تحلیل اطلس ژنتیکی مغز در ۳۲ دقیقه؛ هوش مصنوعی GPT-Rosalind اوپنای‌آی کار یک‌ساله را تمام کرد

استارتاپ PerturbAI، مؤسسه پژوهشی اسکریپس و اوپنای‌آی با به‌کارگیری هزاران ایجنت استدلال‌گر، داده‌های مربوط به دستکاری و اختلال در ژن‌های میلیون‌ها سلول مغز موش را تحلیل کردند. این سیستم که GPT-Rosalind نام دارد، چرخه محاسباتی خود را تنها در ۳۲ دقیقه به پایان رساند و فرضیه‌های علمی جدیدی را برای بررسی بیماری‌های تخریب‌کننده اعصاب تدوین کرد که دانشمندان می‌توانند در آزمایشگاه به بوته آزمایش بگذارند.

گزارش این پروژه از یک فرآیند استدلال توزیع‌شده پرده برمی‌دارد که مجموعه‌داده بزرگ را به وظایف مشخص و تفکیک‌شده تقسیم می‌کند. در این ساختار، هر ایجنت به بررسی اختلال در یک ژن خاص پرداخت، پاسخ سلول‌ها را ارزیابی کرد، به جستجو در ادبیات و مقالات علمی مرتبط پرداخت و سازوکارهایی زیستی برای توجیه نتایج پیشنهاد داد. در گام نهایی، تمام این گزارش‌ها با یکپارچه‌سازی در قالب یک «اطلس استدلال» ترکیب شدند؛ پایگاهی جامع که ژن‌ها، انواع سلول‌ها، تأثیرات، منابع علمی و فرضیه‌های پیشنهادی را به یکدیگر پیوند می‌دهد.

یک اطلس ژنتیکی، هزاران مأموریت مجزا

اطلس کریسپر (CRISPR) تمام‌مغز PerturbAI ثبت می‌کند که چگونه ایجاد اختلال در عملکرد هزاران ژن مختلف، بیان ژن را در انواع سلول‌های مغز موش دگرگون می‌سازد. فناوری کریسپر وظیفه ایجاد اختلال و جهش‌های هدفمند را بر عهده دارد و در سوی دیگر، سنجش بیان ژن نشان می‌دهد که سلول پس از توقف فعالیت طبیعی یک ژن، چه واکنشی از خود بروز می‌دهد.

تیم پژوهشگران برآورد کرده بودند که اگر دانشمندان می‌خواستند اختلالات هر ژن را به‌شکل سنتی و متوالی بررسی کنند و مقالات علمی مربوط به آن را بخوانند، این کار چندین ماه تا یک سال طول می‌کشید. در مقابل، سیستم چندایجنت GPT-Rosalind کل این فرآیند تحلیلی را در ۳۲ دقیقه به سرانجام رساند. البته این زمان‌بندی صرفاً مربوط به تحلیل و تفسیر داده‌های موجود است؛ چراکه گردآوری داده‌های اطلس اولیه و اعتبارسنجی آزمایشگاهی فرضیه‌ها نیازمند کار تجربی و میدانی مستقل خواهد بود.

داوران در ارزیابی‌های دوکور (Blinded) قضاوت‌های این هوش مصنوعی را با نظرات متخصصان انسانی مقایسه کردند. به گفته محققان، نمرات و ارزیابی‌های این سیستم در سنجش نوآوری و ارزش علمی یافته‌ها، همبستگی بالایی با تحلیل‌های متخصصان باسابقه داشت.

انتقال کلسترول و تمایز غافلگیرکننده در مخچه

یکی از فرضیه‌های کلیدی ارائه‌شده بر ژن DCTN1 تمرکز دارد؛ جهش در این ژن می‌تواند به بروز «سندرم پری» (Perry syndrome) منجر شود که اختلالی عصبی و بسیار نادر شبیه به بیماری پارکینسون است. ایجاد اختلال در ژن Dctn1 موش‌ها، بیان ژن‌های مسئول تولید کلسترول را افزایش داد. ایجنت‌های هوش مصنوعی با پیوند دادن این واکنش به مقالات پیشین، دریافتند که اختلال در مسیر انتقال کلسترول احتمالاً سلول را وادار به ساخت کلسترول بیشتر می‌کند.

این کشف به طراحی یک آزمایش تجربی شفاف منتهی می‌شود: ابتدا باید مشخص شود آیا افزایش تولید کلسترول واکنشی جبرانی برای توزیع معیوب آن در نورون‌ها است یا خیر، و سپس بررسی شود که آیا بازگرداندن انتقال طبیعی کلسترول از تحلیل رفتن بافت عصبی جلوگیری می‌کند یا نه. این اطلس الگوی بیان ژن را به اثبات رسانده است، هرچند اثبات نهایی سازوکار بیولوژیکی پیشنهادی همچنان نیازمند آزمایش‌های تجربی در آزمایشگاه است.

فرضیه دوم به ژن‌های Tsc1 و Tsc2 مربوط می‌شود؛ دو ژنی که به‌صورت مشترک مسیر سیگنال‌دهی mTOR را تنظیم می‌کنند که نقشی اساسی در رشد سلولی، متابولیسم و فرآیند پیری دارد. ایجاد اختلال در هر یک از این دو ژن، در بیشتر توده‌های عصبی نتایج مشابهی به بار آورد. اما در ناحیه مخچه، ایجاد اختلال در ژن Tsc2 فعالیت ده‌ها ژن دخیل در ارتباطات نورونی را دستخوش تغییر کرد، در حالی که اختلال در Tsc1 تأثیر ناچیزی بر جای گذاشت.

این تفاوت وابسته به نوع سلول، کاملاً با مشاهدات بالینی همخوانی دارد؛ مشاهداتی که نشان می‌دهند جهش در ژن TSC2 معمولاً شکل بسیار شدیدتری از بیماری «توبروز اسکلروزیس» (Tuberous sclerosis) را رقم می‌زند. با این حال، اثبات قطعی این رابطه علت و معلولی نیازمند انجام آزمایش‌های هدفمند روی سلول‌های خاص و مدل‌های حیوانی است.

پردازش موازی؛ حفظ شواهد بیشتر در پنجره زمینه

اوپنای‌آی فرآیند توزیع‌شده خود را با سناریویی مقایسه کرد که در آن کل مجموعه‌داده در اختیار یک ایجنت واحد قرار می‌گرفت. در هر دو حالت از یک مدل هوش مصنوعی یکسان و بودجه محاسباتی کاملاً برابر استفاده شد تا این بنچمارک بتواند دقیقاً میزان اثربخشی تقسیم کار و مدیریت پنجره زمینه (کانتکست) را بسنجد.

با افزایش حجم کار، عملکرد ایجنت واحد به‌شدت افت کرد؛ چراکه پنجره زمینه آن باید به‌طور همزمان مجموعه‌داده، مقالات علمی، گام‌های استدلال میانی و ترکیب نهایی را در خود جای می‌داد. در مقابل، ایجنت‌های تخصصی و کوچک‌تر توانستند نشانه‌های ضعیف‌تر زیستی را بدون پاک شدن یا جا ماندن شواهد مرتبط با سایر ژن‌ها بررسی کنند. در نهایت، بخش یکپارچه‌سازی وظیفه هماهنگ‌سازی و رفع تعارضات میان گزارش‌های مجزا را بر عهده گرفت.

مسلماً حجم بالای مراجع به خودی خود ضامن کیفیت ارجاعات علمی نیست و ترجیح داوران انسانی نیز نمی‌تواند سازوکارهای زیستی را از نظر بالینی اثبات کند. با این وجود، این بنچمارک نشان می‌دهد که تقسیم وظایف باعث حفظ حجم بسیار بیشتری از منابع علمی شده و با همان بودجه محاسباتی، گزارش‌هایی تولید کرده که کارشناسان متخصص آنها را ترجیح می‌دهند.

کدها، داده‌ها و محدودیت‌های کنونی

این دستاورد علمی شامل نسخه پیش‌چاپ در bioRxiv، اطلس ژنتیکی کریسپر روی هاگینگ فیس و اطلس استدلال به‌همراه کد منبع پروژه در گیتهاب است. محققان اکنون می‌توانند گزارش‌های تولیدشده توسط ایجنت‌ها را زیر ذره‌بین قرار دهند، ادعاها را تا منابع اصلی ردیابی کنند، ژن‌های مرتبط را مقایسه نمایند و فرضیه‌های ارزشمند را برای پژوهش‌های تجربی بعدی برگزینند.

این مقاله در قالب نسخه پیش‌چاپ منتشر شده و هنوز داوری همتا (Peer Review) را پشت سر نگذاشته است. یافته‌های آن بر سلول‌های موش متمرکز است، فرضیات و سازوکارهای استخراج‌شده نیازمند تأیید آزمایشگاهی هستند و معماری نرم‌افزاری آن روی حجم کاری آزمایش شده که امکان تفکیک تمیز بر اساس اختلال ژنی را داشت. اوپنای‌آی دسترسی به سیستم GPT-Rosalind را از طریق طرح آکادمیک رزالیند در اختیار پژوهشگران و دانشگاه‌ها قرار می‌دهد.

این معماری در چه سناریوهایی کارایی دارد؟

توسعه‌دهندگان می‌توانند از همین الگوی طراحی در مسائل پژوهشی دیگری که شامل حجم بالایی از سوابق مستقل و منابع علمی گسترده هستند، بهره بگیرند. پیاده‌سازی کاربردی چنین سیستمی شامل چهار گام اصلی است:

1. تقسیم حجم کار: تجزیه مسئله به واحدهای کوچک و مشخص همراه با ورودی‌ها و ساختارهای خروجی شفاف.
2. اجرای مستقل بازیابی و استدلال: پردازش جداگانه برای هر واحد به گونه‌ای که اسناد و شواهد در یک پنجره زمینه قابل مدیریت باقی بمانند.
3. حفظ اصالت و منبع شواهد: ضمیمه کردن مراجع، شناسه‌های مجموعه‌داده و نتایج میانی به تک‌تک ادعاها.
4. تطبیق و یکپارچه‌سازی خروجی‌ها: حذف یافته‌های تکراری، برطرف کردن تناقضات و اولویت‌بندی فرضیه‌ها برای بررسی نهایی.

البته در مسائلی که داده‌ها وابستگی زنجیره‌ای شدیدی به یکدیگر دارند، احتمالاً به وضعیت مشترک (Shared State) یا هماهنگی‌های پیچیده‌تر میان ایجنت‌ها نیاز خواهد بود. اما برای مجموعه‌داده‌هایی که قابلیت تفکیک دارند، GPT-Rosalind نمونه‌ای عینی و اثبات‌شده از این واقعیت است که چگونه استدلال موازی می‌تواند پوشش شواهد را با حفظ همان مدل و بودجه پردازشی، به شکلی چشمگیر گسترش دهد.