OpenAI、PerturbAI 與 Scripps Research 表示，他們運用數千個 GPT-Rosalind 智能體，在 32 分鐘內分析既有的小鼠腦部實驗資料。智能體將基因被干擾後的細胞變化，與科學文獻中的相關發現串連，整理成一份「推理圖譜」，提供研究人員後續追查的線索；這些內容不是新做出的實驗結果，也不能視為疾病機制已獲證實。5

把工作拆開，再彙整成研究圖譜

研究團隊沒有讓單一系統依序處理整份資料，而是把分析分散給大量智能體。各智能體檢視基因擾動後的細胞反應、搜尋相關論文，再嘗試將觀察結果與可能的生物學解釋連起來；完成後，研究團隊再彙整各份報告，形成串連基因、細胞反應、文獻與假說的整體圖譜。511

這次 AI 分析的對象，是已經存在的實驗圖譜：AI 解讀的是資料，並沒有創造實驗或資料集。5 部分報導將其描述為一份涵蓋 800 萬個細胞的圖譜；合作團隊的公告則稱資料來自數百萬個小鼠腦細胞。56

「32 分鐘對比數月至一年」也要放在正確脈絡下理解。人類分析可能需要數月至一年的說法，是根據逐一檢視基因擾動與閱讀論文所需時間推算，並非讓 AI 與人類研究團隊在同一條件下進行計時對照。9 換言之，32 分鐘是團隊報告的 AI 工作流程所需時間；較長的時間則是對相近、循序處理工作的估算，不代表 AI 已取代完整的研究流程。

多智能體比較受到青睞，代表什麼？

一篇報導指出，多智能體分析引用了 700 多筆參考資料，單一智能體分析則引用 11 筆；在盲測比較中，專家有 75% 的時候偏好多智能體提出的解釋。6 另一篇報導也提到這項 75% 的盲測偏好結果。39

這些數字顯示，多智能體方法可能有助於擴大文獻涵蓋範圍，並產出專家認為較有用的解釋；但它們不是正確率。專家偏好某個說法，不代表該說法提出的生物學機制就一定成立。要確認假說是否正確，仍須透過實驗檢驗。

兩項值得追問的假說

Tsc2 與 Tsc1：小腦神經元反應不同

OpenAI 表示，在一組小腦神經元中，干擾 Tsc2 會改變數十個基因的表現，其中包括參與神經元溝通的基因；在相同細胞類型中，干擾 Tsc1 對基因表現的影響則不大。這兩個基因共同調節 mTOR，OpenAI 將兩者觀察到的差異，視為一項可能線索：或許有助於理解為何 TSC2 突變通常與較嚴重的結節性硬化症相關。14

這仍是待檢驗的解釋，並非疾病嚴重程度差異已經有了定論。後續問題之一是，現有的 mTOR 標靶治療能否逆轉這些神經元中的變化。14

Dctn1：膽固醇相關基因表現增加

在小鼠腦部資料中，干擾 Dctn1 後，參與膽固醇製造的基因表現增加。由於 DCTN1 與罕見神經退化疾病 Perry 症候群有關，OpenAI 提出一個值得研究的方向：神經元內的膽固醇運送是否可能受到影響？若能恢復運送，是否有助保護神經元？15

這裡的界線同樣重要：膽固醇製造相關基因表現增加，本身並不能證明膽固醇運送出了問題，也不能證明針對運送機制的療法會有效。這個可能機制仍有待實驗驗證。15

研究線索不等於已確認的治療標的

這項合作展示了一種把實驗結果與文獻搜尋大規模結合的方法，讓研究人員更快取得可進一步檢驗的候選解釋。5 但引用數量和專家偏好，不能取代實驗驗證。因此，與疾病相關的連結應視為研究假說，而不是已確認的機制或可直接採用的治療標的。

相關報導將這項研究描述為預印本。讀者應區分合作團隊的公告與其所報告的評估結果，以及生物學發現是否已獲獨立確認。9 目前可取得的資料也不足以判定通訊作者具體的財務或職業利益，不宜對此作出推斷。

對藥物探索的意義

PerturbAI 與 OpenAI 將這項工作描述為雙方為期一年的生物醫學研究與藥物探索合作之一環。31 這種方法的實際潛力，在於協助研究人員把具有因果關係的生物學資料與既有知識連結起來，並排定值得實驗追查的問題。這些報告是工作流程的初步示範，並不表示系統已找到經驗證的藥物標的。3139

OpenAI、PerturbAI 與 Scripps Research 表示，他們運用數千個 GPT-Rosalind 智能體，在 32 分鐘內分析既有的小鼠腦部實驗資料。智能體將基因被干擾後的細胞變化，與科學文獻中的相關發現串連，整理成一份「推理圖譜」，提供研究人員後續追查的線索；這些內容不是新做出的實驗結果，也不能視為疾病機制已獲證實。5

把工作拆開，再彙整成研究圖譜

研究團隊沒有讓單一系統依序處理整份資料，而是把分析分散給大量智能體。各智能體檢視基因擾動後的細胞反應、搜尋相關論文，再嘗試將觀察結果與可能的生物學解釋連起來；完成後，研究團隊再彙整各份報告，形成串連基因、細胞反應、文獻與假說的整體圖譜。511

這次 AI 分析的對象，是已經存在的實驗圖譜：AI 解讀的是資料，並沒有創造實驗或資料集。5 部分報導將其描述為一份涵蓋 800 萬個細胞的圖譜；合作團隊的公告則稱資料來自數百萬個小鼠腦細胞。56

「32 分鐘對比數月至一年」也要放在正確脈絡下理解。人類分析可能需要數月至一年的說法，是根據逐一檢視基因擾動與閱讀論文所需時間推算，並非讓 AI 與人類研究團隊在同一條件下進行計時對照。9 換言之，32 分鐘是團隊報告的 AI 工作流程所需時間；較長的時間則是對相近、循序處理工作的估算，不代表 AI 已取代完整的研究流程。

多智能體比較受到青睞，代表什麼？

一篇報導指出，多智能體分析引用了 700 多筆參考資料，單一智能體分析則引用 11 筆；在盲測比較中，專家有 75% 的時候偏好多智能體提出的解釋。6 另一篇報導也提到這項 75% 的盲測偏好結果。39

這些數字顯示，多智能體方法可能有助於擴大文獻涵蓋範圍，並產出專家認為較有用的解釋；但它們不是正確率。專家偏好某個說法，不代表該說法提出的生物學機制就一定成立。要確認假說是否正確，仍須透過實驗檢驗。

兩項值得追問的假說

Tsc2 與 Tsc1：小腦神經元反應不同

OpenAI 表示，在一組小腦神經元中，干擾 Tsc2 會改變數十個基因的表現，其中包括參與神經元溝通的基因；在相同細胞類型中，干擾 Tsc1 對基因表現的影響則不大。這兩個基因共同調節 mTOR，OpenAI 將兩者觀察到的差異，視為一項可能線索：或許有助於理解為何 TSC2 突變通常與較嚴重的結節性硬化症相關。14

這仍是待檢驗的解釋，並非疾病嚴重程度差異已經有了定論。後續問題之一是，現有的 mTOR 標靶治療能否逆轉這些神經元中的變化。14

Dctn1：膽固醇相關基因表現增加

在小鼠腦部資料中，干擾 Dctn1 後，參與膽固醇製造的基因表現增加。由於 DCTN1 與罕見神經退化疾病 Perry 症候群有關，OpenAI 提出一個值得研究的方向：神經元內的膽固醇運送是否可能受到影響？若能恢復運送，是否有助保護神經元？15

這裡的界線同樣重要：膽固醇製造相關基因表現增加，本身並不能證明膽固醇運送出了問題，也不能證明針對運送機制的療法會有效。這個可能機制仍有待實驗驗證。15

研究線索不等於已確認的治療標的

這項合作展示了一種把實驗結果與文獻搜尋大規模結合的方法，讓研究人員更快取得可進一步檢驗的候選解釋。5 但引用數量和專家偏好，不能取代實驗驗證。因此，與疾病相關的連結應視為研究假說，而不是已確認的機制或可直接採用的治療標的。

相關報導將這項研究描述為預印本。讀者應區分合作團隊的公告與其所報告的評估結果，以及生物學發現是否已獲獨立確認。9 目前可取得的資料也不足以判定通訊作者具體的財務或職業利益，不宜對此作出推斷。

對藥物探索的意義

PerturbAI 與 OpenAI 將這項工作描述為雙方為期一年的生物醫學研究與藥物探索合作之一環。31 這種方法的實際潛力，在於協助研究人員把具有因果關係的生物學資料與既有知識連結起來，並排定值得實驗追查的問題。這些報告是工作流程的初步示範，並不表示系統已找到經驗證的藥物標的。3139