Onderzoekers hebben een nieuw systeem ontwikkeld dat grote taalmodellen (LLM's) combineert met specifieke biologische data om hypothesen over celveranderingen te genereren. Door middel van een strikt audit-proces wordt voorkomen dat de AI onjuiste claims doet over complexe biologische processen.
Het vertalen van morfologische veranderingen in cellen naar begrijpelijke biologie is een grote uitdaging in de wetenschap, zeker wanneer het gaat om subtiele, chronische effecten. Een voorbeeld hiervan is de impact van ioniserende straling met een lage dosis. In een recent onderzoek, dat is ingediend bij arxiv.org, presenteren Gilchan Park en collega's een raamwerk dat gebruikmaakt van Retrieval-Augmented Generation (RAG) om deze interpretatie te automatiseren en te verifiëren.
De uitdaging van Cell Painting
De techniek 'Cell Painting' produceert hoogdimensionale gegevens over de toestand van cellen. Hoewel deze methode zeer gevoelig is, blijft het moeilijk om longitudinale trajecten — veranderingen over een langere periode — om te zetten in concrete biologische inzichten. Grote taalmodellen kunnen weliswaar informatie synthetiseren tot een biologisch verhaal, maar hun gebruik in de wetenschap vereist een kwantitatieve controle om 'hallucinaties' of ongefundeerde beweringen te vermijden.
Het nieuwe framework is toegepast op een tijdreeks van negen weken met RPE-1 cellen, waarbij vijf verschillende dosissen straling werden gebruikt (variërend van 0,003 tot 6,0 mGy/uur). Volgens de arxivtldr.org combineert het systeem morfologische verschillen tussen behandelde cellen en controlecellen met relevante biologische context, zoals literatuur en pathway-informatie.
Een systeem van controle en auditing
Om de wetenschappelijke integriteit te waarborgen, hebben de onderzoekers twee specifieke auditing-tests geïntroduceerd:
- V1 Citation Validity: Deze test controleert of de door de AI geciteerde bewijsstukken daadwerkelijk aanwezig zijn in de aangeleverde data (de prompt). In de experimenten detecteerde deze test geen ongeldige referenties.
- V2 Proxy-based Morphology Compatibility: Hierbij wordt geëvalueerd of de voorspelde biologische processen consistent zijn met de meest veranderde morfologische kenmerken.
Uit de resultaten blijkt dat de compatibiliteit in de V2-test toenam naarmate de verstoring van de cellen sterker werd. Dit wijst erop dat het model in staat is om betrouwbare, falsifieerbare hypothesen te genereren. Een concreet resultaat van dit proces was de identificatie van een adaptief fenotype, waarbij sprake was van metabole herprogrammering en proteostatische stress bij lagere doses straling.
Bredere context van AI in de wetenschap
Dit onderzoek past zich in binnen een bredere trend waarbij AI wordt ingezet voor wetenschappelijke ontdekkingen. Zo beschrijft een survey op arxiv.org hoe LLM's de generatie van hypothesen transformeren door latente relaties te ontdekken en redenering te versterken via hybride systemen en causale inferentie.
Daarnaast is er een groeiende focus op het synthetiseren van enorme hoeveelheden wetenschappelijke literatuur. Een artikel in nature.com introduceerde bijvoorbeeld OpenScholar, een gespecialiseerd RAG-model dat antwoorden geeft op wetenschappelijke vragen door relevante passages uit miljoenen open-access artikelen te identificeren.
Beperkingen en toekomst
Ondanks de successen erkennen de auteurs van het Cell Painting-onderzoek bepaalde beperkingen. Zo is de evaluatie momenteel nog gebaseerd op proxy-waarden en is er een gebrek aan 'ground-truth' labels voor de mechanismen. Desondanks biedt het framework een methode om complexe biologische data te ontsluiten op een manier die transparant en controleerbaar is.
Het werk is geaccepteerd voor publicatie op de ACM BCB 2026. Vergelijkbare methodologieën voor longitudinale analyse van cellen worden verder ontwikkeld door labs zoals het biomlsp.com, dat zich richt op machine learning voor computationele netwerkbiologie.