OpenAI 等用 1946 个智能体 32 分钟解读小鼠全脑 CRISPR 图谱
OpenAI showed that AI agents can handle the slowest step in modern biology, making sense of huge experiments.
OpenAI、PerturbAI 与 Scripps Research 用 1946 个 GPT-Rosalind-5.5 智能体，在 32 分钟内完成小鼠全脑 CRISPR 图谱解读，OpenAI 估计人工需数月。每个智能体只分析单个基因敲除的影响并检索文献，且未接触模型 2025 年 12 月知识截止后才发表的图谱论文，仍匹配或细化了表达数据可支持的 55 项已发表发现中的 48 项。方法核心是把一次巨型分析拆成近 2000 个单基因小任务并行执行，单个智能体处理 893 个基因时仅引用 11 篇文献，拆分后引用量为其 711 倍，盲审博士评审在 75% 的情况下更偏好拆分后的报告。
推荐理由
精选AI 评分 76
原文给出了把一次大规模分析拆成近 2000 个智能体并行执行的量化对比，方法本身可迁移到其他超大规模数据解读。
主题
查看原帖GPT-Rosalind surfaced a new lead for drug discovery: could restoring cholesterol transport protect neurons from degeneration? DCTN1 is a gene linked to Perry syndrome, a rare neurodegenerative disorder. In mouse-brain data, disrupting it increased expression of genes involved in making cholesterol. GPT-Rosalind suggested a possible explanation: cholesterol…
展开完整原文
GPT-Rosalind surfaced a new lead for drug discovery: could restoring cholesterol transport protect neurons from degeneration? DCTN1 is a gene linked to Perry syndrome, a rare neurodegenerative disorder. In mouse-brain data, disrupting it increased expression of genes involved in making cholesterol. GPT-Rosalind suggested a possible explanation: cholesterol may not be reaching where neurons need it. That gives scientists a specific mechanism to test and, if confirmed, a direction for developing new treatments for neurodegenerative disorders. With @perturbai_tx and @scrippsresearch, a team of thousands of GPT-Rosalind agents worked in parallel, connecting gene-expression results from millions of mouse brain cells with scientific literature in just 32 minutes. We’re now expanding this collaboration to identify new drug targets. https://t.co/oHdF3ELsMj
正文 · AI 翻译
OpenAI 展示了 AI 智能体能够处理现代生物学中最缓慢的环节，即解读庞大的实验。
通过将一项庞大的大脑实验拆分给 1,946 个 AI 智能体，OpenAI 在 32 分钟内得到了它估计人类需要数月才能完成的结果：一份用于新脑部疾病研究的线索排名列表。
因此，生物学实验室现在能够产出远超其自身专家所能充分解读的实验。
OpenAI、PerturbAI 和 Scripps Research 让 1,946 个 GPT-Rosalind-5.5 智能体在 32 分钟内解读了一个全脑小鼠 CRISPR 图谱。
每个智能体分析单个基因敲除的影响并检索文献，且未看到图谱论文，该论文出现在模型 2025 年 12 月知识截止日期之后。
它们仍然匹配或改进了表达数据所能支持的 55 项已发表发现中的 48 项。
主要进展在于方法：将 1 项巨型分析拆分为近 2K 项小型分析，每个智能体负责 1 个基因，并同时运行全部。一个被分配 893 个基因的单一智能体仅引用了 11 篇论文，而拆分后的智能体引用次数是其 711 倍，且盲审的博士评审员在 75% 的情况下更青睐它们的报告。