Naukowcy odkryli, że inteligentne agenty oparte na dużych modelach językowych potrafią zautomatyzować pracochłonny proces organizowania i kategoryzowania fenotypów biologicznych. Do tej pory kuracja ontologii - czyli tworzenie strukturyzowanych klasyfikacji cech organizacyjnych - była zajęciem czysto ręcznym, wymagającym od ekspertów godzin spędzonych na manualnym przypisywaniu opisów do odpowiednich kategorii. To stanowiło istotną przeszkodę w badaniach genetycznych i rozwoju bioinformatyki, spowalniając pracę nad analizą ogromnych zbiorów danych fenotypowych.
Zastosowanie agentów LLM zmienia tę sytuację. Zamiast czekać na dostępność doświadczonych biologów lub bioinformatyków, systemy AI potrafią teraz samodzielnie zrozumieć skomplikowane opisy fenotypów, porównać je z istniejącymi ontologiami i zaproponować właściwe kategoryzacje. Oznacza to drastyczne przyspieszenie procesu, który dotąd stanowił czasami większą przeszkodę niż sama analiza genetyczna.
Praktyczne konsekwencje są znaczące. Badania genomowe i fenotypowe będą mogły być prowadzone szybciej i na większą skalę, co otworzy nowe możliwości w badaniu zaburzeń genetycznych, doboru cech w pracach hodowlanych czy ogólnie - w lepszym zrozumieniu związków między genotypem a fenotypem. Chociaż agenty LLM nie zastąpią w pełni człowieka w najbardziej zawiłych przypadkach, ich wsparcie pozwoli naukowcom skoncentrować się na interpretacji wyników zamiast na nudnych pracach klasyfikacyjnych.