如果科学家能在几分钟而不是几个月内发现关于阿尔茨海默病和帕金森病的新线索会怎样？OpenAI、PerturbAI和Scripps Research合作，使用由GPT‑Rosalind驱动的数千个AI智能体，在短短32分钟内分析和解读来自数百万小鼠脑细胞的现有实验数据。这些智能体将基因干扰的效应与科学文献中的发现联系起来，揭示了有助于科学家理解疾病并确定新治疗研究方向的意外生物连接。这项工作展示了AI如何帮助研究人员探索大型生物实验所揭示的更多内容。

现代实验产生的数据远超科学家能够彻底调查的量。研究人员现在可以改变数千个基因，并测量它们在数百万个细胞中的效应。但要理解这些结果对人类疾病的意义，需要将复杂的实验结果与数十年分散的科学知识联系起来。这正是AI可以帮助科学家发现原本可能被遗漏的有前景线索的地方。

“我们构建细胞图谱，以便其他科学家能够做出我们尚未想象到的发现。AI可以帮助更多研究人员探索这些资源，并将意外观察转化为需要测试的新问题。”

—Sarah Teichmann博士，剑桥大学干细胞医学主席，人类细胞图谱创始联合主席

该团队将分析工作分配给由GPT‑Rosalind驱动的数千个AI智能体，我们称这种方法为分布式生物推理。这些智能体检查了全脑CRISPR图谱，这是一个显示基因干扰如何影响小鼠大脑中不同类型细胞的数据集。每个智能体调查一个基因干扰，分析细胞反应，搜索科学文献，并提出结果的解释。他们的报告被合并成一个推理图谱，将基因、细胞效应、相关出版物和可能的生物机制联系起来。

研究团队估计，如果由人类一次一个扰动地进行类似分析和文献综述，将需要数月到一年的时间。这些智能体再现了人类分析的结果，同时发现了额外线索。他们对新颖性和科学价值的评估也与盲测人类专家的判断一致。这些发现有助于优先安排测试所提出生物机制所需的进一步实验。

其中一些见解指向理解脑部疾病的新线索。智能体识别出两个与疾病相关的基因如何以不同方式影响脑细胞的意外差异，以及胆固醇调节与神经退行性变之间的潜在联系。这些发现可以帮助科学家研究疾病如何发展，以及未来治疗可能干预的地方。

“有时线索已经存在，分散在不同领域——我们只是还没有将它们联系起来。神经元功能与胆固醇代谢之间可能的联系表明，一旦将这些碎片组合起来，就能为我们提供思考疾病生物学的新方式。”

—Tomasz Nowakowski博士，加州大学旧金山分校神经外科副教授

研究人员今天就可以开始探索这些发现。推理图谱已经可用，允许科学家比较相关基因、调查意外反应，并识别有前景的线索进行进一步研究。新发现往往出现在来自不同领域的研究人员汇集专长并以意外方式连接熟悉想法时。AI可以通过将新数据与分散在各学科的知识联系起来，显著扩展这些连接。机会不仅仅在于更快地分析数据。通过将AI与实验生物学、人类专长和科学文献相结合，我们可以帮助科学家将更多数据转化为可测试的想法。

大型实验，意外线索

实验中一些最有趣的线索位于科学家最初打算调查的故事之外。在一个跨越数千个扰动的数据集中，这些线索很容易被遗漏。

智能体识别出Tsc1和Tsc2之间的意外差异，这两个基因共同控制mTOR，这是细胞生长、代谢和衰老的主要调节因子。干扰任一基因在几组神经元中产生了类似效应。但在有助于协调运动的小脑中，Tsc2干扰改变了数十个参与神经元通信的基因的活性，而Tsc1干扰几乎没有产生变化。

这种差异可能与人类疾病相关。在结节性硬化症患者中，小脑异常与TSC2突变强烈相关。虽然降低mTOR活性的药物可以治疗某些脑肿瘤和癫痫，但与该疾病相关的学习和行为困难仍然难以解决。智能体精准定位了一组特定的神经元和值得调查的细胞变化：哪些变化可能被现有药物纠正，哪些可能指向新的治疗方法？这为研究人员提供了在实验室中测试的更具体的问题集。

分工合作，深化推理

一个给定整个数据集的单个智能体是否能与并行工作的数千个智能体做得一样好？我们在保持模型和资源固定的情况下测试了这一点。随着工作量增加，单个智能体搜索的文献更少，在最大工作量时仅引用了11篇参考文献，而分布式智能体引用了超过700篇参考文献。人类专家也更偏好分布式智能体的解释。

科学家时间有限，往往只关注数据中最强的信号。分布式智能体可以帮助检查更广泛的响应范围，包括细微或意外的响应，并将它们与相关科学文献联系起来。并行运行智能体可以同时调查许多扰动。这有助于科学家探索实验中包含的更多内容，并识别可能被遗漏的有希望的线索。

在最大工作负载下，分布式智能体引用了超过700篇参考文献，而单个智能体仅引用了11篇。

寻找值得进行的下一个实验

当一个发现指向一个值得进行的实验时，它就变得更有价值。智能体在DCTN1中发现了这样一个线索，该基因的突变会导致Perry综合征，这是一种具有帕金森样症状的神经退行性疾病。

DCTN1参与神经元内货物的运输。在全脑CRISPR图谱中，破坏Dctn1增加了参与胆固醇合成的基因的表达。智能体将这一观察结果与研究联系起来，这些研究表明胆固醇运输问题可能导致细胞制造更多胆固醇。这提出了一个后续实验的问题：DCTN1的破坏是否会改变胆固醇在神经元内的分布，这些变化是否会导致神经退行性变？如果是这样，恢复正常的胆固醇分布是否有助于保护神经元？

人类专家也认为这一假设新颖、重要且值得跟进。这个例子表明，将意外结果与现有知识联系起来，如何将线索转化为可测试的想法，并可能成为治疗疾病的新方向。

在盲法比较中，人类专家有75%的时间更偏好分布式智能体的报告，而非单个智能体的报告。

科学家仍然处于发现的中心。通过发现更多有希望的线索，AI可以帮助研究人员决定追求哪些想法、设计实验并解释结果。目标是将生物实验中更多的信息转化为知识，随着时间的推移，这些知识可以帮助指导更好药物的开发。