Naar een AI-co-wetenschapper

Samenvatting

Wetenschappelijke ontdekkingen zijn afhankelijk van wetenschappers die nieuwe hypothesen genereren die vervolgens rigoureus experimenteel worden gevalideerd. Om dit proces te versterken, introduceren we een AI-co-wetenschapper, een multi-agent systeem gebouwd op Gemini 2.0. De AI-co-wetenschapper is bedoeld om te helpen bij het ontdekken van nieuwe, originele kennis en het formuleren van aantoonbaar nieuwe onderzoekshypothesen en -voorstellen, gebaseerd op eerder bewijs en afgestemd op door wetenschappers verstrekte onderzoeksdoelen en -richtlijnen. Het ontwerp van het systeem omvat een benadering van hypothesegeneratie die bestaat uit genereren, debatteren en evolueren, geïnspireerd door de wetenschappelijke methode en versneld door het schalen van rekenkracht tijdens testfasen. Belangrijke bijdragen zijn: (1) een multi-agent architectuur met een asynchroon taakuitvoeringskader voor flexibele schaling van rekenkracht; (2) een toernooi-evolutieproces voor zelfverbeterende hypothesegeneratie. Geautomatiseerde evaluaties tonen voortdurende voordelen van rekenkracht tijdens testfasen, wat de kwaliteit van hypothesen verbetert. Hoewel het systeem algemeen toepasbaar is, richten we de ontwikkeling en validatie op drie biomedische gebieden: hergebruik van geneesmiddelen, ontdekking van nieuwe doelen, en het verklaren van mechanismen van bacteriële evolutie en antimicrobiële resistentie. Voor hergebruik van geneesmiddelen stelt het systeem kandidaten voor met veelbelovende validatieresultaten, waaronder kandidaten voor acute myeloïde leukemie die tumorgroei remmen in vitro bij klinisch toepasbare concentraties. Voor de ontdekking van nieuwe doelen stelde de AI-co-wetenschapper nieuwe epigenetische doelen voor leverfibrose voor, gevalideerd door anti-fibrotische activiteit en levercelregeneratie in menselijke hepatische organoïden. Ten slotte reconstrueerde de AI-co-wetenschapper ongepubliceerde experimentele resultaten via een parallelle in silico ontdekking van een nieuw genoverdrachtsmechanisme in bacteriële evolutie. Deze resultaten, gedetailleerd in aparte, gelijktijdig gepubliceerde rapporten, demonstreren het potentieel om biomedische en wetenschappelijke ontdekkingen te versterken en een tijdperk in te luiden van door AI geëmpowerde wetenschappers.

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.

Naar een AI-co-wetenschapper

Towards an AI co-scientist

Samenvatting

Support