bioRxiv来源发表:
全脑Perturb-seq图谱交给分布式AI智能体:数千个并行智能体几分钟读完,还找回了原论文结论
核心概要
生物实验规模变大后,检查与解读数据成了限速环节。分布式生物推理把许多AI智能体分派到实验的各个侧面,再合并它们的发现形成全研究范围的解读。用于一张全脑Perturb-seq图谱时,数千个并行智能体在几分钟内完成了估计需数月的人工分析;在看不到原始手稿的情况下,智能体复现了其结论、预测了留出的扰动效应,并识别出效应强度不同、结果相同或相反的扰动关系。
深度剖析
生物实验的检查与解读环节被拆给大量AI智能体并行承担,再由这些智能体的发现合并成覆盖整个研究的解读,而不是由一个智能体通读全部数据。 此前的做法是单个智能体模式,文献覆盖随工作量增长有限;分布式模式下,智能体检索到的参考文献数量比单智能体模式多出数百倍。 在一张全脑Perturb-seq图谱上,数千个并行智能体在几分钟内完成了数据集检查,而人工分析估计需要数月。
智能体把实验拆成一个个侧面分别推理,每个智能体只负责其中一部分,最后把各侧面的结论汇总。 这种分布式生物推理与单智能体模式相对照,后者由一个智能体承担全部推理与检索。 在无法访问原始手稿的条件下,智能体复现了该手稿的结论,并预测了留出的扰动效应。
盲评的人类专家更偏好分布式智能体给出的解读,而非单智能体解读,并认可其发现排序。 这一偏好对照的是同一任务下单智能体模式产出的解读。 评价以盲评方式进行,专家同时支持分布式智能体的发现排序。
启示与展望
已展示的范围是一张全脑Perturb-seq图谱:数千个并行智能体在几分钟内完成检查,并在无原始手稿条件下复现结论、预测留出扰动效应;盲评人类专家比较的是分布式与单智能体两种解读。
人工分析耗时是估计值而非实测;智能体在无原始手稿条件下复现结论,说明的是与该手稿结论一致,而非独立验证其正确性;盲评偏好针对解读质量与发现排序,未给出量化评分。
