KI-Agenten von OpenAI analysieren Maus-Hirnatlas in 32 Minuten
OpenAI, PerturbAI und Scripps Research haben mit knapp 2.000 KI-Agenten einen grossen Maus-Hirn-Datensatz in 32 Minuten ausgewertet. Manuelle Analyse haette laut Schaetzung Monate bis zu einem Jahr gedauert.
OpenAI, PerturbAI und Scripps Research haben fast 2.000 KI-Agenten eingesetzt, um einen grossen Maus-Gehirndatensatz in 32 Minuten zu analysieren.
Das Team schaetzt, dass Forschende in Handarbeit fuer dieselbe Analyse Monate bis zu einem Jahr benoetigen wuerden. OpenAI veroeffentlichte die Ergebnisse am Mittwoch.
Die Agenten liefen auf GPT-Rosalind von OpenAI, einem Modell, das fuer lebenswissenschaftliche Forschung entwickelt wurde. Die Ergebnisse sind in einem Preprint auf bioRxiv dargelegt, der noch nicht begutachtet wurde.
Die Daten stammen aus einem CRISPR-Gesamtgehirnatlas, den PerturbAI aufgebaut hat. CRISPR ist ein Werkzeug zur Genbearbeitung; hier wurde es verwendet, um einzelne Gene bei Maeusen auszuschalten und zu zeigen, wie sich jede Veraenderung auf verschiedene Arten von Hirnzellen auswirkt.
Jeder Agent uebernahm eine dieser Genveraenderungen. Er untersuchte, wie die Zellen reagierten, durchsuchte die wissenschaftliche Literatur und schlug moegliche Erklaerungen vor.
Das Team fuegte anschliessend alle Berichte zu einem einzigen Reasoning-Atlas zusammen, der Gene, Zelleffekte, Fachartikel und wahrscheinliche Mechanismen miteinander verknuepft.
Laut OpenAI reproduzierten die Agenten Erkenntnisse frueherer manueller Analysen und fanden darueber hinaus neue Ansaetze. In verblindeten Tests bevorzugten Expert:innen die Berichte dieses aufgeteilten Ansatzes in 75 Prozent der Faelle gegenueber denen eines einzelnen Agenten.
Der aufgeteilte Ansatz las auch breiter. Bei der groessten Arbeitslast zitierten die vielen Agenten zusammen mehr als 700 Quellen, waehrend es bei einem einzelnen Agenten 11 waren.
Ein vielversprechender Ansatz betrifft zwei Gene, Tsc1 und Tsc2, die beide beim Kampf der Zellwachstumsregulierung helfen. Das Abschalten von Tsc2 veraenderte Dutzende Gene, die mit der Kommunikation zwischen Nervenzellen im Kleinhirn zusammenhaengen, waehrend das Abschalten von Tsc1 kaum Auswirkungen hatte. Dieser Unterschied koennte fuer die Tuberöse Sklerose relevant sein, eine seltene genetische Erkrankung.
In einem anderen Fall erhoehte das Abschalten von Dctn1, einem Gen, das mit der seltenen Hirnerkrankung Perry-Syndrom in Verbindung gebracht wird, die Aktivitaet von Genen, die Cholesterin herstellen. Die Agenten schlugen Laborversuche vor, um zu pruefen, ob dies eine Rolle bei Nervenzellschaedigung spielt.
„Wir erstellen Zellatlase, damit andere Forschende Entdeckungen machen koennen, die wir uns noch gar nicht vorstellen koennen“, sagte Sarah Teichmann, Inhaberin des Lehrstuhls fuer Stammzellmedizin an der University of Cambridge.
Der Reasoning-Atlas ist nun auf GitHub verfuegbar, der zugrunde liegende Datensatz auf Hugging Face.
Ich bin Chefredakteur bei TNW und betrachte Technologie nicht als eine Abfolge von Produkteinfuehrungen und Unternehmensbewertungen, sondern als ein System aus Einfluss, Ueberzeugung und Wandel. Ich schreibe ueber Startups, Risikokapital, digitale Politik und das europaeische Oekosystem, stets mit Blick auf die groessere Geschichte dahinter: wer die Zukunft gestalten darf, wer davon profitiert und wie Europa lernt, mit einer lauteren eigenen Stimme zu sprechen. Bevor ich in die leitende Redaktionsarbeit wechselte, habe ich ueber mehr als zehn Jahre lang Karriere im Journalismus, Storytelling, Content-Strategie, SEO und digitalem Publishing aufgebaut, mit Erfahrung in SaaS, Gastronomie, Kunst und Kultur.
Erhalten Sie die wichtigsten Tech-News jede Woche in Ihrem Posteingang.
Danke! Ueberpruefen Sie Ihren Posteingang, um Ihr Abonnement zu bestaetigen.
Mit dem Abonnieren stimmen Sie unserer Datensch erklaerung zu.
Automatisch übersetzt. Das Original auf Englisch ist unten aufklappbar.
Original (Englisch) anzeigen
OpenAI, PerturbAI and Scripps Research have used close to 2,000 AI agents to analyse a large mouse brain dataset in 32 minutes.
The team estimates that researchers working by hand would need months to a year for the same analysis, which OpenAI published on Wednesday.
The agents ran on OpenAI’s GPT-Rosalind, a model built for life sciences research. The results are set out in a bioRxiv preprint, which has not yet been peer-reviewed.
The data comes from a whole-brain CRISPR atlas built by PerturbAI. CRISPR is a gene-editing tool, and here it was used to switch off single genes in mice, showing how each change affects different types of brain cells.
Each agent took one of these gene changes. It studied how the cells responded, searched the scientific literature, and suggested possible explanations.
The team then merged all the reports into a single reasoning atlas that links genes, cell effects, papers, and likely mechanisms.
According to OpenAI, the agents reproduced findings from earlier human analyses and also found new leads. In blinded tests, experts preferred the reports from this split approach over those from a single agent 75% of the time.
The split approach also read more widely. At the largest workload, the many agents together cited more than 700 references, compared with 11 for a single agent.
One lead involves two genes, Tsc1 and Tsc2, which both help control cell growth. Switching off Tsc2 changed dozens of genes linked to communication between nerve cells in the cerebellum, while switching off Tsc1 changed little. That gap may matter for tuberous sclerosis, a rare genetic disorder.
In another case, switching off Dctn1, a gene linked to the rare brain disease Perry syndrome, raised the activity of genes that make cholesterol. The agents suggested lab experiments to test whether this plays a part in nerve cell damage.
“We build cell atlases so that other scientists can make discoveries we haven’t imagined yet,” said Sarah Teichmann, chair in stem cell medicine at the University of Cambridge.
The reasoning atlas is now available on GitHub, and the underlying dataset is on Hugging Face.
I am the Editor in Chief for TNW, covering technology not as a parade of launches and valuations, but as a system of influence, persuasion, (show all) I am the Editor in Chief for TNW, covering technology not as a parade of launches and valuations, but as a system of influence, persuasion, and change. I write about startups, venture capital, digital policy, and Europe ecosystem, with an eye on the larger story beneath them: who gets to build the future, who profits from it, and how Europe is learning to speak in a louder voice of its own. Before moving into senior editorial leadership, I've built my career for over +10 years across journalism, storytelling, content strategy, SEO, and digital publishing, with experience in SaaS, hospitality, art, and culture.
Get the most important tech news in your inbox each week.
Thanks! Check your inbox to confirm your subscription.
By subscribing you agree to our Privacy Statement.