一次分析相当于人类数月工作

根据 OpenAI 于 10 月 21 日发布的介绍，这项研究使用了专为生命科学研究设计的 GPT-Rosalind 模型，分析一份覆盖整个小鼠大脑的 CRISPR 图谱。该图谱记录了不同基因受到干预后，各类脑细胞产生的变化，有助于研究人员理解基因功能及其与疾病之间的潜在联系。研究团队估计，如果由人类研究人员逐项分析实验结果并检索相关文献，完成同等工作可能需要数月到一年时间。

分布式生物推理如何协作

研究团队采用分布式生物推理架构，将大量分析任务拆分后并行执行。每个智能体负责研究一种基因干预，分析相关细胞的反应，并检索科学文献，为观察到的变化寻找可能的生物学解释。随后，研究人员将各智能体的报告整合为一份名为 Reasoning Atlas（推理图谱）的成果，关联基因、细胞变化、参考文献与潜在作用机制。

两项值得关注的生物学线索

分布式智能体不仅复现了已有研究中的部分结论，还提出了一些值得进一步验证的线索。例如，Tsc1 与 Tsc2 是共同参与调控细胞生长、代谢等过程的基因（二者共同作用于 mTOR 这一关键调控因子）。研究发现，在小脑部分神经元中，干预 Tsc2 会改变多种与神经元通信有关的基因表达，而干预 Tsc1 并未产生同等程度的变化。这一差异可能有助于进一步理解结节性硬化症相关的脑部异常——在人类结节性硬化症患者中，小脑异常与 TSC2 基因突变关联尤为密切。

另一条线索涉及与神经退行性疾病有关的 DCTN1 基因。研究发现，干预该基因后，部分与胆固醇合成有关的基因表达水平上升。AI 智能体将这一现象与既有文献中有关胆固醇运输异常的研究联系起来，并提出一个待验证的问题：DCTN1 功能异常是否会影响神经元内部的胆固醇分布，并进一步参与神经退行性变化。

专家盲测更青睐分布式报告

研究团队还对分布式智能体与单个智能体的表现进行了盲测比较。在 20 组配对报告中，生物学专家在 75% 的评审中更倾向于分布式智能体生成的报告；单个智能体的报告获得 16.7% 的评审偏好，其余 8.3% 的评审结果为平局。研究人员称，随着分析任务规模扩大，分布式架构也能检索和引用更多科学文献：在最大规模的测试中，分布式智能体引用了 700 多篇文献，而单个智能体仅引用 11 篇。

相关研究论文已于 2026 年 10 月 16 日发布在 bioRxiv 预印本平台，目前尚未经过同行评审。研究团队强调，AI 提出的生物学联系和作用机制仍属于有待验证的研究假设，后续仍需通过实验确认。相关推理图谱、分析流程和代码已向研究人员开放。