OpenAI, PerturbAI et Scripps Research ont fait travailler des milliers d’agents d’IA en parallèle pour interpréter un atlas CRISPR du cerveau de souris. En 32 minutes, leur système a relié des perturbations génétiques à la littérature, restituant des résultats d’analyses humaines et faisant émerger de nouvelles hypothèses jugées prometteuses par des experts.
Des résultats jugés robustes et des hypothèses suivies par des experts
Dans des comparaisons en aveugle, des experts ont préféré 75 % du temps les rapports issus d’agents distribués à ceux d’un agent unique. Ces spécialistes ont aussi jugé nouvelle, conséquente et digne d’être suivie une hypothèse centrée sur le gène DCTN1. Les agents ont mis au jour des différences inattendues entre deux gènes liés à la maladie et une connexion potentielle entre la régulation du cholestérol et la neurodégénérescence. Pour l’axe Tsc2/Tsc1, ils ont pointé un groupe de neurones et des altérations cellulaires à explorer, tandis que des anomalies du cervelet sont fortement associées à des mutations de TSC2, et que les difficultés d’apprentissage et comportementales restent difficiles à traiter malgré des traitements ciblant mTOR pour certaines tumeurs et crises. Dans le cervelet, la perturbation de Tsc2 a modifié l’activité de dizaines de gènes de la communication neuronale, alors que Tsc1 a peu changé ces profils. Concernant DCTN1, dont des mutations causent le syndrome de Perry, la perturbation de Dctn1 a augmenté l’expression de gènes de synthèse du cholestérol. Les agents l’ont reliée à des travaux sur le transport du cholestérol, soulevant des questions de suivi sur une éventuelle redistribution du cholestérol dans les neurones et sur une possible contribution à la neurodégénérescence, ainsi que sur l’intérêt de restaurer une distribution normale. Tomasz Nowakowski a estimé que le lien entre fonction neuronale et métabolisme du cholestérol propose une nouvelle manière d’aborder la biologie des maladies.
Un atlas consultable pour comparer des gènes et traquer des réponses inattendues
L’atlas de raisonnement généré est disponible. Les chercheurs peuvent ainsi confronter des gènes apparentés, analyser des réponses inattendues et repérer des pistes prometteuses à explorer.
Un raisonnement distribué agent par agent, adossé à GPT-Rosalind
L’approche, qualifiée de raisonnement biologique distribué, s’appuie sur des milliers d’agents alimentés par GPT-Rosalind. Les agents ont analysé un atlas CRISPR du cerveau entier et, pour chaque perturbation génétique, ont étudié les réponses cellulaires, interrogé la littérature et formulé des explications. Leurs rapports combinés constituent un atlas de raisonnement qui relie gènes, effets cellulaires, publications et mécanismes biologiques possibles.
Vous voulez les meilleurs outils IA avant les autres ?
On teste et on décrypte les nouveaux outils IA chaque soir, en 5 min. Gratuit.
Inclus dès l'inscription : notre sélection des meilleurs guides & comparatifs IA.
Choisissez votre rythme
Gratuit · Pas de spam · Désabonnement en 1 clic
Gain de temps, couverture de la littérature et validation par des experts
Les données, issues de millions de cellules cérébrales de souris, ont été interprétées en 32 minutes. Il est estimé qu'une analyse humaine comparable, menée perturbation par perturbation, prendrait plusieurs mois jusqu’à un an. Les agents ont reproduit des résultats d’analyses humaines tout en mettant au jour des pistes supplémentaires, avec des évaluations de nouveauté et d’intérêt alignées sur des jugements d’experts en aveugle, afin d’aider à prioriser des expériences de suivi. Un test a comparé un agent unique à des agents distribués à ressources constantes : à charge maximale, l’agent unique n’a cité que 11 références, contre plus de 700 pour les agents distribués, et les experts ont préféré les interprétations du cadre distribué. Le fonctionnement en parallèle élargit l’examen des réponses, y compris des signaux subtils, et facilite leur rattachement à la littérature pertinente.
Au-delà de la vitesse : le rôle de l’IA dans l’exploration des grands jeux de données
Les expériences modernes produisent plus de données que ce qui peut être analysé en détail, alors même qu’il est possible de perturber des milliers de gènes et de mesurer leurs effets sur des millions de cellules. Comprendre l’impact sur les maladies humaines suppose de relier des résultats expérimentaux complexes à des connaissances disséminées. Dans des ensembles couvrant des milliers de perturbations, des indices importants peuvent être manqués. Tsc1 et Tsc2, qui contrôlent ensemble mTOR, ont des effets similaires dans plusieurs groupes neuronaux, ce qui illustre la complexité des interprétations à grande échelle. L’IA peut relier de nouvelles données à des savoirs dispersés, avec une portée qui dépasse l’accélération de l’analyse : en la combinant à la biologie expérimentale, à l’expertise humaine et à la littérature, davantage de données peuvent devenir des idées testables. Les scientifiques restent au cœur de la découverte, avec pour objectif de transformer plus d’informations en connaissances susceptibles d’orienter, au fil du temps, le développement de meilleurs médicaments. Sarah Teichmann a souligné que l’IA pourrait aider davantage de chercheurs à explorer des atlas cellulaires et à formuler de nouvelles questions à évaluer. Les connexions relevées visent à faciliter l’identification de pistes pour de futurs traitements.
