Hacia un co-científico de IA

Towards an AI co-scientist

February 26, 2025

Autores: Juraj Gottweis, Wei-Hung Weng, Alexander Daryin, Tao Tu, Anil Palepu, Petar Sirkovic, Artiom Myaskovsky, Felix Weissenberger, Keran Rong, Ryutaro Tanno, Khaled Saab, Dan Popovici, Jacob Blum, Fan Zhang, Katherine Chou, Avinatan Hassidim, Burak Gokturk, Amin Vahdat, Pushmeet Kohli, Yossi Matias, Andrew Carroll, Kavita Kulkarni, Nenad Tomasev, Yuan Guan, Vikram Dhillon, Eeshit Dhaval Vaishnav, Byron Lee, Tiago R D Costa, José R Penadés, Gary Peltz, Yunhan Xu, Annalisa Pawlosky, Alan Karthikesalingam, Vivek Natarajan

cs.AI

Resumen

El descubrimiento científico depende de que los científicos generen hipótesis novedosas que se sometan a una validación experimental rigurosa. Para potenciar este proceso, presentamos un co-científico de IA, un sistema multiagente basado en Gemini 2.0. Este co-científico de IA está diseñado para ayudar a descubrir conocimiento nuevo y original, así como para formular hipótesis y propuestas de investigación demostrablemente novedosas, basándose en evidencia previa y alineadas con los objetivos y orientaciones proporcionados por los científicos. El diseño del sistema incorpora un enfoque de generación, debate y evolución de hipótesis, inspirado en el método científico y acelerado mediante la escalabilidad del cómputo en tiempo de prueba. Las contribuciones clave incluyen: (1) una arquitectura multiagente con un marco de ejecución de tareas asíncrono para una escalabilidad flexible del cómputo; (2) un proceso de evolución por torneo para la automejora en la generación de hipótesis. Las evaluaciones automatizadas muestran beneficios continuos del cómputo en tiempo de prueba, mejorando la calidad de las hipótesis. Aunque es de propósito general, enfocamos el desarrollo y la validación en tres áreas biomédicas: reutilización de fármacos, descubrimiento de nuevos objetivos terapéuticos y explicación de los mecanismos de evolución bacteriana y resistencia antimicrobiana. Para la reutilización de fármacos, el sistema propone candidatos con hallazgos prometedores en la validación, incluyendo candidatos para la leucemia mieloide aguda que muestran inhibición tumoral in vitro a concentraciones clínicamente aplicables. Para el descubrimiento de nuevos objetivos, el co-científico de IA propuso nuevos objetivos epigenéticos para la fibrosis hepática, validados por actividad antifibrótica y regeneración de células hepáticas en organoides hepáticos humanos. Finalmente, el co-científico de IA reprodujo resultados experimentales no publicados mediante un descubrimiento in silico paralelo de un nuevo mecanismo de transferencia génica en la evolución bacteriana. Estos resultados, detallados en informes separados y simultáneos, demuestran el potencial para potenciar el descubrimiento biomédico y científico, inaugurando una era de científicos empoderados por la IA.

English

Scientific discovery relies on scientists generating novel hypotheses that undergo rigorous experimental validation. To augment this process, we introduce an AI co-scientist, a multi-agent system built on Gemini 2.0. The AI co-scientist is intended to help uncover new, original knowledge and to formulate demonstrably novel research hypotheses and proposals, building upon prior evidence and aligned to scientist-provided research objectives and guidance. The system's design incorporates a generate, debate, and evolve approach to hypothesis generation, inspired by the scientific method and accelerated by scaling test-time compute. Key contributions include: (1) a multi-agent architecture with an asynchronous task execution framework for flexible compute scaling; (2) a tournament evolution process for self-improving hypotheses generation. Automated evaluations show continued benefits of test-time compute, improving hypothesis quality. While general purpose, we focus development and validation in three biomedical areas: drug repurposing, novel target discovery, and explaining mechanisms of bacterial evolution and anti-microbial resistance. For drug repurposing, the system proposes candidates with promising validation findings, including candidates for acute myeloid leukemia that show tumor inhibition in vitro at clinically applicable concentrations. For novel target discovery, the AI co-scientist proposed new epigenetic targets for liver fibrosis, validated by anti-fibrotic activity and liver cell regeneration in human hepatic organoids. Finally, the AI co-scientist recapitulated unpublished experimental results via a parallel in silico discovery of a novel gene transfer mechanism in bacterial evolution. These results, detailed in separate, co-timed reports, demonstrate the potential to augment biomedical and scientific discovery and usher an era of AI empowered scientists.