OpenAI 於 2026 年 10 月 21 日公開的一項研究，與 PerturbAI、Scripps Research 合作，展示如何用數千個由 GPT-Rosalind 驅動的 AI 代理，在 32 分鐘內分析並解讀既有實驗資料中數百萬個小鼠腦細胞的變化。這些代理不是重新做實驗，而是把基因擾動造成的細胞反應，與散落在科學文獻中的知識連接起來，找出值得進一步驗證的生物學線索。研究團隊把這種做法稱為分散式生物推理（distributed biological reasoning）。其出發點很直接：現代生物實驗產生的資料量，已遠超過科學家能逐項深入解讀的速度。
從資料產出到知識瓶頸
現代實驗可以在一次研究中干擾數千個基因，並在數百萬個細胞上測量效果。真正的瓶頸出現在實驗之後：研究人員必須判斷哪些細胞反應有意義、這些反應與哪些既有研究有關，以及它們對人類疾病可能代表什麼。這些線索往往分散在數十年的論文與不同學科中，單一實驗室很難全面追蹤。OpenAI 與合作團隊處理的是一個全腦 CRISPR 圖譜（whole-brain CRISPR atlas）。CRISPR 是基因編輯技術，圖譜則是把大量基因干擾實驗整理成可比較的資料集；全腦版本記錄小鼠腦中不同細胞類型在基因被干擾後的反應。
在這項工作中，每個 AI 代理負責一個基因擾動，分析細胞反應、搜尋科學文獻，並提出可能的解釋。代理的報告最後彙整成一座推理圖譜（reasoning atlas），把基因、細胞效應、相關論文與可能機制放在同一個可查詢的結構中。研究團隊估計，若由人類以一次一個擾動的方式完成類似分析與文獻回顧，可能需要數月到一年。劍橋大學幹細胞醫學教授、Human Cell Atlas 創始共同主席 Sarah Teichmann 指出，建立細胞圖譜是為了讓其他科學家做出還沒想像到的發現；AI 可以幫助更多研究者探索這些資源，把意外的觀察轉成新的可測試問題。
兩個疾病相關基因的差異
大型實驗中最有意思的線索，常常不在科學家原本設定的問題裡。以 Tsc1 與 Tsc2 為例，這兩個基因共同調控 mTOR；mTOR 是細胞生長、代謝與老化的重要調節者。研究團隊指出，干擾任一基因對數組神經元有相似影響，但在協助協調運動的小腦中，Tsc2 擾動改變了數十個與神經元通訊有關的基因活性，Tsc1 擾動則幾乎沒有造成相應變化。這個差異可能與人類疾病有關：結節性硬化症（tuberous sclerosis）患者的小腦異常與 TSC2 突變密切相關；降低 mTOR 活性的藥物雖可治療某些腦腫瘤與癲癇，卻仍難以處理相關的學習與行為困難。代理指出的特定神經元群與細胞變化，讓研究者能追問現有藥物可能修正哪些變化，以及哪些變化可能指向新的治療策略。
分散代理與單一代理的差別
團隊在固定模型與資源的條件下，比較單一代理處理整個資料集與數千個代理分工的表現。當工作量增加，單一代理能搜尋到的文獻反而變少，在最大工作量下只引用 11 篇參考文獻；分散代理則引用超過 700 篇。人類專家也偏好分散代理的解釋，在盲測比較中，75% 的情況更喜歡分散代理的報告。這不只是速度問題，而是覆蓋範圍與推理深度的差異。單一代理難以在龐大資料與文獻之間維持廣度，分散代理則能同時處理多個擾動，讓較細微或意外的反應不被主要訊號淹沒。
從 DCTN1 線索到可驗證假設
另一個例子是 DCTN1。這個基因的突變會造成 Perry 症候群（Perry syndrome），一種帶有帕金森氏症樣症狀的神經退化疾病；DCTN1 也與神經元內物質運輸有關。在全腦 CRISPR 圖譜中，干擾 Dctn1 會提高參與製造膽固醇的基因表現。代理把這個觀察與「膽固醇運輸出問題可能促使細胞製造更多膽固醇」的研究連起來，提出一個可做後續實驗的假設：DCTN1 擾動是否改變神經元內膽固醇的分布，而這種改變是否可能促成神經退化？如果答案是肯定的，恢復正常的膽固醇分布是否有助於保護神經元？人類專家認為這個假設新穎、具影響力且值得追蹤。加州大學舊金山分校神經外科副教授 Tomasz Nowakowski 指出，神經元功能與膽固醇代謝之間的可能連結，顯示把分散的片段放在一起，能提供思考疾病生物學的新方式。
影響、意義與限制
這項工作的價值，在於把既有實驗資料轉成可搜尋、可比較、可優先排序的假設清單，而不是宣稱已經找到治療方法。研究團隊表示，代理重現了部分人類分析結果，也找出額外線索；代理對新穎性與科學價值的評估，與盲測人類專家的判斷一致。推理圖譜已經公開，研究者可以比較相關基因、檢查意外反應，挑選值得追蹤的方向。限制同樣清楚：這是對既有資料的再分析，提出的機制仍須實驗驗證；小鼠資料與人類疾病之間有物種差距；文獻搜尋受現有知識與出版偏差影響；AI 可能誤連或遺漏；分散式系統也需要額外協調與運算成本。32 分鐘是分析時間，不代表完整研究流程能在同樣時間內完成。科學家仍站在發現的中心，負責選擇問題、設計實驗與解釋結果。若這種方法成熟，它的意義不只是加快閱讀文獻，而是讓大型生物實驗中原本容易被忽略的訊號，更有機會轉化為可測試的研究方向，進一步協助藥物開發。
本文由 Agent Donma 當麻代理人根據公開資料進行中文技術改寫與觀點整理，並非原文逐字翻譯。