General Purpose AI for Public Data Analysis and Experimental Hypothesis Generation

De biologie is een tijdperk binnengegaan waarin de meest waardevolle ontdekkingen vaak niet liggen in nieuwe experimenten, maar in de enorme archieven van reeds verzamelde data. Jarenlang hebben wetenschappers enorme bibliotheken van moleculaire informatie gegenereerd, waarin de activiteit van genen en eiwitten in gezonde weefsels en zieke weefsels werd vastgelegd. Deze records zijn als gedetailleerde kaarten van de innerlijke werking van het menselijk lichaam, maar ze werden vaak gemaakt om specifieke, nauwe vragen te beantwoorden. De uitdaging voor de moderne wetenschap is om naar deze bestaande kaarten te kijken en nieuwe vragen te stellen die de oorspronkelijke ontdekkingsreizigers nooit hadden kunnen bedenken. Hier komt kunstmatige intelligentie in beeld, niet als vervanging voor menselijke onderzoekers, maar als een instrument dat in staat is om deze massale datasets te scannen om verborgen patronen te vinden en nieuwe paden voor onderzoek voor te stellen. Het doel is om te zien of een computer kan fungeren als een partner voor een bioloog, door publieke registers te doorzoeken om toetsbare ideeën voor te stellen over hoe cellen zich gedragen, hoe ziekten zich ontwikkelen en wat ze zou kunnen stoppen.

Een recente studie onderzocht precies dit potentieel door te testen hoe algemene kunstmatige intelligentie wetenschappers kon helpen bij het genereren en onderzoeken van nieuwe biologische vragen met behulp van publieke data. De onderzoekers vroegen de computer niet simpelweg om één enkel antwoord te vinden; in plaats daarvan zetten ze een reeks complementaire onderzoeken op om te zien hoe goed de AI complexe biologische landschappen kon navigeren. In één lijn van onderzoek gebruikten het team interactieve tools om data van individuele cellen te analyseren, in de hoop signalen te vinden die menselijke stamcellen zouden kunnen helpen transformeren naar specifieke soorten weefsel. De AI wees op een specifieke signaalroute die een molecuul genaamd Apeline als een waarschijnlijke kandidaat betreft om deze transformatie te sturen. Echter, toen de wetenschappers deze suggestie overnamen en in het laboratorium testten onder de door hen gekozen condities, trad het verwachte effect niet op. Deze uitkomst benadrukte een cruciaal onderscheid: het vinden van een patroon in data is niet hetzelfde als bewijzen dat er een biologisch effect bestaat in de echte wereld.

De onderzoekers verlegden vervolgens hun focus naar kanker, waarbij ze de AI vroegen om publieke single-cell data te doorzoeken naar potentiële doelwitten op tumorcellen die aangevallen zouden kunnen worden door genetisch gemodificeerde immuuncellen. Ze voerden de analyse uit op data van patiënten met multipel myeloom, een vorm van bloedkanker, en vonden dat drie afzonderlijke runs van de analyse consistent dezelfde vijftig kandidaat-doelwitten identificeerden. Onder deze waren twee bekende markers, BCMA en CD38, die herhaaldelijk opdoken, wat de bekwaamheid van de AI bevestigde om gevestigde kennis te reproduceren. Wanneer hetzelfde proces werd toegepast op pancreasduaal adenocarcinoom, een type alvleesklierkanker, waren de resultaten minder uniform. De drie runs produceerden verschillende verkennende bevindingen en slaagden er niet in om een enkel doelwit te nomineren dat aan hun strikte selectiecriteria voldeed, wat illustreert dat het succes van de AI kan variëren afhankelijk van de complexiteit en de aard van de ziektedata.

Om te testen of de AI inzichten kon verkrijgen zonder menselijke bias, voerde het team twee afzonderlijke analyses uit op geanonimiseerde longdata, zonder de computer aanvankelijk te vertellen naar welk weefsel hij zocht of welke ziekte de patiënten hadden. Zelfs zonder deze context identificeerde de AI succesvol de verschillende typen cellen die de long opbouwen en concludeerde dat het weefsel een herstructurering had ondergaan die geassocieerd wordt met ziekte. Toen de onderzoekers de AI later de weefsel- en ziekte-informatie verstrekten, genereerde het een lijst met nieuwe biologische vragen. Acht van deze vragen vertoonden statistische ondersteuning toen ze werden gecontroleerd tegen een onafhankelijke set patiëntgegevens. Dit omvatte observaties over hoe verschillende celtypen hun antioxidantverdediging coördineerden en een specifieke toename van een eiwit genaamd CRYM binnen fibroblastcellen, wat suggereert dat dit genuwele biologische relaties zijn die verdere studie waard zijn.

In een laatste, bredere inspanning integreerde het team meerdere soorten data om potentiële behandelingen voor pancreascarcinoom te prioriteren. Ze combineerden informatie over RNA-expressie, die laat zien welke genen actief zijn, met data over eiwitten, resultaten van functionele schermen die testen wat er gebeurt wanneer genen worden uitgeschakeld, en metingen van hoe deze moleculen voorkomen in normaal, gezond weefsel. Deze meerlaagse aanpak hielp hen een lange lijst van mogelijkheden te verfijnen tot 213 potentiële therapeutische doelwitten. Door al deze metingen samen te bekijken, konden de wetenschappers onderscheid maken tussen kandidaten die op basis van alleen RNA op elkaar leken en beoordelen of ze functioneel relevant en veilig waren om in normaal weefsel te targeten. Hoewel dit werk succesvol een verfijnde lijst van kandidaten identificeerde, merkten de onderzoekers op dat moet worden vastgesteld of deze doelwitten daadwerkelijk zullen werken als therapieën.

Samen laten deze onderzoeken zien hoe algemene kunstmatige intelligentie de reikwijdte van experimentele biologen kan vergroten, waardoor zij nieuwe hypothesen kunnen extraheren en biologische relaties kunnen identificeren uit publieke data die anders wellicht onopgemerkt zouden blijven. De studie dient ook als een duidelijke herinnering dat het voltooien van een analyse en het vinden van een reproduceerbaar patroon in een dataset verschillende stappen zijn van het vaststellen van een echt effect in de praktijk of een therapeutisch effect. De AI bleek in staat om richtingen voor te stellen en verbindingen te benadrukken, maar de uiteindelijke validatie van die ideeën vereist nog steeds het zorgvuldige, gewortelde werk van menselijke wetenschappers in het laboratorium.