🌐 Google Research avanza en laboratorios autónomos con IA y biología experimental

Grounding AI agents in biological reality: Building blocks for autonomous wet labs

Google Research está llevando a cabo un innovador proyecto que fusiona la inteligencia artificial con la biología experimental en laboratorios húmedos autónomos. Este enfoque busca transformar la investigación biológica y el descubrimiento de fármacos mediante la utilización de agentes de IA capaces de navegar en complejos paisajes biológicos. Al integrar agentes en la robótica de laboratorio físico, se pueden ejecutar ciclos de diseño molecular en bucle cerrado, donde los agentes aprenden a aprender, descubriendo así uniones de proteínas de nanomolar único para objetivos de cáncer.

El objetivo a largo plazo es que los sistemas de IA no solo ideen y analicen, sino que también realicen experimentos de laboratorio para probar sus hipótesis, aprendan de los resultados y se auto-mejoren para resolver problemas complejos, todo impulsado por la agencia científica humana. Sin embargo, para lograr esta visión, es necesario superar dos desafíos interrelacionados: la incapacidad de los modelos actuales para razonar de manera confiable sobre la geometría tridimensional y el estado físico, y la necesidad de ciclos repetidos de retroalimentación del mundo real para validar las propuestas y navegar por vastos espacios de búsqueda.

Para abordar estos desafíos, Google Research ha desarrollado el marco VERID (Infraestructura Verificada para Laboratorios de Descubrimiento). Este marco actúa como un gemelo digital semántico del entorno de trabajo del laboratorio, rastreando todo, desde la geometría del brazo robótico hasta los volúmenes individuales de los pozos, las identidades de los reactivos y el inventario de puntas de pipeta. VERID permite a los agentes de IA planificar, simular y ejecutar protocolos de manejo de líquidos en robots, combinando vistas de múltiples cámaras sincronizadas con el seguimiento del estado en tiempo real para refinar experimentos a lo largo de los ciclos.

El marco VERID proporciona capacidades clave como el seguimiento del estado en 3D en tiempo real, simulaciones virtuales rápidas para detectar colisiones o pozos vacíos antes de tocar los reactivos, verificaciones de seguridad de hardware para bloquear comandos no válidos y registros de video y acción sincronizados para capturar un registro completo de cada ejecución. Estos avances permiten a los agentes de IA realizar descubrimientos científicos cerrados en bucle en prototipos de diseño de aptámeros y proteínas de novo, como se demuestra en varios estudios de caso.

En un estudio, los videos sincronizados y las trazas de ejecución detectaron una estratificación desigual de tintes causada por una dispensación demasiado cercana al fondo del pozo, lo que permitió al agente refinar su estrategia de mezcla. En otro caso, el estado persistente del gemelo digital permitió al agente recuperarse a mitad de ejecución de una falla del lector de placas sin volver a pipetear. Estos ejemplos ilustran cómo la ejecución reproducible y los registros completos de trazas sientan las bases para que los agentes eventualmente puedan separar las señales biológicas del ruido experimental mientras exploran y refinan muchos candidatos en paralelo a lo largo de varias rondas.

Fuente: https://research.google/blog/grounding-ai-agents-in-biological-reality-building-blocks-for-autonomous-wet-labs/