數千 AI 代理在生物資料中發掘新線索
Using thousands of AI agents to uncover new leads in biological data
GPT‑Rosalind 驅動的數千 AI 代理在 32 分鐘內完成對數百萬隻小鼠腦細胞的分析，並發現多個潛在的神經退化機制。
- 分散推理：每個代理針對單一基因突變，搜尋文獻並提出機制，最終合併成「推理圖譜」。
AI 代理分散推理在生物資料分析上實現數十分鐘完成任務，顯著加速疾病研究。
如果科學家能在數分鐘內而非數個月內發現關於阿茲海默症和帕金森症的新線索，會怎樣？OpenAI、PerturbAI（在新視窗開啟）和Scripps Research（在新視窗開啟）合作，利用數千個由 GPT‑Rosalind（在新視窗開啟）驅動的 AI 代理，僅用 32 分鐘即分析並詮釋來自數以百萬計的鼠腦細胞（在新視窗開啟）的現有實驗資料。這些代理將基因失活的效應與科學文獻的發現相連結，發現意想不到的生物學聯絡，幫助科學家瞭解疾病並確定新治療研究方向。此研究展示了 AI 如何協助研究者深入探索大型生物實驗揭示的更多資訊。
現代實驗產生的資料遠超科學家能夠徹底調查的範圍。研究人員現在能改變數千個基因，並測量其在數百萬個細胞中的效應。但要理解這些結果對人類疾病的意義，需要將複雜的實驗發現與數十年零散的科學知識相連結。這正是 AI 能協助科學家發掘可能被忽略的有前景線索之處。
「我們建立細胞圖譜，讓其他科學家能發現我們尚未想像到的發現。AI 能協助更多研究者探索這些資源，將意外觀察轉化為可測試的新問題。」
— Sarah Teichmann，博士，劍橋大學幹細胞醫學主席，Human Cell Atlas 創始共同主席
團隊將分析分配給數千個由 GPT‑Rosalind（在新視窗開啟）驅動的 AI 代理，我們稱之為分散式生物推理。代理們檢視了全腦 CRISPR 圖譜（在新視窗開啟），這是一個展示基因失活如何影響鼠腦不同細胞型別的資料集。每個代理調查一個基因失活，分析細胞反應，搜尋科學文獻，並為結果提出解釋。它們的報告被整合成一個推理圖譜，連結基因、細胞效應、相關出版物和可能的生物機制。
研究團隊估計，若以人類逐一分析每一次擾動並進行文獻回顧，將需要數月到一年。AI 代理重現了人類分析的結果，並發現了額外線索。它們對新穎性和科學價值的評估也與盲審人類專家的判斷一致。這些發現有助於優先安排進一步實驗，以測試所提出的生物機制。
其中一些洞見指向理解腦部疾病的新線索。代理們發現兩個與疾病相關基因對腦細胞的影響存在意外差異，並揭示膽固醇調控與神經退化之間的潛在聯絡。這些發現可協助科學家探究疾病的發展機制以及未來治療可能介入的部位。
「有時線索已經存在，只是散落於不同領域——我們尚未將它們連結。神經元功能與膽固醇代謝之間的潛在聯絡，展示了將這些碎片結合後，如何為我們提供重新思考疾病生物學的新視角。」
— Tomasz Nowakowski，博士，UCSF 神經外科副教授
研究人員今天就能開始探索這些發現。推理地圖已經 可取得（在新視窗開啟），讓科學家能比較相關基因、調查意外反應，並找出值得追蹤的有前景線索。新發現常在不同領域的研究者結合專長並以意外方式連結熟悉概念時產生。人工智慧可透過將新資料與散佈於各學科的知識相連結，顯著擴大這些連結。機會不僅僅是更快分析資料。結合 AI、實驗生物學、人類專業知識與科學文獻，我們能協助科學家將更多資料轉化為可驗證的想法。
大型實驗，意外線索
實驗中最有趣的線索往往不在科學家所研究的故事之外。 在涵蓋數千次擾動的資料集中，這些線索很容易被忽略。
代理程式發現 Tsc1 與 Tsc2 之間有意外差異，兩者共同調控 mTOR，mTOR 是細胞增長、代謝與衰老的主要調節因子。破壞任一基因在多個神經元群體中產生相似效應。但在協調運動的腦小體中，Tsc2 破壞改變了數十個涉及神經傳遞的基因活性，而 Tsc1 破壞則幾乎沒有改變。
這種差異可能與人類疾病相關。在患有結節性硬化症的人中，腦小體的異常與 TSC2 突變密切相關。雖然降低 mTOR 活性的藥物可治療某些腦腫瘤和癲癇，但與疾病相關的學習與行為困難仍難以解決。代理程式指出一個值得研究的特定神經元群與細胞變化：哪些變化可能被現有藥物矯正，哪些可能提示新的治療方法？這為研究人員提供了更具體的實驗室測試問題。
分工合作，深化推理
單一代理程式在擁有整個資料集的情況下，能否與數千個並行運作的代理程式相媲美？我們在保持模型與資源不變的情況下進行測試。隨著工作量增加，單一代理程式搜尋文獻的範圍縮小，最大工作量下僅引用 11 篇參考文獻，而分散式代理則引用超過 700 篇。人類專家也更偏好分散式代理的解釋。
科學家時間有限，通常聚焦於資料中最強烈的訊號。分散式代理可協助檢視更廣泛的反應，包括微妙或意外的反應，並將其與相關科學文獻相連結。並行執行代理可一次調查多個擾動，幫助科學家深入探索實驗內容，發現可能被忽略的有前景線索。
_在最大工作量下，分散式代理引用超過 700 節參考文獻，而單一代理僅引用 11 節._
尋找下一個值得進行的實驗
當發現能指向值得進行的實驗時，其價值會提升。代理程式在 _DCTN1_ 中找到一個此類線索，DCTN1 的突變會導致佩裡症候群，一種具有帕金森樣症狀的神經退行性疾病。
DCTN1 參與神經元內貨物運輸。在全腦 CRISPR 地圖中，破壞 Dctn1 會增加參與合成膽固醇的基因表達。研究人員將此觀察與研究結論相連，指出膽固醇運輸問題可能導致細胞產生更多膽固醇。這引出了後續實驗的問題：DCTN1 破壞是否會改變膽固醇在神經元內的分佈，並且這些變化是否會促進神經退化？如果是，恢復正常膽固醇分佈是否能保護神經元？
人類專家亦認為此假設新穎、具有重大意義且值得進一步追蹤。此例說明將意外結果與現有知識相連結，能將線索轉化為可測試的想法，並可能成為治療疾病的新方向。
在盲測比較中，人類專家在 75% 的情況下偏好分散式代理報告，而非單一代理報告。
科學家仍是發現的核心。透過發掘更多有前景的線索，人工智慧能協助研究者決定哪些想法值得追進、設計實驗並解讀結果。目標是將生物實驗中更多資訊轉化為知識，隨時間推移協助引導更佳藥物的開發。