Back to top
  • 공유 Share
  • 인쇄 Print
  • 글자크기 Font size
URL copied.

OpenAI, 1.946 yapay zekâ ajanıyla fare beyni verilerini 32 dakikada analiz etti

Yapay zekâ tarafından oluşturulan görsel: Araştırmacının incelediği fare beyni hücre haritası / TokenPost.ai (macro)

OpenAI, GPT-Rosalind modelini kullanan 1.946 yapay zekâ ajanını paralel çalıştırarak fare beyni hücrelerine ilişkin 7,7 milyondan fazla hücrenin mevcut deney verilerini 32 dakikada analiz etti. Ajanlar, hücre tepkilerini bilimsel yayınlarla ilişkilendirip dejeneratif beyin hastalıkları araştırmalarında takip deneyleriyle sınanabilecek hipotezler belirledi.

OpenAI, PerturbAI ve Scripps Research ile yürüttüğü ortak araştırmanın sonuçlarını 21 Ekim’de açıkladı. Analizin 32 dakika sürmesi, fareler üzerinde deneylerin bu sürede yapıldığı anlamına gelmiyor; ajanlar daha önce oluşturulmuş verileri bölüşerek inceledi.

Temel verileri oluşturan araştırma ekibi, hastalıklarla ilişkili 1.947 genin işlevini bozarak fare beyninin farklı bölgelerinde 7,7 milyondan fazla hücrenin tepkisini ölçtü. Böylece analizde kullanılan ajan sayısı 1.946, temel veri setinde incelenen gen sayısı ise 1.947 oldu.

Tüm beyin CRISPR haritası, belirli bir genin işlevi bozulduğunda beynin farklı bölgelerindeki hücrelerde görülen değişimleri bir araya getiriyor. Araştırmacılar bu çalışmada, önceden oluşturulmuş haritayı kullanarak gen müdahaleleriyle bağlantılı hücre tepkilerini inceledi.

Büyük ölçekli biyoloji deneyleri binlerce gen ve milyonlarca hücrenin tepkisini kaydedebiliyor. Ancak bu sonuçları yorumlamak ve hastalıklarla ilişkilendirmek için farklı alanlardaki bilimsel yayınları da incelemek gerekiyor. Araştırma ekibi analiz görevlerini gen müdahalelerine göre böldü; ajanlar deney verilerini ilgili literatürle birlikte değerlendirdi.

Yaşam bilimleri araştırmaları için tasarlanan GPT-Rosalind, hücre tepkilerini açıklayabilecek biyolojik mekanizmalar önermek üzere kullanıldı. Ajanların her biri bir gen müdahalesini ele aldı, hücre bazındaki tepkileri inceledi ve ilgili makaleleri aradı. Araştırmacılar, ajanların raporlarını genleri, hücresel değişimleri, ilgili yayınları ve olası mekanizmaları ilişkilendiren bir çıkarım haritasında bir araya getirdi.

Araştırmacılar, ajanlara temel veri setini ortaya çıkaran özgün makalenin sonuçlarını vermeden daha önce yayımlanmış bulguları yeniden bulup bulamayacaklarını değerlendirdi. Karşılaştırma için aynı model ve kaynaklarla çalışan tek ajanlı analizden de yararlanıldı. En kapsamlı görev koşulunda tek ajan 11 yayına atıf yaparken, dağıtık ajanlar aynı koşulda 700’den fazla yayına atıf yaptı.

Kaynağın gizlendiği karşılaştırmalı değerlendirmede uzmanlar, dağıtık ajanların raporlarını yüzde 75 oranında tercih etti. İnsanların aynı işi sırayla yapmasının aylar ile bir yıl arasında sürebileceği tahmini ise ölçülmüş bir sonuç değil, araştırmacıların öngörüsüydü.

DCTN1, sinir hücreleri içinde madde taşınmasıyla ilişkili bir gen. Bu gendeki varyantların, Parkinson hastalığına benzer belirtiler gösteren dejeneratif bir hastalık olan Perry sendromuna yol açtığı biliniyor. Mevcut haritada DCTN1 işlevinin bozulmasıyla kolesterol senteziyle ilişkili genlerin ifadesi artmıştı. Ajanlar bu bulguyu önceki araştırmalarla ilişkilendirerek, sinir hücrelerinde kolesterol taşınması veya dağılımında sorun olup olmadığının takip deneylerinde incelenmesini önerdi.

Tsc1 ve Tsc2 genlerinin işlevleri bozulduğunda bazı sinir hücresi gruplarında benzer tepkiler görüldü. Beyincikte Tsc2 müdahalesi, sinir sinyallerinin iletimiyle ilişkili genlerin etkinliğini değiştirdi; Tsc1 müdahalesinde ise aynı değişim belirgin değildi. Tsc1 ve Tsc2, hücre büyümesi ve metabolizması gibi süreçleri düzenleyen mTOR işlevinde birlikte rol oynuyor. Araştırmacılar beyincikteki farklılığı, tüberoskleroz hastalarında bildirilen TSC2 bağlantılı beyincik sorunlarıyla birlikte değerlendirdi.

Önerilen bulgular, takip deneylerinde sınanması gereken hipotezler niteliğinde; bir tedavinin veya yeni ilacın etkisini kanıtlamıyor. Analiz yöntemi ve değerlendirme sonuçları, hakem incelemesinden geçmemiş bir ön baskı makalesinde yayımlandı. TokenPost daha önce GPT-Rosalind’in araştırma kurumlarına erişiminin genişletildiğini bildirmişti. Bu çalışma, modelin büyük biyoloji veri kümelerinde literatür taraması ve hipotez oluşturma amacıyla kullanılmasına örnek oluşturuyor.

<Copyright ⓒ TokenPost, unauthorized reproduction and redistribution prohibited>

Most Popular

Other related articles

Comment 0

Comment tips

Great article. Requesting a follow-up. Excellent analysis.

0/1000

Comment tips

Great article. Requesting a follow-up. Excellent analysis.
1