利用数千个 AI 智能体，从生物学数据中发掘新线索
OpenAI、PerturbAI 和斯克里普斯研究所如何利用分布式 AI 智能体，帮助科学家从数百万个脑细胞的数据中找到有潜力的研究线索
了解 OpenAI、PerturbAI 和斯克里普斯研究所如何并行部署数千个 AI 智能体，从数百万个脑细胞的复杂数据中发现有研究潜力的生物学关联。
视频来源：PerturbAI。
如果科学家只需几分钟，而不是几个月，就能找到关于阿尔茨海默病和帕金森病的新线索，会怎样？OpenAI、PerturbAI（在新窗口中打开） 和斯克里普斯研究所（在新窗口中打开）携手合作，利用由 GPT‑Rosalind 驱动的数千个 AI 智能体（在新窗口中打开），仅用 32 分钟就完成了对数百万个小鼠脑细胞（在新窗口中打开）现有实验数据的分析与解读。这些智能体将基因破坏产生的影响与科学文献中的发现联系起来，揭示了意料之外的生物学关联，有助于科学家理解疾病，并找到开发新疗法的研究方向。这项工作展示了 AI 如何帮助研究人员更充分地挖掘大型生物学实验所揭示的信息。
现代实验产生的数据量，远远超出了科学家能够深入研究的范围。如今，研究人员可以改变数千个基因，并测量这些改变对数百万个细胞的影响。但要理解这些结果对人类疾病意味着什么，就需要将复杂的实验发现与几十年来分散积累的科学知识联系起来。在这方面，AI 可以帮助科学家发掘原本可能被忽略的有潜力的线索。
“我们构建细胞图谱，是为了让其他科学家能够做出我们尚未想到的发现。AI 可以帮助更多研究人员探索这些资源，把意料之外的观察结果转化为有待验证的新问题。”
团队将分析任务分配给数千个由 GPT‑Rosalind 驱动的 AI 智能体，我们将这种方法称为分布式生物学推理。这些智能体研究了一个全脑 CRISPR 图谱（在新窗口中打开），该数据集展示了基因破坏如何影响小鼠全脑中不同类型的细胞。每个智能体负责研究一种基因破坏，分析细胞反应、检索科学文献，并对结果提出解释。它们的报告被汇总成一份推理图谱，将基因、细胞层面的影响、相关文献以及可能的生物学机制联系起来。
研究团队估计，如果由人类逐一分析每种扰动，完成同等程度的分析和文献回顾将需要数月到一年。智能体复现了人工分析的发现，同时找到了更多线索。它们对新颖性和科学价值的评估，也与盲评中人类专家的判断一致。这些发现有助于确定后续实验的优先顺序，以验证所提出的生物学机制。
其中一些见解为理解脑部疾病提供了新线索。智能体发现，两个与疾病相关的基因对脑细胞的影响存在意料之外的差异，同时还发现了胆固醇调控与神经退行性病变之间的潜在关联。这些发现可以帮助科学家研究疾病如何发生发展，以及未来的治疗可能从何处干预。
“有时线索早已存在，散落在不同领域——只是我们还没有把它们联系起来。神经元功能与胆固醇代谢之间可能存在的联系表明，一旦把这些零散的信息拼在一起，就能为我们理解疾病的生物学机制提供新的思路。”
研究人员现在就可以开始探索这些发现。这份推理图谱已公开（在新窗口中打开），科学家可以借此比较相关基因、研究意料之外的反应，并找到值得深入探索的有潜力的线索。当不同领域的研究人员汇聚各自的专业知识，以出人意料的方式将熟悉的概念联系起来时，往往就会产生新发现。AI 可以将新数据与分散在各学科中的知识关联起来，大幅拓展这种跨领域联系的规模。这带来的机遇不仅仅是加快数据分析。将 AI 与实验生物学、人类专业知识及科学文献相结合，我们可以帮助科学家把更多数据转化为可验证的设想。
实验中一些最有意思的线索，往往不在科学家最初打算研究的范围内。在涵盖数千种扰动的数据集中，这些线索很容易被忽略。
智能体发现了 Tsc1 和 Tsc2 之间一项意料之外的差异。这两个基因共同调控 mTOR，而 mTOR 是细胞生长、代谢和衰老的重要调节因子。在多个神经元群体中，破坏其中任一基因产生的影响都相似。但在帮助协调运动的小脑中，破坏 Tsc2 改变了数十个参与神经元通信的基因的活性，而破坏 Tsc1 几乎没有引起变化。
这一差异可能与人类疾病有关。在结节性硬化症患者中，小脑异常与 TSC2 突变密切相关。虽然降低 mTOR 活性的药物可以治疗某些脑肿瘤和癫痫发作，但与该疾病相关的学习和行为障碍仍然难以解决。智能体锁定了一群特定的神经元及值得研究的细胞变化：哪些变化可能通过现有药物得到纠正，哪些又可能指向新的治疗方法？这为研究人员提供了一组更具体的问题，可在实验室中进行验证。
让单个智能体处理整个数据集，能否达到数千个智能体并行工作的效果？我们在模型和资源保持不变的条件下对此进行了测试。随着工作量增加，单个智能体检索的文献越来越少：在工作量最大时，它仅引用了 11 篇文献，而分布式智能体引用了 700 多篇。人类专家也更认可分布式智能体给出的解读。
科学家的时间有限，往往会重点关注数据中最显著的信号。分布式智能体能够帮助考察更广泛的反应，包括细微或意料之外的反应，并将其与相关科学文献联系起来。并行运行智能体，可以同时研究多种扰动。这有助于科学家更充分地挖掘实验中的信息，发现原本可能被忽略的有潜力的线索。
在工作量最大时，分布式智能体引用了 700 多篇文献，而单个智能体仅引用了 11 篇。
当一项发现能指向值得开展的实验时，它就更有价值。智能体在 DCTN1 基因中发现了这样一条线索。该基因的突变会导致 Perry 综合征，这是一种具有帕金森病样症状的神经退行性疾病。
DCTN1 参与神经元内部的物质运输。在全脑 CRISPR 图谱中，破坏 Dctn1 会提高参与胆固醇合成的基因的表达水平。智能体将这一观察结果与已有研究联系起来；这些研究提示，胆固醇运输出现问题可能会导致细胞合成更多胆固醇。这为后续实验提出了一个问题：破坏 DCTN1 是否会改变胆固醇在神经元内的分布？这些变化是否会促成神经退行性病变？如果是，恢复胆固醇的正常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、意义重大，值得进一步研究。这个例子表明，将意料之外的结果与现有知识联系起来，可以把一条线索转化为可验证的设想，甚至为疾病治疗开辟新方向。
在盲评比较中，75% 的情况下，人类专家更认可分布式智能体的报告，而非单个智能体的报告。
科学家始终是科学发现的核心。通过发掘更多有潜力的线索，AI 可以帮助研究人员决定哪些设想值得深入探索、设计实验并解读结果。我们的目标是将生物学实验中的更多信息转化为知识，逐步为研发更好的药物提供指导。
