Исследователи из Технологического университета Чалмерса (Швеция) и Гётеборгского университета создали систему искусственного интеллекта, которая почти полностью самостоятельно управляла лабораторией. Работа опубликована в рецензируемом журнале Journal of the Royal Society Interface. В качестве подопытного организма использовались пекарские дрожжи - микробы, из которых делают хлеб и пиво.
Как устроена система
Система сочетает в себе ИИ в стиле чат-бота со строгими логическими правилами. Затем всё это подключено к роботам для работы с жидкостями, автоматизированному оборудованию для выращивания клеток и прибору, измеряющему химические вещества внутри клеток. Люди в этой схеме выполняли только вспомогательные задачи: определяли масштабы проекта, готовили типовые растворы и проверяли каждый план на безопасность. Периодическая передача листов между станками также требовала участия человека, но, по мнению авторов, это можно было бы исключить. Для выдвижения гипотез и разработки экспериментов человек не требовался.
От фактов к предсказаниям
Сначала исследователи загрузили в систему базу данных, содержащую примерно 60 000 фактов о биологии дрожжей. Эти факты были взяты из общедоступных научных источников и описывали связи между генами, химическими веществами и признаками. Программа поиска закономерностей просканировала данные на предмет устойчивых связей. Например, оказалось, что дрожжи, плохо усваивающие литий, обычно содержат меньше аминокислоты аргинина.
Сопоставление этих связей с опубликованными химическими измерениями штаммов дрожжей, у которых отсутствовал один ген, позволило получить 1933 проверяемых предположения по 16 аминокислотам. Большинство предположений касались того, как добавление питательного вещества повлияет на способность дрожжей выживать при воздействии стрессового химического вещества.
Для каждой тестируемой аминокислоты система выбирала наиболее вероятный вариант, а также аминокислоту для сравнения, которая, как ожидалось, не должна была оказывать никакого эффекта, подобно плацебо в клинических испытаниях лекарств. Один из агентов чат-бота, созданный на основе GPT-4o от OpenAI, составлял план эксперимента. Второй агент выбирал лучший из нескольких вариантов, а третий преобразовывал план в инструкции для роботов. Агенты также предлагали возможные биологические объяснения, хотя исследователи почти не использовали их.
Что делали роботы
Роботы смешивали химические вещества и выращивали дрожжи в течение 20 часов, отслеживая рост по степени помутнения жидкости. Затем машины измеряли химический состав клеток. Каждое условие повторялось примерно в 10 отдельных культурах дрожжей. Тестирование охватывало пять аминокислот: глутамат, аргинин, пролин, глутамин и лизин.
Какие открытия удалось сделать
Аргинин дал предсказанный результат. Сам по себе он незначительно снизил рост дрожжей, в то время как кофеин сам по себе сократил рост более чем вдвое. Вместе эти два вещества снизили рост сильнее, чем их эффекты по отдельности. Аланин, использованный в качестве контрольной аминокислоты, показал меньшее снижение, что авторы расценили как подтверждение роли именно аргинина.
Глутамат и спермин также соответствовали прогнозу, но с одним нюансом. Глутамат повысил чувствительность дрожжей к спермину, однако уровень глутамата внутри клеток не повысился. Авторы предполагают, что реальную работу может выполнять химическое вещество, образующееся из глутамата внутри клетки.
С лизином всё произошло наоборот. Искусственный интеллект предсказал, что избыток лизина сделает дрожжи менее устойчивыми к среде с высоким содержанием сахара, однако лизин обеспечил сильную защиту клеток. Уровень лизина внутри клеток действительно повысился, как и ожидалось, поэтому доставка сработала, а биологический эффект оказался обратным.
Тест с муравьиной кислотой также опроверг прогноз. ИИ предсказывал, что глутамат снизит устойчивость дрожжей к кислоте. Вместо этого глутамат оказал измеримое положительное влияние на рост. Однако контрольное соединение аланин оказало гораздо большее воздействие, почти нивелировав негативное влияние кислоты. Результат, полученный с использованием несвязанного соединения, нельзя приписывать глутамату, поэтому авторы назвали это взаимодействие неспецифическим.
Неудачные прогнозы не были отброшены. Статистический анализ химических данных из более раннего эксперимента позволил ранжировать вещества, связанные с устойчивостью к муравьиной кислоте. Соединение, занимавшее первое место среди имеющихся в лаборатории веществ, аминоадипат, стало новым прогнозом, и система проверила его. Аминоадипат частично спас дрожжи от стресса, вызванного муравьиной кислотой, подтвердив новое предположение. Авторы предупреждают, что как аминоадипат, так и муравьиная кислота сами по себе очень токсичны для дрожжей, поэтому клетки могли достичь предела, который повлиял на результат.
Система может распознавать свои ошибки
Все планы, обмен данными через чат-бот и измерения были внесены в базу данных с возможностью поиска. Это позволило системе пропустить один эксперимент. Гипотеза о пролине, связанная с муравьиной кислотой, совпала с уже собранными данными, поскольку пролин ранее использовался в качестве сравнительного соединения. Эти данные не показали снижения толерантности, что противоречило идее, поэтому тест был отложен. Это сэкономило дорогостоящие лабораторные ресурсы.
Тем не менее, система, сделав неверную догадку, определила новое соединение, в то время как собственные контрольные соединения показали сомнительные результаты как неспецифичные. Это свидетельствует о том, что лаборатория, управляемая ИИ, может выявлять некоторые из своих собственных ошибок. Однако дрожжи - это всего один организм, и вопрос о том, насколько это справедливо для более сложных биологических систем, остаётся открытым.
Российский контекст
Для России эта новость важна как индикатор глобального тренда на автоматизацию науки. В стране также развиваются проекты в области ИИ и роботизированных лабораторий. Например, в 2025 году российские учёные представили роботизированную платформу для проведения экспериментов в области материаловедения. Однако полностью автономных систем, способных самостоятельно выдвигать гипотезы и планировать эксперименты, в России пока не создано. Опыт шведских коллег показывает, что ИИ может не только ускорять рутинные операции, но и совершать неожиданные открытия, которые человек мог бы пропустить.
