深度解析医学证据，lxfs.net为你支撑决策 基因筛选是探究基因功能的一种基本方法，可将而将数千种基因变异与表型关联起来，发现参与特定生物过程的通路。随着筛选研究的规模和复杂性不断增加，其结果分析与解读逐渐受到限制。人工智能（AI）的快速发展迅速提升了生物数据的分析能力，AI智能体已被广泛用于生物医学分析、单细胞数据处理，以及相关数据证据整合等。但这些能力能否在大规模、按细胞类型划分的扰动图谱中实现扩展，且不牺牲解释的深度，目前仍不清楚。 为此，PerturbAI、OpenAI及其合作团队开发了一种基于分布式生物推理的AI智能体架构，用于大规模、高复杂性生物学实验（例如全脑CRISPR Perturb-seq图谱）的数据解读。该架构的核心是为每个扰动任务分配一个独立的AI智能体，使其并行工作，各自分析扰动带来的细胞类型特异性转录组变化，并将数据结果与文献整合，最终形成AI智能体对整个实验的全面、可排序、有证据支持的生物学解读。该AI架构能够帮助科学家们快速分析庞大的实验数据集，将研究结果与现有的理论联系起来，并提出可验证的假设，进而大规模地全面揭示生物学规律。
小鼠全脑CRISPR Perturb-seq研究在覆盖全脑细胞多样性的基础上生成了近2000种基因扰动。分析这些数据需要统计学、基因组学和神经科学领域的专家团队协作，但仍有大量数据未被充分注释生物学信息。研究团队利用这些数据对新开发的分布式AI推理智能体对进行了测试。
该测试分别独立运行了1946个AI智能体，每个智能体获得按细胞类型划分的不同表达基因（DEG）特征、实验背景，以及共享的提示和编码环境，包括分析工具和文献访问权限（图1A）。研究运行的AI智能体由OpenAI开发的生命科学专用AI模型GPT-Rosalind-5.5驱动，可自主查看数据，比较不同扰动结果，并开展针对特定扰动的深入分析，生成结构化报告，包括研究发现、定量证据（如DEG变化）、生物学解释、参考文献、注意事项以及建议的后续实验。基于这些结构化报告构建的信息图谱，可将扰动、发现、基因、通路、细胞类型和支持性证据相互关联。
在原始研究及结论被完全隐藏的情况下，分布式AI推理智能体仅基于DEG数据成功复现了94.5%（52/55）的发现，关键结论包括蛋白酶体亚基扰动的收敛性、丘脑对SWI/SNF复合物破坏的敏感性，以及Grin2a/Grin2b扰动的对立效应。智能体还超越了原始研究，进一步区分了补偿性应激程序与神经元转录抑制。
图1.分布式AI智能体复现并扩展了对全脑CRISPR Perturb-seq图谱的分析。
该架构中，下游智能体负责将每个发现与现有文献进行比对，并标记：一致（有文献支持）、推断（有机制研究支持，但无直接匹配的分析）、不一致（与文献冲突）、或未检索到相关文献。在该智能体产生的1,519项高置信度发现中，69.5%有文献支持（一致27.6%，推断41.9%），6.6%与文献冲突，23.8%没有检索到相关文献（图2A-B）。值得注意的是，在并行运行的多个智能体实例中，共记录了39,185篇论文阅读量，保留了16,445条引用信息，每种干扰条件下的平均阅读和引用数量集中在约19篇论文和8条引用，并行执行耗时约32分钟；相比之下，人工分析和文献综述通常需要数月至1年的时间（图2C-D）。
在保持相同模型、提示、工具和数据访问的前提下，随工作负载增加（从1个到893个扰动），研究关注了与可检测转录响应相关的扰动。当扰动数量达到893时，单一AI智能体模式性能严重退化（仅引用11篇），“未检索到相关文献”标记的比例逐渐上升，而分布式AI智能体保持了文献检索的广度和深度（超711倍的文献），显示出分布式架构在可扩展性上的巨大优势，并在不同靶点和情境下保留各类标记之间的差异。
图2.分布式AI智能体可全面保留目标文献基础。
除了复现已有生物学实验结果，该分布式AI智能体还能预测未知的扰动响应（图3）。经训练集（1674个扰动）中的DEG数据训练，该架构在测试集（272个扰动）不同响应强度和生物学功能范围的扰动下，实现了0.705的平衡准确率，准确识别了82%（142/172）的零DEG扰动，以及59%（59/100）的非零DEG扰动。分析发现该预测准确率取决于训练集是否包含生物相关基因的扰动。当这些相关扰动产生的DEG数量与测试集扰动相似时，预测误差较低；而当其DEG数量差异较大时，预测误差较高。
此外，智能体还能基于转录组数据预测哪些扰动会导致神经元耗竭（细胞数量减少），且其性能优于基于DEG数量、应激信号或DepMap必要性评分的基线模型。
图3.分布式AI智能体预测未知的扰动响应。
为了评估该分布式AI智能体给出的优先级评分是否与人类判断一致，研究招募了30名博士级别的生物学专家，对60份报告进行盲测评审。结果显示，智能体生成的优先级分数与人类专家的评估高度相关，尤其是在新颖性和后续研究优先级方面。其中，75%（45/60）的专家判断更偏好分布式智能体的解读，而非单智能体。因此，分布式智能体架构对于专家评审中的发现优先级排序具有实用价值。
图4.盲测中，75%的情况下，人类专家更倾向于选择分布式智能体生成的报告。
此外，智能体在Dctn1基因分析中有新的发现，其干扰后神经甾醇生物合成基因上调。DCTN1参与细胞内运输以及胆固醇敏感性内体定位，其功能障碍与神经退行性疾病相关这，该机制值得进一步研究。例如DCTN1基因的破坏是否影响神经元内胆固醇的分布？这种变化是否会导致神经元退化？如果确实如此，那么恢复正常的胆固醇分布是否有助于保护神经元呢？
总之，这一分布式AI智能体架构能够以远超人类的速度和深度，从大规模、高复杂性的生物学实验中自动提取、验证、关联并优先排序生物学发现，开辟了AI驱动的科学发现新范式。
据悉，该研究建立在PerturbAI与OpenAI为期一年的合作基础之上，如今这一合作正在向联合药物靶点发现领域拓展，届时将会运用于PerturbAI所拥有的独特因果生物学数据。借助PerturbAI的这些因果性数据，PerturbAI与OpenAI将运用各自的AI推理框架来寻找新的药物靶点。
PerturbAI首席执行官兼联合创始人Grace Zheng博士表示：“生物医学实验产生的数据速度远远快于科学家们处理这些数据的能力，因此许多有潜力的新发现很可能被忽视。通过将直接在生物系统中获取的大规模因果关系数据与先进的AI技术相结合，我们与OpenAI的合作可帮助更快、更深入地分析更多的生物数据，从而更系统地寻找研究目标。”
OpenAI生物科学部门负责人Joy Jiao表示：“通过将PerturbAI的实验数据与OpenAI的推理能力相结合，我们能够帮助科学家们发现新的生物学规律，并为药物研发提供有价值的线索。PerturbAI的发现引擎在规模、质量以及速度方面都表现出色。同时运行近2,000个智能体，体现了我们如何在高效实验的同时提升对生物现象的分析能力，从而帮助研究人员将这些研究成果转化为更有效的药物。”
参考资料：
1.https://www.biorxiv.org/content/10.64898/2026.10.15.759436v1.full
2.https://openai.com/index/scaling-ai-research-for-complex-biological-data/