パーキンソン様症状を伴う神経変性疾患であるペリー症候群を引き起こす変異を持つ遺伝子であり、ニューロン内の貨物の移動に関与しています。全脳CRISPRアトラスでは、Dctn1を破壊するとコレステロールの生成に関与する遺伝子の発現が増加しました。エージェントはその観察を、コレステロール輸送の問題が細胞にコレステロールをより多く作らせる可能性があることを示唆する研究に結び付けました。

これにより、検証可能な仮説が生まれました。DCTN1の破壊がニューロン内のコレステロールの分布を変える可能性があり、その変化が神経変性に寄与する可能性があるのでしょうか？発表によると、人間の専門家もこの仮説を新規で、重要で、追跡する価値があると見なしました。

推論アトラスとデータセットの場所

推論アトラスはgithub.com/jinlabneurogenomics/distributed_agentで利用可能であり、発表によると、科学者が関連遺伝子を比較し、予期しない応答を調査し、追求すべきリードを特定できるようになります。基礎となる全脳CRISPRアトラスデータセットは、Hugging Faceのperturbai/wholebrain_crispr_atlasで公開されています。

Hacker Newsの反応：リードはボトルネックではない

Hacker Newsの議論での支配的な批判は、仮説を生成することは創薬における制限ステップでは決してなかったため、より速い仮説生成器は治療へのタイムラインを変えないというものです。

「問題はリードを生成することでは決してなかった。ボトルネックは検証された結果です。有効性を証明する臨床試験を行うことです。そして、ここでAIが最大の影響を与えると思います——科学者が研究の複雑さと規制の負担をナビゲートするのを助けることです」 — @jostmey

同じ議論のより長いバージョンは@mdevereから来ており、臨床科学はすでに「十分に理由付けられた『潜在的なリード』で溢れかえっている」と述べ、AI創薬企業は一般的に他の誰と同じタイムライン、コスト、成功の歴史的確率に従って、自らが創薬開発者になることを余儀なくされていると指摘しました。そのコメンテーターはまた、この作業には独自のデータ優位性がなく、基礎となるモデルが異常に洞察力のある発見を生成する理由についての明確な説明もないと主張しました。

具体的な異議：DCTN1はすでに知られていた

何人かのコメンテーターはDCTN1の例の新規性に異議を唱え、この遺伝子とパーキンソン様症状との関連は標準的な参考リソースにすでに文書化されていると主張しました。

「既知の遺伝子機能関係をまとめた人気サイトであるgenecardsでDCTN1を調べると、パーキンソン様症状と関連していることがすでに知られていることが示されています」 — @pcrh

@kidel001は競合するメカニズムを提起し、DCTN1がオートファゴソームをリソソームに向けて廃棄物分解を行うことも指摘し、廃棄物分解の混乱とタンパク質の蓄積ももっともらしく神経変性を引き起こすと述べました。コメンテーターのより広いポイントは、この種の仮説は安価であるということでした：

「博士課程の学生は毎時間同様の仮説を思いつきます。仮説は安価です。」

方法論とフレーミングの批判

@anthuswilliamsはプレスリリースが基礎となる論文を誤って伝えていると主張し、核心的な発見を明白なものとしてフレーミングしました：1つのエージェントではなく1,946のエージェントに解析を広げることは、逐次処理よりも速くて徹底的であり、両方とも手動で行うよりも速いです。そのコメンテーターは、リンクされた論文自体は発表よりも良い印象を残すと付け加えました。

@Metacelsusは効率性に疑問を呈し、セットアップをライブラリ内の遺伝子ごとに1つのエージェントが起動されるperturb-seq実験として説明し、目標がAPIクレジットに数百万を費やすことなのかと尋ねました。@Otterly99は、論文の密度の高い図と不明確な述べられた目標が、技術的なデモンストレーション以外として読むのを難しくしていると述べ、ツールが実際の問題に適用されることを望みました。

@suddenlybananasは人間の好みのチャートの目立つ位置に異議を唱え、なぜ専門家が単一エージェントのレポートよりも分散エージェントのレポートを好むかという点に、疾患の結果ではなく、それほど多くのスペースが割かれたのかと尋ねました。

AIと科学に関する発表へのより広い懐疑論

スレッドでの繰り返しのテーマは、この発表が生物学だけでなく、AI業界の軌道に関するシグナルとして読まれているということでした。

「生物学の世界に行くと、『フィールズ賞レベルのことを証明した』から『有望なリード』に変わることに注意してください。それでも素晴らしいですが、より応用的な主題における純粋な思考の限界を物語っています。今日は自動的な癌治療法はありません。」 — @shearerp

@SimianSciはリリースが「中途半端」に見えると述べ、それを冷却する誇大広告の中で勢いを維持しようとする研究室のせいにしました。@crmdは賭け金を評価に結び付け、市場がフロンティアAIがソフトウェアエンジニアリングを混乱させた速度で他の産業を混乱させないと結論付けた場合、バブルがはじけると主張しました。@vatsachakはフレーミング自体に異議を唱え、LLMは世界を変える力としてではなく、コーディングツールとして販売されるべきであり、「新しいリード」はそのトーンの後では平坦に読めると主張しました。@anfogoatはより率直でした：「実際の人々のために実際の病気を治すまで、黙ってください。」

すべてのコメントが否定的だったわけではありません。@RomanPushkinは、AIが人間の仕事を置き換えるとしても、それが皆を助ける根本的な発見を生み出したなら許すと書きました。@dsignは結果を「悪くはないが、画期的ではない」と呼び、疾患生物学における桁違いの進歩には完全に自動化されたラボが次のステップであると予測しました。

この結果をより強固にするもの

発表自体は、この作業を証明ではなく優先順位付けとしてフレーミングしています：エージェントはメカニズムを提案し、それらをテストするにはさらなる実験が必要です。発表とその批評家との間のギャップは、主にそのフレーミングが何に値するかについてです。チームの測定可能な主張は狭く、確認可能です——32分の計算、分散エージェントによって引用された700以上の参考文献対単一エージェントによる11、盲検比較での75%の専門家の好み、そして公開アトラス。それらの数字が治療法に変換されるかどうかは、コメンテーターが繰り返し実際のボトルネックとして特定した臨床検証パイプラインに依存します。