ИИ сам прошёл цикл научного открытия: от обзора статей до кандидата в лекарство

Сухая возрастная макулярная дегенерация — одна из главных причин потери зрения в развитых странах. При ней разрушается слой клеток сетчатки, который поддерживает работу светочувствительных клеток.

Но болезнь здесь — скорее полигон. Главный вопрос работы — можно ли автоматизировать не отдельный шаг, а весь цикл: прочитать литературу, придумать проверяемую идею, спланировать опыт, понять результат и выдвинуть следующую гипотезу.

Robin — связка специализированных агентов. Crow делает обзоры научной литературы и ищет направления. Falcon оценивает молекулы-кандидаты. Finch анализирует данные экспериментов и ищет в них закономерности.

Представьте маленькую лабораторию, где один сотрудник читает статьи, второй подбирает препараты, третий обрабатывает результаты, а руководитель собирает всё вместе и решает, что делать дальше. В Robin все эти роли — ИИ. Люди — лаборанты, которые выполняют опыты по плану.

Стратегия. Robin предложил лечить болезнь, усиливая фагоцитоз — способность клеток пигментного эпителия сетчатки «убирать» отходы.

Кандидат. Среди предложенных молекул — ripasudil, ингибитор Rho-киназы, который уже применяется при глаукоме. В опытах на клетках он усилил фагоцитоз.

Новая мишень. Анализ экспрессии генов, который провёл Finch, показал, что ripasudil повышает активность гена ABCA1 — насоса, выводящего липиды из клетки. Это возможная новая мишень для лечения.

Код Robin открыт, вместе с примерами полных «траекторий» работы: github.com/Future-House/robin. Рецензированная версия — в Nature.

До сих пор ИИ в науке в основном ускорял отдельные шаги: поиск статей, предсказание структуры белка, обработку данных. Здесь ИИ провёл сам весь интеллектуальный цикл — и результат подтвердился в эксперименте.

Это не замена учёным: без лаборатории, людей и последующих проверок открытие не стало бы открытием. Но скорость, с которой маленькая команда прошла путь до статьи, показывает, как может измениться работа исследователя.