Co — Scientist помог лаборатории Абудайе — Гутенберг выявить более 20 генетических кандидатов для омоложения клеток

Лаборатория Abudayyeh — Gootenberg применила многоагентный ИИ Co — Scientist: он просканировал десятки тысяч статей, сгенерировал более 20 правдоподобных гипотез и ускорил интерпретацию скринингов с месяцев до дней;

Исследовательская группа Abudayyeh — Gootenberg, под руководством Омара Абудайе и Джонатана Гутенберга, использовала многоагентный инструмент Co — Scientist для автоматизированного поиска генетических факторов, способных вернуть клетки из состояния сенесценции в более молодое функциональное состояние. Это важно, потому что успешные вмешательства могли бы менять состояние тканей, таких как кожа, волосы и мышцы, и ускорять отбор перспективных кандидатов для дальнейшей проверки. Co — Scientist применяли на этапе генерации идей и приоритизации: алгоритм просканировал десятки тысяч научных публикаций, рассмотрел множество гипотез и сгенерировал более 20 новых, правдоподобных факторов для лабораторного тестирования. Модель выступала как многоагентный партнёр, автоматически извлекая релевантные связи из литературы и предлагая конкретные генетические таргеты для последующих экспериментов.

В лабораторных экспериментах команда проводила масштабные генетические скрининги, в которых «включали» и «выключали» тысячи генов и затем измеряли ответ клеток. По результатам этих проверок несколько из рекомендованных AI факторов подтвердили свою активность: вмешательства смещали маркеры состояния клеток в сторону более молодого профиля и в некоторых случаях улучшали общую функцию клеточных культур. Помимо генерации лидов, Co — Scientist ускорял аналитическую работу: объединяя данные скринингов с релевантной литературой, система позволяла сокращать время интерпретации результатов с месяцев до дней. По словам Омара Абудайе, применение инструмента «похоже на наличие команды из 50 человек», выполняющей анализ за день вместо месяцев, что снимает два ключевых узких места — выбор направлений для тестирования и осмысление больших объёмов экспериментальных данных.

Практическая польза для лабораторий очевидна: ускорение цикла «идея → скрининг → интерпретация → валидация» помогает быстрее фильтровать и приоритизировать кандидатов, экономя ресурсы на эксперименты с малой вероятностью успеха. При этом исследователи подчёркивают ограничения: подтверждена лишь часть предложенных лидов, требуются дополнительные проверки в разных тканях и in vivo‑моделях, прежде чем можно будет говорить о клиническом применении. Авторы также отмечают универсальность подхода: Co — Scientist применяли не только для омоложения клеток, но и для поиска лекарств при фиброзе печени, разработки новых подходов к болезни ALS и изучения механизмов печёночных заболеваний и инфекций, что указывает на потенциал многоагентного AI в ускорении фундаментальных и прикладных биомедицинских исследований.