OpenAI 联手 PerturbAI 与 Scripps Research，数千个 AI 智能体在 32 分钟内完成小鼠全脑基因扰动分析

一句话结论

OpenAI 等团队部署数千个 AI 智能体在 32 分钟内完成人工需数月的小鼠全脑基因扰动分析，显著提升生物医学研究效率。

关键要点

• 分析基于 GPT-Rosalind 模型，由数千个 AI 智能体协同完成小鼠全脑 CRISPR 图谱分析。
• 完整分析耗时 32 分钟，每个智能体负责单个基因扰动分析，人工完成需数月至一年。
• 人类专家在盲测中 75% 的情况下更偏好分布式智能体生成的报告，而非单一智能体报告。
• 智能体发现两个疾病相关基因间的意外差异，以及胆固醇调控与神经退行性变可能的关联。
• 分析产出的"推理图谱"（Reasoning Atlas）已在 GitHub 公开，配套论文发布于 bioRxiv。

背景与事实

OpenAI 与 PerturbAI 及 Scripps Research 合作，部署了数千个 AI 智能体来分析数百万小鼠细胞产生的生物数据。这些智能体运行在 GPT-Rosalind 模型之上，处理对象是全脑 CRISPR 图谱，该图谱记录了基因改变如何影响小鼠大脑中不同类型的细胞。整个分析过程仅耗时 32 分钟。

每个智能体专注于单一的基因扰动任务，分析细胞对基因改变的反应，并在科学文献中搜索相关解释。研究团队估算，由人工完成同等规模和深度的分析，通常需要数个月甚至一年的时间。这表明 AI 智能体在处理大规模生物数据时，速度优势十分显著。

分析过程中，智能体还发现了一些意外结果，包括两个疾病相关基因之间的差异，以及胆固醇调控机制与神经退行性疾病之间可能存在关联。在盲测比较中，人类专家在 75% 的情况下更青睐分布式智能体生成的报告，而非单一智能体生成的报告，说明多智能体协作在输出质量上具有优势。

最终产出的"推理图谱"（Reasoning Atlas）已在 GitHub 上公开，配套的学术论文也已发布在生物预印本平台 bioRxiv 上。OpenAI 表示，这些研究发现可以帮助研究人员优先确定在实验室中需要首先验证的机制，从而优化研究资源的配置。

影响分析

对于中文开发者与生物医学研究者而言，这项进展表明 AI 智能体在大规模生物数据分析领域已具备实际应用能力。32 分钟完成人工需数月的分析，意味着研究周期可大幅压缩，生物医学研究的效率有望提升。不过，这一结论基于小鼠细胞数据与 CRISPR 图谱分析场景，直接迁移到人类临床数据或复杂多器官系统时，仍需验证模型的有效性与可靠性。

对于中文开发者而言，GPT-Rosalind 模型的部署方式与多智能体协作架构具有参考价值，可用于其他大规模数据分析任务。但需要注意的是，该系统的核心优势在于分布式智能体并行处理单一基因扰动的模式，若研究任务涉及高度复杂的跨基因交互或需要大量人工验证的实验设计，现有架构可能无法直接适用。

适用边界

该结论适用于小鼠全脑 CRISPR 图谱分析、单一基因扰动响应评估及科学文献检索辅助场景。不适用于人类临床数据直接分析、复杂多基因交互建模、需要湿实验即时反馈的研究场景，或数据规模远小于数百万细胞的小型研究项目。

孤本观察

这是判断：从 32 分钟到数月的效率差距，核心驱动力在于数千智能体并行处理单一基因扰动的分布式架构，而非单一模型的算力提升；若未来将同类架构应用于其他生物医学数据场景，关键瓶颈可能从计算速度转向数据标注质量与专家验证环节。

来源：The Decoder