OpenAI、PerturbAI与斯克里普斯研究所（Scripps Research）宣布合作，利用由GPT-Rosalind驱动的数千个AI代理，在32分钟内完成对数百万小鼠脑细胞实验数据的分析与解读。这项名为“分布式生物推理”的工作，将基因破坏影响与科学文献关联，揭示了阿尔茨海默病和帕金森氏症研究中的潜在新线索。
分布式AI突破数据分析瓶颈
现代生物实验产生的数据量远超人工处理极限。研究人员虽能改变数千个基因并测量其在数百万细胞中的影响，但难以将这些复杂结果与分散的科学知识快速关联。此次合作中，每个AI代理独立调查一种基因破坏，分析细胞反应并检索文献，最终生成连接基因、细胞效应及生物学机制的推理图谱。
团队估计，若由人类专家逐一进行同等规模的分析与文献回顾，耗时需数月甚至一年。测试显示，分布式代理不仅重现了人类分析的发现，还识别出额外线索，其新颖性与科学价值评估与盲审人类专家判断一致。目前，该推理图谱已公开可用，供科学家探索意外反应并确定后续实验方向。
揭示疾病机制的新视角
AI代理在分析中发现了若干意想不到的生物学联系。例如，尽管Tsc1和Tsc2基因通常协同调控mTOR通路，但在小脑神经元中，Tsc2的破坏显著改变了数十种参与神经元通讯基因的活性，而Tsc1破坏则几无影响。这一差异与结节性硬化症中小脑异常密切相关的临床观察相符，为理解疾病机制及开发新疗法提供了具体靶点。
此外，代理们在导致佩里综合征（Perry syndrome）的DCTN1基因研究中锁定新线索：破坏Dctn1增加了胆固醇合成基因的表达。结合现有文献，这提示DCTN1突变可能通过改变神经元内胆固醇分布引发神经退行性变。该假设已被人类专家认定为具有高度新颖性与跟进价值，有望转化为可检验的实验方案。
人机协作加速科学发现
对比测试表明，单一代理在处理大规模数据时引用的文献数量远少于分布式代理（11篇 vs 700余篇），且解释质量较低。分布式架构允许并行调查多种干扰，捕捉细微或意外的信号，从而扩展科学发现的边界。
剑桥大学干细胞医学教授Sarah Teichmann指出，AI能帮助研究人员将意外观察转化为需测试的新问题。加州大学旧金山分校副教授Tomasz Nowakowski认为，将分散的线索如神经元功能与胆固醇代谢联系起来，有助于以全新视角思考疾病生物学。科学家仍是发现的核心，而AI旨在将更多实验数据转化为可指导药物开发的知识。
据悉，相关研究成果已发表于《科学》杂志（2026年）。