Uma equipe formada por 1.946 agentes de inteligência artificial analisou, em apenas 32 minutos, dados genéticos obtidos de mais de 7,7 milhões de células do cérebro de camundongos. O trabalho, divulgado pela OpenAI em 21 de outubro, foi desenvolvido em parceria com a PerturbAI e o Scripps Research e identificou novas hipóteses para investigar doenças neurodegenerativas.
Os pesquisadores utilizaram agentes baseados no GPT-Rosalind para interpretar um atlas experimental produzido com a tecnologia CRISPR, que permite estudar os efeitos da desativação de diferentes genes. Cada agente examinou uma alteração genética, avaliou a resposta das células e consultou publicações científicas em busca de possíveis explicações.
Os relatórios foram reunidos em um atlas que relaciona genes, alterações celulares, pesquisas anteriores e possíveis mecanismos biológicos. A análise utilizou dados experimentais já existentes, sem realizar novos testes em animais.
Segundo a equipe, um trabalho humano comparável poderia levar de vários meses a um ano. Essa duração, porém, é uma estimativa baseada no tempo necessário para interpretar alterações genéticas e consultar a literatura, não uma comparação direta com pesquisadores executando a mesma tarefa.
Uma possível ligação entre colesterol e neurodegeneração
Entre os resultados está uma hipótese envolvendo o gene DCTN1, associado à síndrome de Perry, uma doença neurodegenerativa rara que provoca sintomas semelhantes aos do Parkinson.
Nos dados analisados, a desativação desse gene aumentou a expressão de outros genes envolvidos na produção de colesterol. Ao relacionar o resultado com pesquisas anteriores, os agentes levantaram a possibilidade de que problemas no transporte de colesterol dentro dos neurônios levem as células a aumentar sua produção.
A hipótese oferece aos cientistas um mecanismo específico para investigar: se a distribuição inadequada de colesterol contribui para a degeneração neuronal e se corrigir esse processo poderia proteger as células. Nenhuma dessas relações foi confirmada experimentalmente.
O estudo também avaliou se distribuir as tarefas entre diversos agentes seria mais eficaz do que concentrá-las em um único sistema. Na comparação de maior escala apresentada pela OpenAI, os agentes distribuídos citaram mais de 700 referências científicas, contra apenas 11 do agente individual.
Em avaliações cegas, especialistas preferiram os relatórios produzidos pelos agentes distribuídos em 75% das comparações, sugerindo ganhos não apenas de velocidade, mas também na qualidade das interpretações.
Os resultados foram apresentados em um preprint publicado no bioRxiv em 16 de outubro, ainda sem revisão por pares. O atlas de interpretações também foi disponibilizado publicamente para que outros pesquisadores possam examinar as hipóteses e selecionar novos experimentos.
