OpenAI GPT-Rosalind 与用于大规模数据分析的分布式生物推理

利用分布式 AI 智能体扩展生物学发现

OpenAI 与 PerturbAI 和 Scripps Research 合作，展示了一种使用数千个由 GPT-Rosalind 驱动的 AI 智能体进行生物数据分析的新方法。该系统在 32 分钟内成功分析了来自数百万个小鼠脑细胞的数据，而这项任务估计需要人类研究人员花费数月甚至一年的时间。通过分配工作负载，这些智能体能够将基因破坏数据与现有的科学文献联系起来，从而识别出新的生物学机制，并为阿尔茨海默病和帕金森病等疾病提供潜在的研究方向。

分布式生物推理方法

该研究利用“分布式生物推理”框架来处理全脑 CRISPR 图谱，该图谱绘制了基因破坏如何影响小鼠大脑中各种细胞类型的图谱。该过程的工作原理如下：

• 任务划分： 分析工作被分配给数千个独立的 AI 智能体。
• 调查： 每个智能体专注于特定的基因破坏，分析由此产生的细胞反应，并对科学文献进行有针对性的搜索。
• 综合： 智能体生成报告，将基因、细胞效应、相关出版物和提出的生物学机制联系起来。
• 推理图谱： 这些单独的报告被汇编成一个综合图谱，为研究人员提供了一个结构化的研究结果概览。

性能与扩展优势

测试表明，将工作负载分配给多个智能体比单一智能体方法的效果要好得多。当工作负载增加时，单个智能体的性能会下降，仅能引用 11 篇参考文献。相比之下，分布式系统保持了深度和广度，针对同一数据集引用了超过 700 篇参考文献。在盲测评估中，人类专家在 75% 的情况下更倾向于分布式智能体系统提供的解释，并指出这些智能体有效地识别出了人类研究人员可能因时间限制而忽略的细微或意想不到的信号。

识别新的研究线索

该系统已经针对神经退行性疾病产生了可操作的见解：

• Tsc1 和 Tsc2 分析： 智能体识别出了这两个基因影响小脑方式的显著差异，为研究结节性硬化症的研究人员提供了新的问题。
• 胆固醇与神经退行性变： 通过将 DCTN1 基因破坏数据与关于胆固醇转运的文献联系起来，智能体提出了一个将胆固醇代谢与佩里综合征（Perry syndrome）联系起来的假设。人类专家验证了这是一个新颖且重要的线索，可用于未来的实验测试。

对未来研究的影响

这种方法改变了科学家与大规模实验数据交互的方式。研究人员不再局限于分析最强、最明显的信号，而是可以利用 AI 来探索更广泛的细胞反应。由此产生的推理图谱可通过 GitHub 获取，允许科学界进一步研究这些联系。通过弥合实验数据与分散的科学知识之间的鸿沟，这种方法旨在加速可测试想法和潜在治疗干预措施的识别。