Michael Johnson2026 年 10 月 21 日，OpenAI 介绍了一项研究：数千个 AI 智能体用 32 分钟分析了针对数百万个小鼠脑细胞的干预数据。团队没有使用一个冗长的单一提示词，而是将工作分配给多个智能体：每个智能体研究一种基因干预，将细胞变化与论文进行比对，并提出可能的解释。最终成果是一个开放目录，汇集基因、细胞效应与科学文献之间的关联。
该项目由 OpenAI、PerturbAI 和 Scripps Research 共同参与。研究介绍和论文预印本展示了智能体系统的一种实际应用：并行检视大量实验结果，并将发现的关联转化为可供实验室验证的问题。当数据规模已经超出研究团队手动与分散的文献进行比对的能力时，这种做法尤其有用。
分析任务如何分配
GPT-Rosalind 智能体使用了一份全脑图谱，该图谱显示单个基因受扰动后对不同细胞类型的影响。每个智能体负责分析一种干预，研究细胞反应，检索相关论文并提出假设。随后，团队将各份报告汇总成 reasoning atlas（推理图谱），把观察结果与可能的机制和资料来源联系起来。
研究团队估计，如果按每次干预逐项手动进行类似分析，需要几个月到一年的时间。这一比较针对团队所描述的工作量，也是团队给出的估算；智能体重新分析的是已收集的数据，并未开展新的生物学实验。研究人员可以依据这些假设，判断哪些观察结果值得进一步验证。
团队为何使用数千个智能体
OpenAI 在保持模型和可用资源不变的情况下，将分布式方法与单个智能体进行了比较。随着任务规模扩大，在最大规模的测试场景中，单个智能体引用了 11 个来源，而分布式系统引用了 700 多个来源。在一项盲测比较中，专家有 75% 的情况下更倾向于分布式智能体的报告，而非单个智能体的报告。
这些数字仅适用于这项特定实验和专家评估。对科研团队来说，实际启示是：评估分析速度之外，还应检查资料覆盖范围、引用质量，以及结果能否转化为清晰且可验证的假设。
从意外关联到下一项实验
其中一个例子涉及 DCTN1 基因。该基因突变会导致佩里综合征，这是一种具有类似帕金森病症状的神经退行性疾病。在图谱数据中，Dctn1 受扰动后，与胆固醇合成相关的基因活性升高。智能体将这一观察与有关胆固醇运输的论文进行比对后，提出了一个问题：DCTN1 受损是否会改变神经元内胆固醇的分布，并影响神经元损伤？
比较 Tsc1 和 Tsc2 时，团队提出了另一项假设。尽管这两个基因都参与调节 mTOR，但在某些小脑细胞中，Tsc2 受扰动会改变数十个与神经元通信有关的基因活性；在同一区域，团队观察到 Tsc1 的影响小得多。这类结果有助于缩小研究范围：研究人员可以选定具体细胞和机制，进行后续实验室测试。
研究人员可以查阅已发布的reasoning atlas 目录，研究其中的关联并选择后续方向。该项目的主要实践价值在于扩大初步文献与数据梳理的规模：系统能迅速将大规模实验数据与科学文献联系起来，并提出可供验证的想法。研究人员可据此判断哪些假设值得进入实验室开展实验。