OpenAI与PerturbAI和Scripps Research合作，展示了一种利用他们称为“分布式生物推理”框架来扩展生物研究的方法。通过部署由GPT-Rosalind驱动的数千个AI智能体，团队分析了一个全脑CRISPR图谱——这是一个详细记录特定基因干扰如何影响小鼠大脑不同细胞类型的数据集。每个智能体被分配一个特定的基因干扰项进行调查，任务包括分析细胞反应、检索相关的科学文献并提出生物学解释。这些智能体将各自的报告整合为一个“推理图谱”，该图谱将基因、细胞效应和潜在机制联系在了一起。
这张图片作为AI智能体负责绘制的复杂生物数据和神经结构的视觉呈现。
这种方法的主要机制是文献审查和数据解释的并行化。研究人员发现，虽然单个AI智能体可以处理数据，但在面对大规模工作负载时却显得力不从心；在最高工作负载下，单个智能体仅引用了11篇参考文献。相比之下，分布式智能体方法引用了超过700篇参考文献，为研究结果提供了更广泛的背景。这种方法使团队能够识别出意想不到的联系，例如胆固醇代谢与神经退行性变之间的潜在联系，以及Tsc1和Tsc2基因影响小脑的具体差异。这些智能体不仅能够重现人类主导的现有发现，还能揭示新的线索，例如关于DCTN1基因及其在胆固醇分布中作用的假设。
尽管AI输出的速度和广度令人瞩目，但该研究强调了生成“线索”与实现临床验证之间的区别。虽然智能体可以在几分钟内将数十年的零散知识合成可测试的假设，但药物研发中的实际瓶颈仍然是如何从理论线索过渡到经过验证的临床结果。此外，研究指出，虽然人类专家在75%的情况下更青睐分布式智能体的报告，但AI的角色旨在增强而非取代人类科学家。其目标是为研究人员提供一份优先排序的待测问题和机制清单，从而有效地将大规模实验数据转化为可操作的研究方向。