OpenAI 调动近 2000 个 AI 智能体，32 分钟分析一张小鼠脑 CRISPR 图谱

OpenAI周三宣布，其数千个 GPT-Rosalind 生物智能体联合分析了一张全脑小鼠 CRISPR 扰动图谱 —— 涵盖约 800 万个细胞和数千个基因敲除 —— 用了 32 分钟。团队估计同样的任务让人类研究者手动完成需要数月到一年。该结果记录在 10 月 16 日挂出的 bioRxiv 预印本中，显示在数据集规模上 AI 辅助生物学的主要约束不是每个智能体的推理质量，而是并行化架构：每个智能体独立处理一个基因扰动，所以数千个智能体可以同时搜索文献，而不是跨数百个问题共享单一的上下文窗口。

这项合作涉及 OpenAI、旧金山创业公司 PerturbAI 和斯克里普斯研究所，PerturbAI 联合创始人 Xin Jin 在后者作为霍华德·休斯医学研究所研究员主持一个神经回路基因组学实验室。

数据集：800 万个脑细胞，数千个独立的基因敲除

PerturbAI 的全脑图谱用 Perturb-seq 构建，这一技术把 CRISPR 基因敲除与单细胞 RNA 测序耦合。不同于多数已发表、使用培养细胞系的 CRISPR 筛查数据集，PerturbAI 的图谱在活体小鼠脑中生成，捕捉每个敲除如何在一个生理完整的系统中跨多种细胞类型影响转录 —— 培养模型经常遗漏的细胞类型特异效应。

PerturbAI 在一轮超额认购的种子前融资后于 2026 年 3 月结束隐身，此前它已与英伟达、艾伦研究所和单细胞测序提供商 10x Genomics 合作构建了该图谱。联合创始人 Grace Zheng 任 CEO；第二位联合创始人 Xin Jin 是预印本的通讯作者。图谱的结构 —— 数千个离散、独立的基因扰动，每个都有自己的转录读数 —— 恰恰是使大规模智能体并行化可行的原因：每个扰动都是一个自足的分析单元，有一个明确的输入（哪个基因被敲除）和一个明确的输出（哪些其他基因改变了表达、在哪些细胞类型中）。那种干净的可分解性不是所有生物数据集的特性，这部分解释了为什么 CRISPR 图谱分析是一个异常适合这一架构的问题。

GPT-Rosalind：OpenAI 的生物学专用推理模型

这些智能体运行在 GPT-Rosalind 上，一个 OpenAI 于 2026 年 4 月发布、以晶体学家 Rosalind Franklin 命名的生命科学推理模型。它通过 OpenAI 的生命科学插件连接到 50 多个专门的科学数据库，包括通路数据库、蛋白结构资源和文献索引。据 OpenAI 称，在 AI 生物推理基准 BixBench 上，GPT-Rosalind 领先所有受测系统；在 LABBench2 上，它在十一个任务类别中的六个胜过 GPT-5.4。两个数字都是开发者自报，且未经独立复现。

访问仍限于合格的研究组织。4 月确认的企业发布伙伴包括安进、莫德纳和赛默飞世尔。一个单独的 GPT-Rosalind 生物防御变体在额外的访问控制下存在 —— 反映 AI for 生物学部署中持续存在的两用顾虑。

智能体发现了什么：两条疾病-基因线索

预印本突出了分布式系统产出的两项疾病相关发现。

第一项关乎结节性硬化症，由 TSC1 或 TSC2 的突变引起。两个基因在同一信号通路中运作，普遍预期认为扰乱任一个都产生大致相似的神经效应。智能体检测到，Tsc2 扰动 —— 而非 Tsc1 —— 特异地改变了小鼠小脑中数十个神经元通信基因，同时还浮现出把那个脑区与结节性硬化症症状谱相联的已发表文献。如果在实验室得到验证，这种不对称可能支持为 TSC1 与 TSC2 突变携带者制定差异化的治疗策略。

第二项关乎 DCTN1，其突变引起 Perry 综合征，一种罕见且致命的神经退行性疾病。DCTN1 编码一个负责轴突货物运输的动力蛋白激活蛋白亚基。智能体发现 DCTN1 敲除增加了特定神经元类型中胆固醇合成基因的表达，并假设有缺陷的细胞内运输可能扰乱局部胆固醇分布 —— 一个针对 Perry 综合征所见神经元功能障碍的提议机制。胆固醇代谢已被牵连进尼曼-匹克病和部分阿尔茨海默病理，给这一假设增添了旁证性的生物学合理性。

所有逐基因的推理、引用和机制假设都汇编在一个公开可得的 GitHub 上的推理图谱中。

为什么并行化产出质上更深的分析

32 分钟这个数字会在头条里流传，但该架构的核心优势是质的而非时间的。在测试的最大工作负载下，单个 GPT-Rosalind 智能体引用了 11 篇科学文献；同样的工作负载分布到数千个智能体上产出了超过 700 篇集体引用。这不是对同一分析的更快检索 —— 它反映了一个顺序处理无法克服的不可约权衡：一个把上下文预算分摊到数百个基因上的单一智能体，必须浅尝每一个。一个恰好被分配一个基因的智能体，会以它把那个基因当作它遇到过的唯一问题时所用的完整推理深度去追究它。

分布式智能体还正确推断出未作为输入提供的留出扰动效应，并在无法访问原始研究手稿的情况下独立复原了其结论。在盲法评估中，75% 的人类生物学专家对同样扰动更偏好分布式智能体的解读、而非单智能体报告 —— 预印本把这一偏好归因于文献基础的深度和具体性，而非文风差异。其余 25% 对单智能体报告的偏好表明，分布式系统并非在每个基因上都一律胜过更简单的基线，而预印本没有报告单篇引用的引用准确率。

OpenAI 进入竞争激烈的 AI-生物学竞赛

OpenAI 不是这个领域的第一家。2026 年 5 月，Google 在《自然》发表了一篇关于 Gemini Co-Scientist 的论文，这是一个用于迭代生物医学假设生成的多智能体系统。FutureHouse 同月发布了其 Robin 多智能体研究助手。本月早些时候，围绕 Anthropic 的一项说法出现了审视 —— 其 Claude Science 部署（约 950 个智能体运行 21 小时）据称独立识别出噬菌体基因组中一种新的抗病毒酶，而独立科学家质疑其新颖性和验证方法。

延伸阅读：Anthropic 的生物学发现引发争议：AI 自主发现究竟到了哪一步

OpenAI 方法的区别在于对结构化图谱格式的利用。Google 的 Co-Scientist 用来自非结构化文献的顺序假设细化，一次生成一个假设，而非同时处理数千个预定义的实验单元。Anthropic 的部署作为单一项目调查运行，没有一个可系统性重新查询的可复用基底。相比之下，PerturbAI 的图谱提供了一个持久资源：随着新的生物学问题出现，任何未来的一组 GPT-Rosalind 智能体都可以对同样的 800 万个细胞重新布置任务，而无需重建数据集或重新设计架构。随着为人脑组织、癌症细胞系和临床基因组学队列产出可比数据集 —— 那里治疗赌注和人类专家解读的成本都更高 —— 同样的分布式智能体框架原则上可以直接应用。

仍未验证的东西

该预印本尚未经同行评审。Tsc1/Tsc2 小脑发现和 DCTN1/胆固醇假设都未经湿实验验证 —— 两者都是需要进一步研究的计算预测。「数月到一年」的人类对比是一个没有明确实验方案的陈述性估计。75% 的专家偏好数字衡量的是分布式对单智能体报告，而非智能体报告对专家撰写的科学分析。GPT-Rosalind 的基准结果是开发者自报；没有第三方审计检查过 BixBench 或 LABBench2 潜在的训练数据污染。

分布式智能体系统的直接意义在于，它展示了一个在数据集规模上可信的 AI 辅助生物学生产架构 —— 系统性地处理 800 万个细胞和数千个扰动，交付有大量文献基础的结构化疾病假设，而时间框架使全图谱分析在经济上可行。这些具体假设能否经受实验室检验，将决定这种深度在科学上是否富有成效。对该领域更有分量的问题是，可比的架构应用于有直接治疗靶点的人类数据集时，能否持续生成湿实验团队认为值得追求的假设 —— 这是一个尚无 AI-生物学系统在规模上达到的标准。