ИИ-система смогла почти самостоятельно пройти полный цикл настоящего биологического исследования: выбрать гипотезу, придумать эксперимент, передать инструкции лабораторному оборудованию, получить результаты и использовать их для следующей проверки. На пекарских дрожжах Saccharomyces cerevisiae такая схема уже позволила найти ранее не описанные связи между химическими веществами и ростом клеток, причём выводы ИИ проверили реальными опытами, а не компьютерным моделированием.
Авторы построили замкнутый цикл, в котором программная часть связана с автоматизированным выращиванием клеток и анализом их химического состава. Система получает накопленные сведения о геноме, обмене веществ и предыдущих экспериментах с дрожжами, ищет среди них закономерности, выбирает потенциально интересную связь и предлагает способ проверить её в лаборатории.
Важная деталь отличает такую систему от обычного чат-бота. Большая языковая модель не должна сама придумывать научный факт с нуля. Сначала логические алгоритмы работают со структурированной базой биологических знаний и ищут связи, которые следуют из уже известных данных. ИИ-агенты затем превращают найденную закономерность в конкретное воздействие на клетки и составляют протокол эксперимента.
Такое разделение ролей снижает риск получить красивую, но биологически бессмысленную гипотезу. Языковая модель хорошо работает с текстом и инструкциями, но хуже справляется со строгой логикой. Поэтому разработчики ограничили её формальными правилами, известными биологическими фактами и условиями, которым должен соответствовать реальный эксперимент.
После этого лабораторная автоматика готовит образцы, выращивает клетки и измеряет изменения. Помимо скорости роста дрожжей исследователи анализировали метаболиты, то есть небольшие молекулы, по которым можно понять, как перестроился обмен веществ. Для такой проверки применялась масс-спектрометрия, способная различать вещества по массе их ионов.
Один из найденных эффектов касался глутамата и спермина. Система обнаружила, что добавление глутамата усиливает подавление роста дрожжей, уже подвергшихся воздействию спермина. В другом эксперименте аминодипат частично помог клеткам пережить стресс, вызванный муравьиной кислотой. Авторы называют эти связи новыми и подтверждают их лабораторными измерениями.
После каждого опыта результаты возвращаются в программную часть. Алгоритмы очищают и нормализуют измерения, проводят статистические проверки, а затем сохраняют гипотезу, условия опыта и итоговые данные в общей базе. Следующий цикл уже может учитывать только что полученный результат, поэтому система постепенно наращивает собственный массив проверенных знаний.
При этом полностью самостоятельным роботом-учёным установку пока называть рано. Опубликованный разработчиками открытый код показывает, что человеку приходится вводить концентрации некоторых исходных веществ, если их ещё нет в библиотеке, а отдельные аппаратные этапы требуют запуска подготовленных сценариев. Один из авторов также уточнял, что небольшая помощь специалиста по пути всё ещё нужна.
Поэтому главное достижение связано не с полным исчезновением человека из лаборатории, а с объединением нескольких этапов, которые раньше приходилось связывать вручную. ИИ не просто анализирует готовую таблицу и не только предлагает идею для эксперимента. Система формулирует проверяемую гипотезу, переводит её в лабораторный протокол, получает физические измерения и использует результат при выборе следующего шага.
Подход особенно полезен там, где число возможных комбинаций слишком велико для последовательной ручной проверки. Машина может перебирать гипотезы, хранить отрицательные результаты и возвращаться к накопленным данным без усталости и потери контекста. Людям остаются постановка крупных научных задач, оценка действительно важных результатов и контроль над тем, какие эксперименты допустимо проводить.