OpenAI 與生物科技公司 PerturbAI 及 Scripps Research 共同展示了分散式 AI 代理如何加速處理龐大的生物數據集。
團隊使用了數千個基於 GPT-Rosalind 的代理來分析 whole-brain CRISPR atlas——即關於基因缺陷如何影響小鼠大腦數百萬個細胞的數據。每個代理研究一個基因：分析細胞反應、在科學文獻中尋找關聯，並提出可能的解釋。
整個過程耗時 32 分鐘。研究人員估計，針對單一基因進行同等的人工分析與文獻回顧，可能需要數個月到一年的時間。
核心要點
AI 並未進行新的實驗，也未證明疾病的成因。它快速處理了既有的數據，找出規律，並提出假設，這些假設現在可由科學家在實驗室中驗證。
研究結果被整合為一個 reasoning atlas——一張將基因、細胞效應、科學出版物與可能機制相互連結的地圖。這樣的地圖能幫助研究人員不必手動翻查數據，而是直接看到最有前景的方向。
為何重要
該計畫的主要價值在於規模。數千個代理並行梳理了關於數百萬個細胞的數據，並引用了超過 700 個科學來源。相較之下：在同一測試中，單一代理僅使用了 11 個來源。
在盲測比較中，生物學家在 75% 的情況下更常選擇分散式代理的報告。這並不意味著 AI 永遠正確，但顯示該系統能夠提出有用且論證充分的研究結論。
發現了什麼
在這些假設中，包括 Tsc1 與 Tsc2 基因在小腦中作用的意外差異：Tsc2 的缺陷改變了數十個基因的活性，而 Tsc1 則幾乎沒有影響。
另一個例子與 DCTN1 基因有關，其突變與一種罕見的神經退化性疾病——佩里症候群有關。該基因的缺陷提高了參與膽固醇合成的基因表現。這並非已確立的疾病成因，而是一條可能的線索，需要進一步驗證。
下一步
Reasoning atlas 已向研究人員開放：可用於尋找新假設與規劃實驗。
合作夥伴將此方法視為更快找到潛在藥物標靶的途徑。若該方法能在其他數據上獲得驗證，便可能使新藥的搜尋更有系統。但目前仍屬早期階段：AI 提出想法，最終結論仍取決於科學家與實驗室實驗。
