An agentic AI environment to support biomedical research in collaborative academic environments
Het artikel introduceert Murmurent, een open-source, gedeelde softwareomgeving die is ontworpen om collaboratief biomedisch onderzoek te ondersteunen door gespecialiseerde agenten, gelaagd geheugen, traceerbaarheid en afgedwongen standaardprocedures te bieden die de technische drempels verlagen voor academische laboratoria die gebruikmaken van agentic AI, aangetoond door de toepassing ervan bij het identificeren van remmers voor het Pin1-eiwit.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van een preprint die niet peer-reviewed is. Dit is geen medisch advies. Neem geen gezondheidsbeslissingen op basis van deze inhoud. Lees de volledige disclaimer
In het moderne laboratorium zijn de instrumenten voor ontdekking veel verder uitgebreid dan microscopen en reageerbuizen. Wetenschappers vertrouwen nu zwaar op computers om door bergen data te ploegen, nieuwe moleculen te ontwerpen en te voorspellen hoe biologische systemen zich gedragen. Deze verschuiving heeft krachtige kunstmatige intelligentie in de strijd gebracht, die in staat is om wetenschappelijke artikelen te lezen, code te schrijven en experimenten voor te stellen. Er blijft echter een aanzienlijke kloof bestaan tussen de ruwe kracht van deze intelligente systemen en de dagelijkse realiteit van academisch onderzoek. De meeste onderzoekers zijn experts in biologie of chemie, niet in de complexe software engineering die nodig is om deze digitale assistenten veilig te beheren. Zonder zorgvuldig toezicht zou een kunstmatige intelligentie per ongeluk gevoelige patiëntgegevens kunnen lekken, het overzicht kunnen verliezen over een cruciale beslissing die weken geleden is genomen, of een fout kunnen herhalen die dagen aan rekentijd heeft verspild. De uitdaging is niet alleen het hebben van een slimme assistent, maar het hebben van een systeem dat de regels van het lab begrijpt, privéinformatie beschermt en een team helft samen te werken zonder dat één persoon een computerdeskundige hoeft te zijn.
Om deze kloof te overbruggen, heeft een team onderzoekers aan Western University in Canada een nieuw softwareframework ontwikkeld genaamd Murmurent. Ze beschrijven het niet louter als een hulpmiddel, maar als een besturingssysteem voor kunstmatige intelligentie, specifiek ontworpen voor de chaotische, collaboratieve en risicovolle omgeving van de academische wetenschap. In plaats van elk lab zelf veiligheidsprotocollen en databeheersystemen vanaf nul te laten bouwen, biedt Murmurent een gedeelde basis. Het bevindt zich onder de modellen van kunstmatige intelligentie en fungeert als een laag van governance die identiteiten beheert, gegevens beveiligt en de geschiedenis van een project onthoudt. Het systeem organiseert werk in "projecten" waar meerdere onderzoekers kunnen samenwerken, waarbij elk hun eigen methoden inbrengt voor een gedeelde vraagstelling. Het maakt gebruik van een reeks gespecialiseerde digitale assistenten, elk met een specifieke rol: één handelt de data-analyse af, een andere doorzoekt de wetenschappelijke literatuur, een derde creëert visualisaties, en anderen fungeren als auditors om te controleren op fouten of ethische zorgen. Cruciaal is dat het systeem strikte regels automatisch afdwingt. Het voorkomt dat de kunstmatige intelligentie belangrijke bestanden verwijdert, privédata naar het publieke internet stuurt of beslissingen neemt die de veiligheidsnormen van het lab schenden, ongeacht hoe de menselijke onderzoeker de verzoek om de woorden formuleert.
De onderzoekers testten dit systeem door een moeilijke kwestie in de geneesmiddelenontwikkeling aan te pakken: het vinden van een molecuul dat een eiwit genaamd Pin1 kan remmen. Dit eiwit is betrokken bij kanker en neurodegeneratieve ziekten, maar is berucht moeilijk te targeten omdat de actieve site een ondiepe groef is in plaats van een diepe holte, wat het moeilijk maakt voor medicijnen om eraan te hechten. Het team vertrouwde niet op één enkele methode. In plaats daarvan gebruikten ze Murmurent om vier verschillende benaderingen gelijktijdig te coördineren. Eén teamlid gebruikte een deep learning-model om nieuwe moleculen vanaf nul te genereren. Een ander begon met een bekende zwakke binder en wijzigde de structuur ervan. Een derde richtte zich op een specifieke chemische strategie om een molecuul permanent aan het eiwit te bevestigen, terwijl de vierde verschillende chemische delen combineerde om naar een betere pasvorm te zoeken. In een traditionele setting zouden deze vier groepen mogelijk geïsoleerd hebben gewerkt, met verschillende standaarden en zonder de voortgang van elkaar bij te houden. Met Murmurent werkten ze parallel binnen dezelfde beveiligde omgeving. Het systeem zorgde ervoor dat ze allemaal dezelfde referentiedata gebruikten, dezelfde veiligheidscontroles en dezelfde manier van het vastleggen van hun beslissingen.
Terwijl de vier benaderingen liepen, speelden de ingebouwde auditors van het systeem een vitale rol. Eén van de digitale assistenten, optredend als criticus, merkte op dat de initiële manier waarop het team succes mat, gebrekkig was. De methode die ze gebruikten om de nieuwe moleculen te rangschikken, herkende eigenlijk slechts de vorm van de startmaterialen in plaats van te voorspellen hoe goed ze zouden binden aan het eiwit. Omdat het systeem elke stap en beslissing had vastgelegd, kon het team deze fout terug naar de bron traceren. Ze pasten hun methoden aan, voerden de berekeningen opnieuw uit en ontdekten dat de aanvankelijk veelbelovende resultaten eigenlijk niet beter waren dan een willekeurige kans. Deze correctie bespaarde het team het verspillen van middelen aan moleculen die waarschijnlijk niet zouden werken. Het systeem beheerde ook de complexe logistiek van het project, zoals het verdelen van de zware computertaken over meerdere grafische processoren om binnen uren in plaats van dagen klaar te zijn, en het waarborgen dat gevoelige kandidaat-moleculen nooit het beveiligde lokale netwerk verlieten.
De uitkomst van dit experiment was niet één nieuw medicijn, maar een demonstratie van hoe een dergelijk systeem wetenschappelijk onderzoek kan sturen. Geen van de vier benaderingen produceerde een molecuul dat het systeem met vertrouwen als winnaar kon certificeren, grotendeels omdat het eiwit zo moeilijk te targeten is en er niet genoeg bekende voorbeelden waren om mee te vergelijken. Echter, het proces onthulde de sterke en zwakke punten van elke benadering, waardoor de onderzoekers hun strategieën konden verfijnen. Het systeem slaagde erin het team te behoeden voor het najagen van valse sporen en bood een duidelijk, controleerbaar verslag van waarom bepaalde paden werden verlaten. De onderzoekers vonden dat het systeem een trainee in het natte laboratorium met beperkte programmeerkennis in staat stelde om deel te nemen aan complexe data-analyse, terwijl het ervoor zorgde dat een hoofdonderzoeker het hele proces kon overzien zonder elke regel code te hoeven micromanagen.
Murmurent vertegenwoordigt een verschuiving in de manier waarop academische wetenschap in het tijdperk van kunstmatige intelligentie bedreven kan worden. Het beweegt weg van het idee van een enkele, centrale controleur die elk experiment beheert, naar een model waarbij groepen onderzoekers hun eigen werk coördineren binnen een gedeeld, veilig framework. Het systeem vervangt de wetenschapper niet; in plaats daarvan neemt het de administratieve en veiligheidsverplichtingen op zich die wetenschappelijk onderzoek vaak vertragen. Door het geheugen te beheren, de beveiliging af te dwingen en meerdere agenten te coördineren, stelt het onderzoekers in staat zich te concentreren op de wetenschap zelf. Het team heeft de software open source gemaakt, zodat andere laboratoria het kunnen adopteren en aanpassen. Hoewel het systeem niet garandeert dat elk experiment zal slagen, biedt het een robuuste structuur die helpt om ervoor te zorgen dat wanneer experimenten mislukken, de redenen duidelijk zijn, de data veilig is en de geleerde lessen bewaard blijven voor de toekomst. Deze aanpak biedt een praktisch pad voor de integratie van krachtige kunstmatige intelligentie in de collaboratieve, diverse en vaak onvoorspelbare wereld van het academisch biomedisch onderzoek.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.