OpenAI用数千AI智能体32分钟解析全脑CRISPR图谱

如果原本需要人类研究人员耗费数月甚至一年的生物学数据分析，能在半小时内完成，会给疾病研究带来怎样的改变？

OpenAI 联合 PerturbAI 以及 Scripps 研究所，利用由 GPT-Rosalind 驱动的数千个 AI 智能体，在短短 32 分钟内，对包含数百万小鼠脑细胞的既有实验数据完成了全面解析。这些 AI 智能体将基因扰动产生的影响与科学文献库紧密结合，挖掘出此前未被注意到的生物学关联，为阿尔茨海默病、帕金森病等疾病的病理研究与新疗法探索提供了全新的线索。

现代生物实验产生的数据规模早已超出人工细致审查的承载上限。研究人员如今可以对数千个基因进行扰动，并在数百万个细胞层面测量其变化。然而，要理解这些微观结果对人类疾病的意义，必须将庞杂的实验现象与数十年间散落各处的科研文献互相关联。这正是 AI 发挥关键价值的节点。

分布式生物推理：数千智能体协同

研究团队采用了一种名为“分布式生物推理”（distributed biological reasoning）的方法。他们将分析任务分发给数千个基于 GPT-Rosalind 的 AI 智能体，共同解析一份小鼠全脑 CRISPR 图谱。

每个智能体独立负责一项基因扰动，分析其细胞学反应，检索匹配的科学文献，并提出可能的生物学机制假说。最后，所有报告汇总为一份完整的“推理图谱”，串联起基因、细胞表型、相关论文和生物学机理。对比实验显示，如果要由人类研究员单点逐一完成同等规模的分析与文献考证，通常需要耗费数月乃至一年。

在盲测评估中，人类专家认为分布式智能体不仅复现了人类既有的分析结论，还找到了更多有价值的新线索，其学术创新性评估与人类专家判断高度一致。

目前，该推理图谱已在 GitHub 开源，供全球生物医学科研人员自由调取与验证。

发现传统分析容易遗漏的盲区

在涉及数千个扰动的数据集中，最具启发性的线索往往不在实验最初设定的主要目标之内。

例如，智能体捕捉到了 Tsc1 与 Tsc2 两个基因在小鼠脑内的意外差异。这两个基因共同调控调节细胞生长、代谢及衰老的核心通路 mTOR。在许多神经元类群中，敲除任一基因引发的效果非常接近；但在协助调控运动的小脑区域，敲除 Tsc2 会改变数十个涉及神经元通信的基因表达，而敲除 Tsc1 几乎没有明显改变。在临床上，结节性硬化症患者的小脑病变与 TSC2 突变高度相关，智能体据此精准锁定了值得后续实验重点验证的具体神经元群。

为什么分布式智能体优于单模型？

团队还测试了仅用一个智能体处理全部数据集的效果。在计算资源和基础模型相同的情况下，随着分析任务量增大，单个智能体检索文献的广度迅速衰减，在处理最大负载时仅引用了 11 篇文献；而协同工作的分布式智能体集群引用了超过 700 篇文献。在双盲对照中，人类专家有 75% 的概率更倾向于分布式智能体给出的分析报告。

研究人员精力有限，往往只能盯住最强烈的实验信号。分布式智能体群则能保持高度并行的敏锐度，覆盖那些微弱却极具潜力的次要响应。

从海量数据通向“下一个值得做的实验”

AI 辅助科研的核心价值，在于精准指出下一个最值得开展的实验。智能体在 DCTN1 基因上就给出了示范。该基因突变会导致表现出帕金森样症状的佩里综合征（Perry syndrome）。

全脑数据表明，扰动 Dctn1 会显著上调胆固醇合成相关基因的表达。智能体将该实验现象与过往文献对接后发现：细胞内胆固醇转运受阻往往会促使细胞代偿性地制造更多胆固醇。由此，智能体提出推论——DCTN1 缺失是否改变了神经元内部的胆固醇分布，从而引发了神经退行？恢复胆固醇分布是否能起到神经保护作用？这一假设得到了神经领域专家的充分肯定。

在这项工作中，科学家依然处于主导地位。AI 智能体负责跨越学科壁垒、连接碎片知识，将庞大的生物实验原始数据快速提炼为可直接落地检验的假说，推动新药研发走向更高效的阶段。