几分钟而非几个月发现阿尔茨海默病和帕金森病新线索，会怎样？开放人工智能公司（OpenAI）、扰动人工智能公司（PerturbAI）与斯克里普斯研究所（Scripps Research）用GPT‑罗莎琳德（GPT‑Rosalind）驱动的数千个AI智能体，在32分钟内分析数百万个小鼠脑细胞实验数据。智能体把基因扰动影响与科学文献发现相连，揭示意想不到的生物学关联，帮助理解疾病并确定新疗法研究方向。

如果科学家能在几分钟而非几个月内发现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，用数千个由GPT‑Rosalind驱动的AI智能体，在32分钟内分析并解读了来自数百万个小鼠脑细胞的现有实验数据。这些智能体把基因扰动的影响与科学文献中的发现联系起来，找出了意想不到的生物学关联，能帮助科学家理解疾病并确定新疗法的研究方向。这项工作展示了AI如何帮助研究人员从大型生物学实验中挖掘更多信息。

现代实验产生的数据量远超科学家的彻底研究能力。研究人员如今可以改动数千个基因，并测量它们在数百万个细胞中的效应。但要弄清这些结果对人类疾病意味着什么，就必须把复杂的实验发现与数十年来分散的科学知识联系起来。AI正是在这里发挥作用，帮助科学家发现那些原本可能被遗漏的有前景线索。

“我们构建细胞图谱，是为了让其他科学家能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，把意外的观察变成值得检验的新问题。” ——Sarah Teichmann博士，剑桥大学干细胞医学讲席教授、Human Cell Atlas创始联合主席

团队把分析工作分配给数千个由GPT‑Rosalind驱动的AI智能体，这种方法我们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——一份展示基因扰动如何影响小鼠大脑各类细胞的数据集。每个智能体负责调查一种基因扰动，分析细胞反应，检索科学文献，并提出对结果的解释。它们的报告被汇总成一个“推理图谱”，把基因、细胞效应、相关论文和可能的生物学机制联系起来。

研究团队估计，如果由人类以每次一个扰动的方式进行类似分析和文献调研，需要几个月到一年时间。智能体重现了人类分析中的发现，同时找出了更多线索。它们对新颖性和科学价值的评估，也与盲评人类专家的判断一致。这些发现有助于确定优先级，推进后续实验，以检验提出的生物学机制。

其中一些见解为理解脑疾病提供了新线索。智能体发现了两个疾病相关基因对脑细胞影响的意外差异，还发现了胆固醇调控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，以及未来的治疗可能在哪些环节介入。

“有时候，线索早就存在，分散在不同领域——我们只是还没有把它们联系起来。神经元功能与胆固醇代谢之间的可能联系说明，一旦把这些碎片拼在一起，就能为思考疾病生物学提供新方式。” ——Tomasz Nowakowski博士，加州大学旧金山分校（UCSF）神经外科副教授

研究人员现在就可以开始探索这些发现。推理图谱已开放获取，科学家可以借此比较相关基因、调查意外反应，并找到值得跟进的有前景线索。当不同领域的研究人员汇聚专长，以意外的方式把熟悉的概念联系起来时，新发现往往就会涌现。AI可以通过把新数据与分散在各学科的知识相连，大幅扩展这类联系。这一机会不仅仅是更快地分析数据。把AI与实验生物学、人类专长和科学文献结合起来，我们可以帮助科学家把更多数据转化为可检验的想法。

大型实验，意外线索

一项实验中最有意思的一些线索，往往落在科学家起初想要研究的故事之外。在一个涵盖数千种扰动的数据集里，这些线索很容易被忽略。

智能体发现了Tsc1和Tsc2之间的一个意外差异。这两个基因共同控制mTOR——细胞生长、代谢和衰老的主要调控因子。在几组神经元中，扰动其中任何一个基因都会产生相似影响。但在负责协调运动的小脑里，扰动Tsc2改变了数十个参与神经元通信的基因的表达，而扰动Tsc1几乎没引起变化。

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，但与疾病相关的学习和行为困难仍然难以应对。智能体锁定了一组值得研究的特定神经元和细胞变化：现有药物可能纠正哪些变化，哪些变化又可能指向新的治疗思路？这为研究人员提供了一组更具体、可在实验室中检验的问题。

分工协作，深化推理

如果让单个智能体处理整个数据集，它能和数千个并行工作的智能体做得一样好吗？我们在保持模型和资源不变的情况下测试了这一点。随着工作量增加，单个智能体检索的文献越来越少；在最大工作量下只引用了11篇参考文献，而分布式智能体引用了700多篇。人类专家也更偏好分布式智能体的解读。

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反应，包括细微或意外的反应，并把它们与相关科学文献联系起来。并行运行这些智能体，可以同时研究多种扰动。这有助于科学家挖掘实验中更多的内容，找出原本可能遗漏的有前景线索。

找到值得做的下一个实验

当一个发现指向一个值得做的实验时，它就变得更有价值。智能体在DCTN1基因中找到了这样一条线索；该基因突变会导致Perry综合征，一种伴有帕金森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，扰动Dctn1会提高参与胆固醇合成的基因的表达。智能体把这一观察与一项研究联系起来：该研究提示，胆固醇运输出问题可能导致细胞合成更多胆固醇。这就为后续实验提出了一个问题：扰动DCTN1是否会改变胆固醇在神经元内的分布，而这些变化又是否会导致神经退行性变？如果是，恢复正常的胆固醇分布能否帮助保护神经元？

人类专家也认为这一假说新颖、重要且值得跟进。这个例子展示出，把意外结果与现有知识联系起来，如何能把线索变成可检验的想法，并可能开辟治疗疾病的新方向。

在盲评比较中，人类专家在75%的情况下更偏好分布式智能体报告，而不是单一智能体报告。

科学家仍然是发现的核心。通过找出更多有前景的线索，AI可以帮助研究人员决定推进哪些想法、设计实验并解读结果。其目标是把生物学实验中的更多信息转化为知识，随着时间推移，这些知识能帮助指导开发更好的药物。

多数人质疑该成果只是“潜在线索”层面的老调重弹，认为真正的瓶颈是临床验证而非生成假设。另有不少人嘲讽这是为维持行业热度与估值的公关，少数人则从药物可及性、AI 定位偏差和方法设计等角度提出具体批评。

认为生成线索不是瓶颈，临床验证才是关键

• 潜在靶点和药物设计想法几十年来都不稀缺，真正的瓶颈是耗资耗时、成功率低下的人体临床试验；很多资金充足的 AI 制药公司同样不缺“潜在线索”，最终都被迫自己下场做药，承受与传统药企一样的周期、成本和失败率。由于缺乏专有数据，OpenAI 的线索可能更差；而即便给出的 DCTN1 假设也不过是模糊且廉价的设想，博士生随时能提出。若 AI 真要帮上忙，更该用于协助科学家应对试验复杂性与监管负担。（较多人） > 临床科学早已充斥各种合理的“潜在线索”，瓶颈从来都在临床开发，也就是人体试验。（@mdevere）

认为这是为维持行业热度与估值的公关炒作

• 不少评论认为，AI 实验室正拼命阻止行业炒作看起来正在雪崩式冷却，这份半成品新闻稿和“新线索”的平淡表述，更像是怕市场意识到前沿 AI 无法像颠覆软件工程那样快速颠覆其他行业而导致估值泡沫破裂。有人直接斥之为无耻的公关废话，要求拿不出真实治愈成果就闭嘴；也有人讽刺其只是咬了一口“苹果”就想让别人吃完、顺便讨要天价估值。（较多人） > 如果市场开始相信前沿 AI 不会以颠覆软件工程的速度去颠覆其他行业，估值泡沫就会破裂。（@crmd）

质疑即使靶点成立也难有实际疗法，且忽视生活方式等因素

• 有人指出，即便 DCTN1 与阿尔茨海默病有关联，最终也不过是发明药物去调节酶，可能只对极少数人有效且价格高到无人负担得起；并强调饮食、个人遗传与环境对阿尔茨海默病的影响要大得多，这种还原论的药物研发思路本身就有问题。（少数人） > 众所周知饮食对阿尔茨海默病影响很大，这主要是个人遗传和环境问题。（@Noaidi）

认为成果避重就轻，且错把 AI 当作万能救世主

• 新闻稿用大篇幅讨论“人类专家是否更偏爱分布式代理报告”，而不是去谈治愈阿尔茨海默病和癌症，被认为完全跑题；LLM 本应被当作编码工具来营销，而不是世界的救世主或毁灭者，此前宏大语气后抛出“新线索”显得格外平淡。（少数人） > 我们本该是在治愈阿尔茨海默病和癌症，却浪费版面去问人类专家是否更喜欢分布式代理的报告。（@suddenlybananas）

认为若真取得根本性科学发现便值得肯定

• 少数人持“有条件期待”态度：虽然 AI 此前夺走了数学家、工程师和生物学家的工作乐趣，但如果这次能发现真正基础且杰出的成果来帮助全人类，他们愿意原谅。（少数人） > 如果 AI 能发现某种根本且杰出的东西来帮助我们所有人，我愿意原谅它此前偷走的乐趣。（@RomanPushkin）

有价值的补充

• 实验设计存疑：先做 perturb-seq 实验，再为库中每个基因启动一个 agent，这在行家看来极其低效，除非目的就是烧掉数百万 API 额度。
• 生物学冷知识：DCTN1 已知与某种罕见病相关，其正常功能包括将自噬体导向溶酶体以降解细胞废物；该降解机制若受损，确实可能导致神经退行性病变，所以相关设想虽合理但并不新鲜。