利用数千个AI智能体在生物数据中发现新线索
内容提要
OpenAI、PerturbAI与Scripps研究所利用数千个GPT-Rosalind智能体，在32分钟内分析数百万小鼠脑细胞的CRISPR实验数据，构建“推理图谱”，将基因扰动、细胞反应与文献关联。分布式智能体比单一智能体引用文献更多、解读更受专家认可，并发现Tsc1/Tsc2差异及DCTN1与胆固醇代谢的潜在联系，为神经退行性疾病研究提供新线索。
延伸解读
分布式推理如何提升文献覆盖与解读质量
文章对比了单一智能体与数千个分布式智能体的表现：在最大工作量下，单一智能体仅引用11篇文献，而分布式智能体引用超过700篇。人类专家在盲测中75%的情况下更偏好分布式智能体的报告。这表明，将分析任务拆分给多个智能体并行处理，能更广泛地检索文献并关联实验数据，从而产生更受专家认可的解读。
从数据中挖掘被忽略的疾病线索
智能体在分析全脑CRISPR图谱时，发现了Tsc1与Tsc2在浦肯野细胞中的差异效应，以及DCTN1扰动与胆固醇代谢的潜在联系。这些线索并非实验最初设计的目标，却可能为结节性硬化症和佩里综合征等神经退行性疾病提供新的研究方向。文章强调，AI能帮助科学家关注数据中微弱但意外的信号，避免因聚焦最强信号而遗漏重要发现。
推理图谱的开放与后续实验价值
研究团队将推理图谱公开，供其他科学家比较相关基因、探究意外反应并寻找可验证的假设。文章指出，AI的价值不仅在于加速分析，更在于将分散的文献知识与新数据连接，提出可测试的机制。例如，DCTN1与胆固醇运输的关联已引发后续实验问题：恢复胆固醇分布能否保护神经元。这体现了AI辅助提出假设、再由实验验证的协作模式。
Q&A
OpenAI、PerturbAI和Scripps研究所用AI智能体做了什么实验？
他们利用数千个GPT-Rosalind智能体，在32分钟内分析了数百万小鼠脑细胞的CRISPR实验数据，构建了“推理图谱”，将基因扰动、细胞反应与文献关联起来。
分布式AI智能体相比单个智能体有什么优势？
分布式智能体在最大工作量时引用了700多篇文献，而单个智能体仅引用11篇；人类专家在盲测中75%的情况下更倾向于分布式智能体的解读。
AI智能体在分析中发现了哪些与脑疾病相关的线索？
智能体发现了Tsc1和Tsc2基因在小脑中对神经元通讯基因影响的差异，以及DCTN1基因与胆固醇代谢之间的潜在联系，这些可能与神经退行性疾病有关。
推理图谱是什么？研究人员现在可以使用吗？
推理图谱是将基因、细胞效应、相关文献和可能的生物学机制连接起来的图谱，目前已开放，科学家可以立即探索这些发现。
AI分析相比传统人工分析节省了多少时间？
研究团队估计，如果人工逐个扰动进行分析和文献回顾，需要数月到一年时间，而AI智能体仅用32分钟就完成了分析。
AI智能体如何帮助科学家找到值得做的下一个实验？
智能体将意外结果与现有知识连接，提出可检验的假设，例如DCTN1扰动可能改变神经元内胆固醇分布，进而导致神经退行性变，这为后续实验提供了方向。
