当OpenAI、PerturbAI和斯克里普斯研究所（Scripps Research）将近2000个AI代理指向有史以来构建的最大因果基因组数据集之一时，这个“群体智能”（swarm）系统在32分钟内完成了一项分析，而人类团队独自完成这项工作可能需要数月甚至更长时间。周三（10月21日）公布的结果是一个公开可用的“推理图谱”，该图谱绘制了770万个小鼠脑细胞中的基因扰动与候选生物机制之间的映射关系，其中包括一个新的线索，将DCTN1基因与胆固醇代谢联系起来——这为针对肌萎缩侧索硬化症（ALS）、帕金森病和其他神经退行性疾病的药物研发提供了潜在突破口。OpenAI的公告详细介绍了该项目的全部范围。

这项研究于10月16日作为预印本发表在bioRxiv上，尚未经过同行评审，它直接检验了一个看似简单的假设：并行部署AI代理（每个基因扰动对应一个代理）能够以单个代理按顺序运行无法实现的方式扩展生物学解释能力。由博士级生物学家进行的盲测评估给出了明确的答案：群体智能系统的输出结果优于单个代理，偏好比例为三比一。

科学家一直无法快速完成的工作

PerturbAI是一家原生的AI治疗公司，于2026年3月从隐身模式走出，它使用Perturb-seq构建了全脑体内CRISPR图谱，这是一种结合CRISPR基因编辑和单细胞RNA测序的高通量技术。当PerturbAI首次公开发布该图谱时，GenomeWeb对其启动进行了报道。对于图谱中约1947个基因扰动中的每一个，该技术记录了小鼠大脑中的完整转录反应：当目标基因被敲除时，大脑各细胞类型中哪些基因的活性增强或减弱。结果是一张因果图，而非相关性图——这是使该数据集具有科学价值的关键区别之一。PerturbAI的官方新闻稿详细描述了该平台。

自公开发布以来，该图谱已被下载超过3万次。然而，其科学潜力直接遭遇了现代生物学普遍面临的一个瓶颈：大规模生成数据现在已变得可行，但解读数据却并非如此。图谱中约1947个基因扰动谱中的每一个都需要对照数十个领域中数十年来的碎片化文献进行交叉引用。研究人员估计，如果一个人類团队每次处理一个基因——每个基因扰动大约需要15分钟的分析时间和10分钟的阅读时间——仅仅梳理该数据集包含的表面内容就需要数月到一年的时间。

这种解释差距正是分布式推理框架旨在解决的问题。

分布式生物推理如何工作：解决上下文窗口瓶颈

该架构围绕任何单一AI模型都不可避免地遇到的一个约束条件构建：上下文窗口饱和。当要求一个代理处理整个大型数据集时，随着数据集的增长，分配给任何一个基因扰动的上下文比例都会缩小。在团队测试的最大工作量下，单个GPT-Rosalind代理仅为整个图谱检索到约11篇文献参考文献——因为在容纳数据集后，它几乎没有剩余的上下文用于文献搜索。OpenAI的公告详细解释了这种架构权衡。

并行群体智能系统完全避开了这一限制。与其让一个代理兼顾整个数据集，不如将近2000个GPT-Rosalind代理中的每一个分配给恰好一个基因扰动。该代理的整个上下文窗口都专用于该单个基因：它检查细胞反应，独立搜索科学文献，并提出生物机制来解释其发现。然后，将各个报告合并成团队所谓的“推理图谱”——这是一个结构化的、可搜索的知识层，将每个基因与其细胞效应、相关出版物和候选机制解释联系起来。

在测试的最大工作量下，分布式代理检索了700多篇文献参考文献，而在相同规模下运行的单个代理仅检索到约11篇——覆盖率高出数百倍。发表的预印本证实，分布式代理“随工作量扩大文献覆盖范围，检索到的参考文献数量是单代理模式的数百倍。”

这主要不是一个关于速度的故事，而是一个关于架构的故事：并行化为每个代理提供了干净的上下文，而干净的上下文产生了相应更深入的推理。32分钟的运行时间是并行设计的副产品，而非设计的目标。

AI代理发现了人类分析师未曾揭示的内容

最引人注目的线索来自DCTN1，这是一种编码名为dynactin-1的蛋白质的基因，该蛋白质对于神经元内部分子货物的运输至关重要。DCTN1突变会导致佩里综合征（Perry syndrome）——一种罕见的神经退行性疾病，特征是快速发作的帕金森症状、抑郁和呼吸衰竭——并且与ALS、额颞叶痴呆和进行性核上性麻痹有关。

当AI代理检查DCTN1受到扰动时大脑中其他基因发生的变化时，他们发现参与胆固醇生物合成（即制造胆固醇的细胞过程）的基因活性增加。一个代理提出了一种解释：当DCTN1相关的运输功能崩溃时，神经元可能会增加胆固醇产量，以补偿它们无法再通过正常轴突运输有效分布的胆固醇。这一假设将DCTN1扰动与特定的代谢后果联系起来，为研究佩里综合征及相关疾病中神经退行性变的发生机制提供了新角度。OpenAI的博客文章描述了这一线索及其重要性。

盲测专家评审给予DCTN1胆固醇线索较高的后续研究优先级。这一评级使其跻身于他们认为最值得在实验室中 pursued 的线索之列。

代理们还检测到了与结节性硬化症相关的发现，这是一种与TSC1和TSC2基因突变有关的疾病。虽然这两个基因都调节mTOR（细胞生长和代谢的中心控制器），但在小脑中扰动每一个基因产生的效果截然不同。扰动TSC2改变了小脑神经元中数十个参与神经元通讯的基因的活性，而在同一细胞类型中扰动TSC1几乎没有任何变化。TSC1和TSC2之间的区别具有临床意义：小脑异常与结节性硬化症患者的TSC2突变强烈相关，这一发现为研究人员提供了一个具体的细胞问题，以便针对现有和潜在的治疗方法进行测试。

“有时线索已经存在，分散在不同的领域——我们只是没有将它们连接起来，”加州大学旧金山分校（UCSF）神经外科副教授、该项工作的独立专家评论员Tomasz Nowakowski博士说。完整评论出现在OpenAI的博客文章中。“神经元功能与胆固醇代谢之间可能存在的联系表明，一旦将这些片段汇集在一起，就能为我们提供一种思考疾病生物学的新方式。”

群体智能系统针对先前人类工作验证了什么

该研究的方法论测试之一是让代理访问原始图谱数据，但无法访问原始研究人员撰写的关于该数据的论文。在盲测状态下，分布式代理恢复了原始论文中大多数可核查的发现。这一结果表明，该系统不仅仅是在生成听起来合理的输出——它能够从基础数据中恢复记录在案的发现并加以扩展。

在直接对比中，盲测人类专家在75%的情况下更倾向于分布式代理的报告，而不是单代理报告。专家们从新颖性、证据支持、后续研究优先级和置信度等多个维度评估了输出质量。对不同基因扰动的偏好是一致的。

用于部署多代理框架的软件已在GitHub上以MIT许可证发布，推理图谱本身也可公开访问，允许任何机构的研究人员检查代理的解释，比较具有相关效应的基因，并为其自身项目识别候选线索。

背景：OpenAI在生命科学领域的扩张

该项目是OpenAI进军生物研究更大战略举措的一部分。该公司于2026年4月推出了GPT-Rosalind——一种专为生物化学、药物发现和基因组学打造的推理模型——并与安进（Amgen）、莫德纳（Moderna）、赛默飞世尔科技（Thermo Fisher Scientific）和艾伦研究所（Allen Institute）建立了合作伙伴关系。在公布推理图谱的前一天，即10月20日，OpenAI宣布收购Orchestra Bio，这是一家位于旧金山的平台公司，利用AI代理帮助制药团队协调药物开发项目，并将其纳入Rosalind产品套件。

PerturbAI的合作已进行了大约一年。其宣布的下一阶段是使用PerturbAI专有的因果体内数据集进行联合药物靶点发现，这些数据集目前涵盖大脑以及代谢疾病和衰老领域。

OpenAI生命科学主管Joy Jiao表示：“并行运行近2000个代理展示了我们如何随着高通量实验扩展生物学解释能力，帮助研究人员将这些发现转化为更好的药物。”

PerturbAI首席执行官兼联合创始人Grace Zheng博士将该系统描述为对药物开发早期阶段结构性问题的回答：“新型药物靶点发现仍然很大程度上依靠偶然性，往往需要在有足够的机制证据之前就做出投资决策。通过将直接在生命系统中生成的大规模因果数据与前沿AI相结合，我们与OpenAI的合作使得更快、更深入地调查更多生物数据成为可能，并使靶点发现更加系统化。”

OpenAI并不是唯一追求这一策略的公司。Anthropic于2026年4月以约4亿美元收购了Coefficient Bio，而Google DeepMind的Isomorphic Labs已筹集27亿美元，并计划在2026年底前将其首批AI设计的候选药物推向临床试验。自2019年以来，生命科学领域吸引了累计超过170亿美元的AI投资。每种获批药物的开发成本约为26亿美元，通常需要10到15年，且临床失败率约为90%。

剑桥大学干细胞医学主席、人类细胞图谱创始联合主席Sarah Teichmann博士提出了更广泛的意义：“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象的发现。AI可以帮助更多研究人员探索这些资源，并将意外的观察结果转化为需要测试的新问题。”

重要注意事项：是假设，而非结果

DCTN1胆固醇线索以及推理图谱提出的每一个其他候选线索都是假设，而非经证实的发现。该预印本尚未经过同行评审。代理可能会产生听起来自信但事实错误的解释——这是基于大型语言模型的科学工具中记录的一类错误，在2026年一篇关于AI代理在制药研发中的应用的文章以及生物医学AI幻觉率的独立分析中均有提及。胆固醇与神经退行性变之间的联系需要经过实验室实验验证，才能被视为经过验证的靶点。

群体智能系统与人类团队之间“数月到一年”的比较是基于假设的单任务持续时间（每个基因扰动分析15分钟，每篇论文10分钟）得出的估算值，而非让人类团队与系统同时进行的对照试验。此外，14位预印本作者中有8位是OpenAI或PerturbAI的员工，包括PerturbAI的两位联合创始人——尽管预印本的利益冲突声明中承认了这一利益冲突，但在评估团队对结果的描述时仍值得权衡。

该实验可信地确立的是架构层面的结论：即在数百或数千个AI代理之间并行化解释，可以扩大研究人员可以积极推理的基因组数据集的范围。该系统提出的特定线索在实验室测试中的存活率是否高于传统方法识别的线索，仍然是一个开放性问题——而这正是PerturbAI与OpenAI合作宣布的下一阶段旨在开始回答的问题。

作者在预印本中写道：“阅读文献、权衡解释和选择决定性实验仍然是科学培训和判断的核心，而代理则扩大了研究人员可以追求的问题范围。”

常见问题解答

当单个AI模型可以查看相同数据时，AI代理并行化如何帮助药物发现？

单个AI模型分析大型生物数据集时会遇到一个根本性的约束：其上下文窗口会被填满。随着需要分析的基因扰动数量增加每个基因可用于文献搜索的注意力比例就会缩小。在本研究测试的最大工作量下，单个GPT-Rosalind代理总共仅检索到约11篇文献参考文献。当成千上万的代理各自独立处理一个基因扰动时，他们共同检索到700多篇参考文献——因为每个代理的全部上下文都专用于单一任务。并行群体智能系统相对于单个模型的优势不仅仅在于速度；由于避免了上下文饱和，它对每个基因扰动的推理比任何单个模型都更彻底。

什么是GPT-Rosalind，它与标准的ChatGPT有何不同？

GPT-Rosalind是OpenAI于2026年4月推出的专用AI推理模型，专门用于生命科学研究——生物学、药物发现、生物化学、基因组学和转化医学。The Decoder对此次发布的报道提供了其能力的有用总结。它经过训练和微调，适用于科学推理任务，包括证据综合、假设生成、文献综述以及与科学数据库的集成。它与通用型ChatGPT的不同之处在于，它具有更深的生物系统领域知识，并且通过OpenAI的可信访问计划，仅限经过审查的研究机构和制药公司访问。

该系统的药物靶点线索真的有效吗——有什么在实验室中得到证实了吗？

还没有。DCTN1-胆固醇线索以及推理图谱提出的每一个其他候选线索都是假设，仍需进行实验室测试。描述该系统的预印本尚未经过同行评审，作者明确指出输出代表“需要测试的问题”，而非经证实的结果。药物发现的历史也是一部充满希望的计算或AI生成的靶点在细胞、动物和人体测试中失败的历史——该领域的临床失败率约为90%，这一状况已持续数十年。这项工作的意义在于架构层面：它展示了一种每美元和每小时分析产生更多线索的方法，而不是绕过验证过程的捷径。

谁拥有推理图谱，其他研究人员可以使用它吗？

推理图谱是公开可用的。用于构建它的软件框架已在GitHub上以MIT许可证发布，基础图谱数据可在Hugging Face数据集页面访问。任何研究团队都可以探索推理图谱，以检查基因扰动解释，比较相关基因，并识别与其自身研究项目相关的线索。PerturbAI表示，其与OpenAI合作的下一阶段将涉及专有数据集，但这项已发表研究中的推理图谱是开放的。