Wissenschaftler nutzen Co-Scientist von Google, um autonome KI-Agenten zur Generierung innovativer Hypothesen einzusetzen. Am Whitehead Institute durchsuchte das System mehr als 700 Fachartikel zu MYC-Proteinen und schlug im Juli eine neuartige Methode vor, die bisherige Labortheorien komplett auf den Kopf stellt.
Forscher am Whitehead Institute for Biomedical Research in Cambridge, Massachusetts, setzen auf künstliche Intelligenz, um komplexe Probleme in der Krebsforschung anzugehen. Die Biochemikerin Anna Pertl und der Bioingenieur Kalon Overholt nutzten dort im Juli ein autonomes System namens Co-Scientist, das von Google in Mountain View, Kalifornien, entwickelt wurde. Anders als herkömmliche Chatbots liefert dieses Tool Antworten nicht in einem einzigen Durchlauf. Es startet mehrere autonome KI-Systeme, sogenannte Agenten, die Informationen aus Fachartikeln suchen, konkurrierende Erklärungen bewerten und Hypothesen iterativ gegen veröffentlichte Beweise testen.
Der Prozess erfordert erhebliche Rechenleistung und Zeit. Nach Angaben von Pertl dauert es lang genug, dass sie während ihrer Promotion bereits acht Mal einen Langdistanz-Triathlon absolvieren konnte. Bei dem konkreten Projekt ging es um MYC, ein Protein, das in den meisten Krebsarten Amok läuft und sich bisher hartnäckig gegen Angriffe gewehrt hat. Die Arbeit baute auf jahrelanger Forschung von Pertls Vorgesetztem, dem Biologen Richard Young, auf. Young und sein Team hatten 2018 entdeckt, dass Zellen entscheidende Gene über molekulare Tröpfchen, sogenannte Kondensate, an Gen-Kontrollregionen namens Super-Enhancer aktivieren. Krebszellen kapern diese Regionen, um das Gen für MYC in den Overdrive zu treiben.
Co-Scientist generiert 108 Strategien gegen MYC-Proteine
Bevor das System nützliche Ergebnisse lieferte, war präzise Handarbeit erforderlich. Pertl und Overholt verbrachten fast eine Stunde damit, mit Co-Scientist hin und her zu schreiben, um dem Modell seine anfänglichen Missverständnisse auszutreiben. Die KI nahm zunächst an, dass die Proteinzentren selbst das Medikament und nicht das Ziel sein sollten, und ging zudem fälschlicherweise davon aus, dass solche Cluster die Genexpression stets aktivieren. Nachdem diese Irrtümer korrigiert waren, durchsuchte das System innerhalb eines Tages mehr als 700 wissenschaftliche Publikationen und erstellte 108 mögliche Strategien.
Bis auf einen einzigen Vorschlag verwarf das System alle Ansätze als unbrauchbar. Dieser verbleibende Ansatz stellte die bisherige Laborstrategie auf den Kopf. Während das von Young mitgegründete Bostoner Unternehmen Dewpoint Therapeutics versucht, die schädlichen Proteinklumpen durch Auflösen zu bekämpfen, schlug die KI vor, die Kondensate stattdessen miteinander zu verkleben. Mithilfe einer molekularen Linker-Technologie namens Click-Chemie sollen Proteine, die das MYC-Gen aktivieren oder unterdrücken, in eine gallertartige Masse verschmolzen werden. Die Kettenreaktion stoppt schließlich, sodass die MYC-DNA nicht mehr abgelesen werden kann.
Kalon Overholt, Bioingenieur am Whitehead Institute, bezeichnete den Ansatz als extrem konzeptionell fesselnd und merkte an, dass sie über nichts Ähnliches nachgedacht hatten.
Zunehmender Einsatz autonomer KI-Agenten in der Spitzenforschung
Diese Art der KI-gestützten Ideengenerierung etabliert sich in der internationalen Forschung zunehmend. Forscher verwendeten Co-Scientist bereits erfolgreich, um eine Arzneistoffkombination zu finden, die Leukämiezellen in einer Labor-Schale abtötet, sowie eine Behandlung zu identifizieren, die durch Krankheit geschädigtes Lebergewebe im Labor regeneriert. Neben Google, das Co-Scientist entwickelt hat, bringen auch andere führende KI-Labore wie Anthropic und OpenAI sowie Start-ups wie FutureHouse und Phylo entsprechende Systeme auf den Markt. Vivek Natarajan, ein KI-Forscher bei Google, der an der Entwicklung von Co-Scientist mitwirkte, stellt sich das System wie einen Kollaborateur vor — einen Partner an der Seite des Nutzers.
Diese Entwicklung verändert nicht nur die Arbeitsweise von Forschern, sondern möglicherweise auch deren Stellenwert im Wissenschaftsbetrieb. Da Maschinen immer größere Teile der Recherche- und Synthesearbeit übernehmen, könnte die menschliche wissenschaftliche Urteilskraft zur knappsten Ressource werden: die Fähigkeit zu erkennen, welche Fragen es wert sind, gestellt zu werden, und welche Untersuchungsstränge sich wirklich lohnen.
Weiterlesen
