In 32 minuti, migliaia di agenti GPT-Rosalind hanno esaminato dati sperimentali su milioni di cellule cerebrali di topo e collegato gli effetti dell’inattivazione dei geni alle conoscenze della letteratura scientifica. OpenAI, PerturbAI e Scripps Research hanno distribuito il lavoro assegnando a ciascun agente una specifica alterazione genetica, così da individuare possibili meccanismi di malattia e nuove ipotesi da verificare in laboratorio.
Gli esperimenti biologici producono più dati di quanti i ricercatori riescano a interpretarne in profondità, il problema affrontato da OpenAI, PerturbAI e Scripps Research. Modificare migliaia di geni e misurarne gli effetti su milioni di cellule genera una quantità di osservazioni che, per acquistare significato, deve essere collegata a risultati e pubblicazioni distribuiti tra discipline diverse. Anche una variazione inattesa nell’attività dei geni può suggerire una nuova pista per capire come si sviluppano malattie neurodegenerative come Alzheimer e Parkinson e dove cercare possibili bersagli terapeutici.
Dai dati CRISPR a un atlante di interpretazioni
Il metodo, chiamato ragionamento biologico distribuito, assegna a ciascun agente una perturbazione genetica, cioè un’alterazione della funzione di un gene. L’agente esamina le risposte dei diversi tipi cellulari, consulta la letteratura scientifica e propone spiegazioni; le relazioni vengono poi riunite in un atlante che collega geni, effetti osservati, pubblicazioni e possibili meccanismi biologici.
La base sperimentale è un atlante CRISPR dell’intero cervello del topo, costruito misurando gli effetti dell’inattivazione di quasi 2.000 geni associati a malattie. CRISPR è una tecnologia di modifica mirata del DNA: una molecola di RNA guida un enzima verso una sequenza specifica, dove il DNA viene tagliato. In questo esperimento serve a inattivare singoli geni e osservare che cosa cambia nelle cellule quando la loro funzione viene meno. Il confronto aiuta a ricostruire il ruolo dei geni nei processi biologici e nelle malattie.
La risorsa comprende circa 7,7 milioni di cellule, centinaia di tipi cellulari e misure su 19.070 RNA messaggeri, le molecole che trasmettono le istruzioni dei geni per la produzione delle proteine. Lo screening CRISPR, cioè l’esame sistematico degli effetti delle modifiche genetiche, è abbinato al sequenziamento dell’RNA a singolo nucleo: misurando gli RNA presenti nel nucleo di ciascuna cellula, i ricercatori rilevano quali geni vengono espressi e come la loro attività cambia dopo l’intervento.
Senza accesso al manoscritto originale dell’atlante sperimentale, gli agenti ne hanno recuperato le conclusioni e previsto effetti di perturbazioni tenuti fuori dall’analisi. Hanno inoltre individuato relazioni tra alterazioni con conseguenze comuni oppure opposte, anche di diversa intensità.
Il gruppo di ricerca stima che un’analisi umana comparabile, comprensiva della ricerca bibliografica e svolta una perturbazione alla volta, richiederebbe da diversi mesi a un anno. I 32 minuti si riferiscono all’esame e all’interpretazione dei dati esistenti; la produzione dei dati e gli esperimenti necessari a verificare le nuove ipotesi costituiscono fasi distinte.
Il confronto con un singolo agente
Il lavoro in parallelo permette di esaminare anche segnali deboli o inattesi, che possono ricevere meno attenzione quando i ricercatori concentrano il tempo disponibile sui risultati più evidenti.
Per valutare il contributo della distribuzione del lavoro, i ricercatori hanno confrontato il sistema con un singolo agente incaricato dell’intero insieme di dati, mantenendo fissi modello e risorse. All’aumentare del carico, l’agente unico ha esplorato una porzione più limitata della letteratura: nella prova più ampia ha citato 11 riferimenti, contro oltre 700 degli agenti distribuiti.
Nelle valutazioni alla cieca, gli esperti umani hanno preferito le relazioni del sistema distribuito nel 75% dei confronti. Le loro valutazioni hanno inoltre concordato con quelle degli agenti sulla novità e sul valore scientifico delle indicazioni emerse. Il confronto misura la qualità delle interpretazioni e la loro utilità per orientare la ricerca; la verifica dei meccanismi proposti passa dagli esperimenti successivi.
Individuare differenze che orientano gli esperimenti
I geni Tsc1 e Tsc2 lavorano insieme nel controllo della crescita e del metabolismo delle cellule, ma la loro inattivazione può avere conseguenze diverse a seconda dell’area del cervello. Gli agenti hanno riconosciuto questa differenza nei dati: nel cervelletto, inattivare Tsc2 modificava l’attività dei geni coinvolti nella comunicazione tra neuroni molto più di quanto accadesse inattivando Tsc1. Esaminare separatamente le risposte dei diversi tipi cellulari ha permesso di far emergere un risultato che una lettura complessiva avrebbe potuto nascondere.
La differenza offre una pista per studiare la sclerosi tuberosa, una malattia genetica nella quale le anomalie del cervelletto sono fortemente associate alle mutazioni di TSC2. Le terapie disponibili trattano alcune manifestazioni della malattia, mentre le difficoltà di apprendimento e comportamentali restano complesse da affrontare. Aver individuato le cellule coinvolte e i cambiamenti nella loro attività permette di concentrare gli esperimenti su domande precise: quali alterazioni possono correggere i farmaci esistenti e quali richiedono approcci diversi?
DCTN1, colesterolo e neurodegenerazione
Una seconda pista riguarda DCTN1, coinvolto nel trasporto di materiali all’interno dei neuroni e associato, attraverso sue mutazioni, alla sindrome di Perry, malattia neurodegenerativa con sintomi simili al Parkinson. Nell’atlante murino, l’inattivazione di Dctn1 aumenta l’espressione dei geni della sintesi del colesterolo. Gli agenti hanno collegato questo risultato a ricerche secondo cui problemi nel trasporto del colesterolo possono indurre le cellule a produrne di più.
L’ipotesi da verificare è che l’alterazione di DCTN1 modifichi la distribuzione del colesterolo nei neuroni, contribuendo alla neurodegenerazione, e che ripristinarla possa avere un effetto protettivo. Gli esperti hanno giudicato questa indicazione nuova, rilevante e meritevole di approfondimento. Tomasz Nowakowski, professore associato di chirurgia neurologica alla University of California di San Francisco, vede nel collegamento tra funzione neuronale e metabolismo del colesterolo un esempio di come conoscenze disperse possano suggerire nuove interpretazioni della biologia delle malattie.
Sarah Teichmann, titolare della cattedra di medicina delle cellule staminali all’Università di Cambridge e cofondatrice alla guida dello Human Cell Atlas, sottolinea il valore degli atlanti cellulari come risorse aperte a scoperte impreviste: l’AI può aiutare più ricercatori a esplorarli e a trasformare osservazioni inattese in domande sperimentali.
Le risorse per esplorare i risultati
Il lavoro si inserisce nelle applicazioni scientifiche di GPT-Rosalind e dell’ambiente Rosalind, dedicati al ragionamento biologico e chimico e all’impiego di strumenti di ricerca. Per questa analisi, il repository Distributed Agents mette a disposizione il framework, gli strumenti per interrogare il corpus e i notebook delle analisi, con report narrativi e strutturati per ciascuna perturbazione.
I ricercatori possono esplorare l’atlante per confrontare geni correlati, esaminare risposte inattese e scegliere quali ipotesi approfondire. Il corpus è consultabile anche tramite un servizio ospitato e assistenti compatibili con MCP, il protocollo che collega gli strumenti agli agenti AI. L’accesso remoto consente di leggere risultati, affermazioni ed evidenze; per ricalcolare statistiche sui dati grezzi occorre utilizzare le risorse locali del progetto.
