OpenAI hat in Zusammenarbeit mit Retro Biosciences ein KI-Modell entwickelt, um Ineffizienzen bei der Umprogrammierung erwachsener Zellen in Stammzellen zu beheben.
Erste Ergebnisse von Labortests deuten darauf hin, dass das Modell mit der Bezeichnung GPT-4b Micro die Effizienz von Yamanaka-Faktoren, Proteinen, die für die Stammzellenbildung von entscheidender Bedeutung sind, um mehr als das Fünfzigfache verbessern könnte, berichtet MIT Technology Rezension.
Obwohl nicht offiziell angekündigt, stellt dieses Projekt den ersten großen Schritt von OpenAI in die biologische Forschung dar und bietet neue Möglichkeiten in der regenerativen Medizin.
Die Zusammenarbeit begann vor etwa einem Jahr, als Retro Biosciences an OpenAI herantrat. Das Startup mit Sitz in San Francisco konzentriert sich darauf, die menschliche Lebensspanne durch Fortschritte bei der zellulären Neuprogrammierung um ein Jahrzehnt zu verlängern.
Verwandt: Google DeepMind stellt AlphaFold 3 als Open-Source-Lösung für Forscher zur Verfügung
„Wir haben dieses Modell sofort ins Labor geworfen und praxisnahe Ergebnisse erhalten.“ sagte Joe Betts-Lacroix, CEO von Retro Biosciences, in einer Diskussion, über die im MIT Technology Review berichtet wurde.
Die Ineffizienz aktueller Methoden – bei denen weniger als 1 % der Zellen erfolgreich umprogrammiert werden, was wochenlangen Aufwand erfordert ein Schlüssel Motivation für diese Zusammenarbeit. Das Potenzial zur Verbesserung dieser Ergebnisse könnte die Entwicklung von Therapien beschleunigen, die auf altersbedingte Krankheiten und Geweberegeneration abzielen.
Die Wissenschaft hinter Yamanaka-Faktoren und ihre Herausforderungen
Yamanaka-Faktoren, benannt nach dem Nobelpreisträger Shinya Yamanaka sind Proteine, die reife Zellen dazu veranlassen können, in einen pluripotenten Zustand zurückzukehren, wodurch sie sich in jeden Zelltyp verwandeln können.
Dieser Umprogrammierungsprozess unterstützt Fortschritte in der regenerativen Medizin, von der Herstellung von Ersatzgewebe bis hin zu Ermöglicht die Organregeneration. Trotz ihrer Versprechen bleibt der Prozess ineffizient, langsam und ressourcenintensiv.
Der GPT-4b Micro von OpenAI wurde darauf trainiert, die Leistung dieser Proteine zu optimieren. Durch die Analyse von Proteinsequenzen und Interaktionsdaten verschiedener Arten schlägt das Modell erhebliche Aminosäureveränderungen vor, um die Proteinfunktion zu verbessern.
„Auf ganzer Linie scheinen die Proteine besser zu sein als das, was die Wissenschaftler selbst herstellen konnten“, sagte John Hallman, ein OpenAI-Forscher. Dieser Optimierungsgrad betrug bis zu einem Drittel eines Proteins Aminosäuren verändert werden könnten, liegt außerhalb der Reichweite herkömmlicher Methoden, die auf Versuch-und-Irrtum-Experimenten im Labor beruhen.
Eine einzigartige Anwendung von KI in der Biotechnologie
GPT-4b Micro stellt einen besonderen Ansatz für die KI-gesteuerte Biotechnologie dar. Während sich AlphaFold von Google DeepMind auf die Vorhersage der 3D-Strukturen von Proteinen konzentriert und Forschern dabei hilft, molekulare Wechselwirkungen zu verstehen, ist GPT-4b Micro darauf ausgelegt, die Funktionalität von Proteinen zu verbessern Der Unterschied unterstreicht die komplementäre Rolle, die diese KI-Tools bei der Bewältigung von Herausforderungen in der biologischen Forschung spielen.
„Die Ideen des Modells waren ungewöhnlich gut und führten in einem erheblichen Teil der Fälle zu Verbesserungen gegenüber den ursprünglichen Yamanaka-Faktoren.“ Fälle”, erklärte Betts-Lacroix.
Um diese Ergebnisse zu erzielen, verwendeten OpenAI-Forscher eine „Few-Shot“-Lerntechnik, bei der das KI-System anhand einer kleinen Anzahl von Beispielen geführt wird, bevor optimierte Designs generiert werden. Diese Methode ermöglicht eine schnelle Anpassung an spezielle Probleme , wie zum Beispiel die Neugestaltung von Proteinen für eine verbesserte Leistung.
Zusammenarbeit mit Retro Biosciences und ethische Überlegungen
Retro Biosciences wurde 2021 gegründet und konzentriert sich auf
Der CEO von OpenAI, Sam Altman, ein lautstarker Befürworter der KI-gesteuerten wissenschaftlichen Entdeckung, investierte persönlich 180 Millionen US-Dollar in Retro und unterstrich damit seinen Glauben an die Potenzial solcher Kooperationen.
Altman hat zuvor erklärt: „Superintelligente Werkzeuge könnten wissenschaftliche Entdeckungen und Innovationen deutlich beschleunigen, weit über das hinaus, was wir alleine leisten können.“
Obwohl im Rahmen dieser Partnerschaft keine Finanztransaktionen zwischen OpenAI und Retro Biosciences stattgefunden haben, hat Altmans Doppelrolle als Investor und CEO Anlass zur Kritik gegeben. OpenAI stellte klar, dass Altman nicht direkt an der Entwicklung von GPT-4b Micro beteiligt war, und betonte den Fokus des Projekts auf der Weiterentwicklung wissenschaftlicher Erkenntnisse und nicht auf der Ausrichtung auf bestimmte kommerzielle Interessen.
Diese Transparenz ist von entscheidender Bedeutung, da OpenAI seine wachsende Rolle in Bereichen jenseits der Allzweck-KI bewältigt.
Implikationen für die regenerative Medizin
Die durch GPT-4b Micro ermöglichten Fortschritte haben das Potenzial, einige der dringendsten Herausforderungen in der regenerativen Medizin zu bewältigen. Verbesserte Yamanaka-Faktoren könnten den Weg für eine effizientere Organregeneration, personalisierte Zelltherapien und die Entwicklung künstlicher Gewebe ebnen.
Der Alterungsforscher der Harvard University, Vadim Gladyshev, ein Berater von Retro Biosciences, betonte die umfassenderen Auswirkungen: „[Hautzellen] lassen sich leicht umprogrammieren, andere Zellen jedoch nicht“, sagte er. „Und es zu tun bei einer neuen Art – es ist oft extrem anders, und man bekommt nichts.“
OpenAI und Retro Biosciences planen, ihre Ergebnisse in von Experten begutachteten Fachzeitschriften zu veröffentlichen der wissenschaftlichen Gemeinschaft die Möglichkeit zu geben, diese Forschung zu validieren und darauf aufzubauen. Während es sich bei GPT-4b Micro derzeit um eine Forschungsdemonstration handelt und nicht für die kommerzielle Nutzung verfügbar ist, unterstreichen seine Ergebnisse das transformative Potenzial KI-gesteuerter Ansätze in der Biotechnologie.
AlphaFold und die Rolle der KI in der wissenschaftlichen Entdeckung
Die Arbeit von OpenAI an GPT-4b Micro ergänzt jüngste Fortschritte in der KI-gesteuerten Biologie, wie beispielsweise DeepMinds AlphaFold 3, das kürzlich als Open-Source-Lösung veröffentlicht wurde nichtkommerzielle Forschung.
AlphaFold hat die Strukturbiologie revolutioniert, indem es die Formen von Proteinen genau vorhersagte und so Durchbrüche in der Arzneimittelentwicklung und Krankheitsforschung ermöglichte. Im Gegensatz dazu konzentriert sich GPT-4b Micro auf die Funktionsoptimierung und geht auf Ineffizienzen ein, die die praktische Anwendung der Protein-Reprogrammierung behindern.
