AI segíthet fágokat keresni gyógyszerrezisztens fertőzések ellen
Ellenőrizhető bioinformatikai munkafolyamatot épített a Microsoft csapata a Discovery app segítségével, hogy kutatók fágokat kereshessenek gyógyszerrezisztens bakteriális fertőzések ellen. A projekt nem kezelési eredményt állít, hanem reprodukálható számítási megközelítést mutat be laboratóriumi tesztek előkészítésére.
- A Microsoft Discovery app fágterápiához kapcsolódó bioinformatikai munkafolyamat kidolgozásában segített.
- A projekt gyógyszerrezisztens bakteriális fertőzések ellen kereshető fágjelöltek azonosítására összpontosított.
- A rendszer kurált szakirodalmat, 170 cikket és külső adatforrásokat is használt a kutatási folyamatban.
- Kevesebb mint négy óra alatt jutottak el a feladatfától a jelentéstervezetig.
- A Microsoft szerint az eredmény további szakértői ellenőrzést és laboratóriumi validációt igényel.
Miért nehéz megtalálni a megfelelő fágot?
A Microsoft 2026. szeptember 30-án megjelent blogbejegyzése szerint a gyógyszerrezisztens fertőzések jelentős globális egészségügyi fenyegetést jelentenek, ezért sürgős a kezelési lehetőségek keresése olyan esetekben, amikor az antibiotikumok már nem működnek. A bakteriofágok, röviden fágok, baktériumokat fertőző vírusok, amelyeket gyógyszerrezisztens mikrobák ellen is fel lehet használni.
A kihívás az, hogy bár a fágok nagy mennyiségben megtalálhatók a környezetben, egy konkrét bakteriális fertőzéshez nehéz kiválasztani a megfelelő jelölteket. A Microsoft szerint a hatékonyság függ a fágok genetikájától, a baktériumok fágellenes védelmi rendszereitől és a fertőzés dinamikájától.
A projekt célja az volt, hogy a Microsoft Discovery app segítségével olyan bioinformatikai munkafolyamatot dolgozzanak ki, amely nagy környezeti adathalmazokban kereshet hasznos fágokat bakteriális kórokozók ellen. A munkafolyamatnak elfogadott módszertanokra épülő, magyarázó statisztikákat kellett adnia, hogy a kutatók megalapozottabban dönthessenek arról, mely fágokat érdemes laboratóriumban tesztelni.
Kutatási terv emberi ellenőrzéssel
A csapat a Discovery appban a fejlesztési folyamatot ellenőrizhető és finomítható kutatási tervvé alakította. Az alkalmazás tudományos szakirodalmat, multiomikai adatforrásokat, elemzőeszközöket, módszertani ajánlásokat, javasolt teszteseteket és nyilvános biológiai adatokon futó validációs lépéseket rendezett össze.
A kutatók olyan számítási folyamatot kértek az alkalmazástól, amely bemenetként elfogadja egy bakteriális kórokozó genomját, ellenőrzi az antibiotikum-rezisztencia markereket, rezisztenciaprofilt készít, megbecsüli a lehetséges fágellenes védelmeket, környezeti adatokban kereshet új fágokat, egy vagy több terápiás fág keverékét javasolja, megmagyarázza a következtetéshez vezető számítási lépéseket és bizonyítékokat, valamint további laboratóriumi kísérleteket ajánl.
A Discovery app ezeket a követelményeket kutatási feladatokra bontotta, minden szakaszhoz ellenőrizhető módszereket készített, és a lépések kimeneteit nyomon követhető láncban kapcsolta a következő bemenetekhez. A Microsoft leírása szerint a kutatók és az ügynökök előbb közösen áttekintették a fágterápiás kutatásokat és bioinformatikai módszertanokat, csak ezután következett az összetett kódírás.
Kurált források, MCP-adapterek és hatmodulos terv
A Discovery app a tudományos nyelven megfogalmazott célt kutatási asszisztenssé alakította, konkrét szereppel, elvárt technikai kimenetekkel és ellenőrizhető feladatfával. A feladatfa megmutatta, hogyan bontotta részekre a rendszer az eredeti problémát, és milyen bizonyítékok, illetve eszközök támogatták az egyes lépéseket.
Bár az ügynökök széles körben kereshetnek az interneten, a Microsoft csapata a kutatási folyamatot a tudósok által kiválasztott cikkek kurált gyűjteményére korlátozta. A Discovery Bookshelf külön helyet adott a megbízható háttéranyagok tárolására, indexelésére és keresésére. A projektben az első feladat a kutatók gyűjteményéből származó 170 cikk áttekintése volt, mielőtt a rendszer további tudás- és adatforrásokra bővült.
Az ügynök MCP-alapú adaptereket fejlesztett és integrált a munkafolyamatba, többek között a PubMed, Europe PMC, NCBI BLAST, Semantic Scholar, ClinicalTrials.gov, AlphaFold és biomarker-adatbázisok eléréséhez. A Microsoft szerint ez percekre rövidítette az egyedi eszközintegrációt, amely máskülönben jelentős mérnöki munkát igényelt volna.
A projekt kevesebb mint négy óra alatt jutott el a feladatfa létrehozásától a jelentéstervezetig. Ebbe beletartozott genomi referenciák beszerzése és nem triviális bioinformatikai munkafolyamatok futtatása is. A Discovery app hatmodulos számítási architektúrát javasolt meghatározott bemenetekkel, kimenetekkel, minőségi és biztonsági ellenőrzésekkel, alternatív megközelítésekkel, pozitív és negatív kontrolladatkészletekkel, laboratóriumi validációs tervvel és tudományos hivatkozásokkal.
Mit jelenthet ez a kutatóknak?
A Microsoft hangsúlyozza, hogy az eredmény nem kezelési siker bejelentése, hanem strukturált terv, működő felhőalapú megvalósítás és azonosított bizonyítékhiányok listája, amelyekhez további szakértői áttekintés és laboratóriumi validáció szükséges. A projektben keletkezett ellenőrizhető eredményeket a szakértői vizsgálat után visszavezették a kurált tudásbázisba.
A bejegyzés szerint ez a szakértői kontroll alapvető volt ahhoz, hogy meg lehessen különböztetni a tudományosan megalapozott eredményeket a hihetőnek tűnő, de nem alátámasztott AI-kimenetektől. A Microsoft megfogalmazása alapján a Discovery app a szakértelmet erősítette, nem helyettesítette azt: determinisztikus, újrahasználható munkafolyamat építésében segített úgy, hogy a fontos döntési pontoknál megmaradt az emberi ítélet szerepe.
