科学者がアルツハイマー病やパーキンソン病についての新たな手がかりを、数か月ではなく数分で発見できたらどうでしょう。OpenAI、 PerturbAI(新しいウィンドウで開きます)、および Scripps Research(新しいウィンドウで開きます) は、 GPT‑Rosalindを基盤とする数千のAIエージェント(新しいウィンドウで開きます) を用いて、 数百万のマウス脳細胞(新しいウィンドウで開きます) からの既存の実験データをわずか32分で分析・解釈しました。エージェントは遺伝子撹乱の影響を科学文献の知見と結びつけ、病気の理解や新たな治療法の研究方針の特定に役立つ予想外の生物学的つながりを発見しました。この研究は、AIが大規模な生物学実験が明らかにする情報を研究者がより広く探索する助けになることを示しています。
現代の実験は、科学者が徹底的に調べられる量をはるかに超えるデータを生み出しています。研究者は現在、数千の遺伝子を操作し、その影響を数百万の細胞にわたって測定できます。しかし、これらの結果が人間の病気にとって何を意味するのかを理解するには、複雑な実験知見と数十年にわたり散在する科学知識を結びつける必要があります。ここにこそ、AIが見逃されがちな有望な手がかりを科学者が発見する助けとなる可能性があります。
「私たちが細胞アトラスを構築するのは、他の科学者がまだ想像もしていない発見をできるようにするためです。AIは、より多くの研究者がこうしたリソースを探索し、予想外の観察を検証すべき新しい問いへと転換する助けになり得ます。」—ケンブリッジ大学幹細胞医学講座教授、Human Cell Atlas創設共同議長、Sarah Teichmann博士
研究チームは、分散型生物学的推論と呼ぶ手法として、GPT‑Rosalindを基盤とする数千のAIエージェントに分析を分担させました。エージェントは、遺伝子撹乱がマウスの脳全体のさまざまな細胞タイプにどのような影響を与えるかを示すデータセットである 全脳CRISPRアトラス(新しいウィンドウで開きます)を調べました。各エージェントは1つの遺伝子撹乱を調査し、細胞応答を分析し、科学文献を検索し、結果に対する説明を提案しました。これらのレポートは、遺伝子、細胞への影響、関連する論文、そして可能性のある生物学的メカニズムを結びつける推論アトラスとして統合されました。
研究チームの推定では、人間が同様の分析と文献調査を1つの撹乱ずつ行うと、数か月から1年かかるでしょう。エージェントは人間の分析の知見を再現しつつ、さらなる手がかりを発見しました。新規性と科学的価値に関する彼らの評価は、ブラインド化された人間の専門家の判断とも一致しました。これらの知見は、提案された生物学的メカニズムを検証するために必要な追加実験の優先順位付けに役立ちます。
こうした知見の一部は、脳疾患の理解に向けた新たな手がかりを示しています。エージェントは、疾患に関連する2つの遺伝子が脳細胞に与える影響における予想外の違いや、コレステロール調節と神経変性の間の潜在的なつながりを特定しました。これらの発見は、病気がどのように進行するか、そして将来の治療がどこで介入し得るかを科学者が調査する助けになり得ます。
「手がかりはすでにそこにあって、異なる分野に散らばっていることもあります。私たちはそれを結びつけてきていなかっただけなのです。ニューロンの機能とコレステロール代謝の間の可能性のあるつながりは、こうした断片をひとたび組み合わせれば、疾患の生物学について新たな考え方が得られることを示しています。」「——トマシュ・ノヴァコフスキー博士、カリフォルニア大学サンフランシスコ校(UCSF)神経外科学准教授」
研究者は今日からこれらの知見を探索し始めることができます。推論アトラスは 公開されており(新しいウィンドウで開きます)、科学者は関連する遺伝子を比較し、予想外の応答を調査し、追求すべき有望な手がかりを特定できます。新たな発見はしばしば、異なる分野の研究者が専門知識を持ち寄り、馴染みのあるアイデアを予想外の形で結びつけるときに生まれます。AIは、新しいデータを分野を超えて散在する知識と結びつけることで、こうしたつながりを大幅に拡大できます。この機会は、データをより速く分析することにとどまりません。AIを実験生物学、人間の専門知識、科学文献と組み合わせることで、科学者がより多くのデータを検証可能なアイデアへと転換できるよう支援できます。
大規模実験と予想外の手がかり
実験のもっとも興味深い手がかりの一部は、科学者が調査しようと意図した物語の外側にあります。何千もの撹乱に及ぶデータセットでは、そうした手がかりは見逃されがちです。
エージェントたちは、細胞の成長、代謝、老化の主要な調節因子であるmTORを共同で制御する2つの遺伝子、Tsc1とTsc2の間の予期しない違いを発見しました。どちらの遺伝子を破壊しても、いくつかのニューロンのグループでは同様の効果が見られました。しかし、運動の協調を助ける小脳では、Tsc2の破壊が神経伝達に関わる数十の遺伝子の活性を変化させたのに対し、Tsc1の破壊ではほとんど変化が生じませんでした。
この違いは、人間の疾患に関係している可能性があります。結節性硬化症の患者では、小脳の異常がTSC2変異と強く結びついています。mTOR活性を抑える薬は一部の脳腫瘍やてんかん発作の治療に使えますが、この病気に伴う学習や行動の困難への対処は依然として困難です。研究者らのエージェントは、調査する価値のある特定のニューロンの集団と細胞変化をピンポイントで特定しました。既存の薬はどの変化を改善できるのか、どの変化が新たな治療アプローチの糸口になるのか。これにより研究者は、実験室で検証すべきより具体的な一連の問いを得ることができます。
仕事を分担し、推論を深める
データセット全体を与えられた1つのエージェントは、並行して作業する数千のエージェントと同等の成果を上げられるのでしょうか。モデルとリソースを固定したまま、これを検証しました。ワークロードが大きくなるにつれ、単一エージェントが検索する文献の範囲は狭まり、最大のワークロードでは引用文献がわずか11件だったのに対し、分散型エージェントは700件を超える文献を引用しました。人間の専門家も、分散型エージェントによる解釈を好みました。
科学者には時間が限られており、データの中で最も強いシグナルに焦点を絞りがちです。分散型エージェントは、微妙なものや予想外のものを含むより広い範囲の応答を調べ、関連する科学文献と結びつけるのに役立ちます。エージェントを並行して実行することで、多くの摂動を一度に調査できます。これにより、科学者は実験に含まれる情報をより多く探索し、見逃されがちな有望な手がかりを特定できます。
最大のワークロードでは、分散型エージェントは700件を超える文献を引用したのに対し、単一エージェントは11件でした。
次に行う価値のある実験を見つける
次に行う価値のある実験を示唆するとき、発見はより価値のあるものになります。エージェントはそのような手がかりを DCTN1に見つけました。この遺伝子の変異は、パーキンソン病様の症状を伴う神経変性疾患であるペリー症候群の原因となります。
DCTN1はニューロン内の輸送（貨物の移動）に関与しています。全脳CRISPRアトラスでは、Dctn1の破壊によってコレステロール合成に関わる遺伝子の発現が上昇しました。エージェントはこの観察を、コレステロール輸送の問題が細胞により多くのコレステロールを作らせる可能性を示唆する研究と結びつけました。これにより、追跡実験のための問いが生まれました。DCTN1の破壊はニューロン内のコレステロールの分布を変えるのか、そしてその変化が神経変性の一因となりうるのか。もしそうなら、正常なコレステロール分布の回復はニューロンの保護に役立つだろうか。
人間の専門家もこの仮説を新規性があり重要で、追跡する価値があると評価しました。この例は、予想外の結果と既存の知識を結びつけることで、手がかりを検証可能なアイデアへ、さらには病気治療の新たな方向性へと転換できることを示しています。
ブラインド比較では、人間の専門家は単一エージェントのレポートよりも分散型エージェントのレポートを75%の割合で好みました。
科学者は依然として発見の中心にいます。AIは、より多くの有望な手がかりを掘り起こすことで、研究者がどのアイデアを追求すべきかを決め、実験を設計し、結果を解釈する助けとなります。その目標は、生物学的実験に含まれるより多くの情報を、時間をかけてより良い医薬品の開発の指針となりうる知識へと変えることです。