ان خلاصوں کو لے کر، رابن نے پھر میکولر انحطاط کے لیے بیماری کے طریقہ کار کے بارے میں مفروضوں کا ایک سلسلہ تشکیل دیا اور ان ٹولز کا استعمال ہر میکانزم کے شواہد پر تفصیلی رپورٹ فراہم کرنے کے لیے کیا۔ اس کے بعد ایک LLM جج نے مفروضوں کے درمیان جوڑے کے لحاظ سے موازنہ کیا، جس کے نتیجے میں رشتہ دار درجہ بندی ہوئی — گوگل کے ٹورنامنٹ کے نظام کی طرح۔
اسی طرح، نظام کو سیل لائنوں اور ثقافت کے حالات تجویز کرنے کے لیے دوبارہ تعینات کیا گیا جو میکولر انحطاط کا ایک نمونہ فراہم کر سکتا ہے، اور اس نے 30 امیدواروں کی دوائیوں پر رپورٹس تیار کیں۔ فیوچر ہاؤس ٹیم کے مطابق، “ان رپورٹس میں یہ دونوں جواز موجود ہیں کہ کیوں ہر دوائی بیماری کے طریقہ کار کو کم کرنے کے لیے موزوں ہے جو وٹرو ماڈل میں ظاہر کی گئی ہے اور ممکنہ حدیں جو دوائی لاحق ہو سکتی ہیں،” فیوچر ہاؤس ٹیم کے مطابق۔ ایک بار پھر، ان رپورٹس کا انسانی ماہرین نے جائزہ لیا تاکہ یہ طے کیا جا سکے کہ کن ٹیسٹوں کو آگے بڑھانا ہے۔
رابن نے دوائیوں کی جانچ کرنے کے لیے اسیسز کا بھی مشورہ دیا، جن کا انسانوں نے جائزہ لیا (زیادہ تر صورتوں میں، ایسا لگتا ہے کہ انھوں نے تجویز کردہ قسموں کا استعمال کیا ہے)۔
رابن کے ساتھ اہم فرق یہ ہے کہ اس میں ایک ٹول، فنچ شامل ہے، جو کچھ معیاری حیاتیاتی اسکریننگ اسسیس سے ڈیٹا کی تشخیص کو خودکار کر سکتا ہے، جیسے بہاؤ cytometry اور RNA-seq. لہذا، جب تک کہ آپ کے ٹیسٹوں میں ایک ایسی تشخیص شامل ہے جسے فنچ ہینڈل کر سکتا ہے، تب تک ایک اضافی قدم ہے جو سسٹم کے ذریعے انجام دیا جا سکتا ہے۔
جیسا کہ اوپر، رابن ایک نیا مفروضہ لے کر آیا: ریٹنا خلیوں کی خلیات کے باہر ملبہ اٹھانے کی صلاحیت کو بڑھانا بیماری کے خلاف کچھ تحفظ فراہم کر سکتا ہے۔ اور اس نے ایک ایسی دوا کی نشاندہی کی جو ایسا لگتا ہے کہ اس کے تجویز کردہ تجربات میں صرف اسی قسم کا فروغ ملتا ہے۔
جیسا کہ گوگل نے پایا، سائنسی لٹریچر کے ساتھ انٹرفیس کے لیے خاص طور پر ڈیزائن کیے گئے ٹولز کی اہمیت ہے۔ OpenAI کے o4-mini کے لیے Crow کو تبدیل کرنے سے ہیلوسینیٹڈ حوالہ جات کی شرح صفر فیصد سے 45 فیصد تک پہنچ گئی۔ FutureHouse نے OpenAI کے تحقیق پر مرکوز ٹول کی کارکردگی پر بھی ایک نظر ڈالی اور پایا کہ، ان تمام صورتوں میں جہاں اس نے ایسی دوائیں تجویز کیں جو رابن کے ساتھ نہیں آئی تھیں، وہ ادویات ان خلیوں پر اثر کرنے میں ناکام رہیں۔
