大規模な生物学実験から得られる結果は、人間の研究チームがすべてを調べ尽くすのが難しいほど膨大になっています。OpenAIはPerturbAIおよびScripps Researchと連携し、マウスの全脳CRISPRアトラスを使って、別のアプローチを実証しました。数千の軽量なGPT‑Rosalindエージェントを並列で動かし、それぞれに特定の摂動の分析を担当させたのです。個々の報告を統合して作成されたのは、遺伝子と細胞応答、関連文献、作用機序に関する仮説を結び付ける推論アトラスです。通常なら手作業で数カ月かかる分析を、短時間で完了しました。

多くの専門特化型エージェントにタスクを分散させる設計が、この成果の鍵です。何百、何千もの摂動を1つの汎用プロセスで順番に処理するのではなく、作業を分割し、各エージェントが1つの遺伝子の細胞シグネチャーを掘り下げ、関連分野の論文と照合できるようにしました。この並列処理によって、解析対象の摂動数が増えて幅が広がると同時に、摂動ごとに引用する文献も増え、分析の深さも向上しました。こうして生まれた多様な説明候補は、後のブラインド評価で、人間の専門家から新規性と実用性の両面で高く評価されました。

重要なのは、エージェントが検証済みの発見を生み出したわけではないという点です。生成したのは、優先順位付けされた、文献に裏付けられた仮説や、実験で追究する価値のある関連性です。システムが提示した例には、小脳ニューロンにおけるTsc1とTsc2の影響の違いや、Dctn1の摂動に関連する細胞内コレステロール処理と神経変性の潜在的なつながりが含まれていました。こうした手がかりは、エージェント群が大規模データから具体的な実験へ進むプロセスを加速できることを示しています。ただし、対象を絞った実験室での検証や作用機序の研究に取って代わるものではありません。