OpenAIは10月21日、並行して動作する1,946のGPT-Rosalindエージェントが数百万のマウス脳細胞からの既存データを32分で分析したと発表した。この作業は、人間の研究グループが手動分析と文献レビューを経て完了するには数カ月から1年かかるとチームは見積もっている。

創薬会社PerturbAIとScripps Researchと共同で行われたこの実証は、bioRxivプレプリントに記載されており、チームが「分散生物学的推論」と呼ぶものを全脳CRISPRアトラス（個々の遺伝子を破壊することで脳細胞全体の遺伝子発現がどのように変化するかをカタログ化したデータセット）に適用している。 この件の詳細は、AIニュースをご覧ください。

分散型生物学的推論の仕組み

CRISPR摂動実験では、研究者は遺伝子のスイッチをオフにし、その結果生じる細胞の変化を測定できますが、単一の研究室で詳細に調査できるよりも多くの観察結果を得ることができます。研究者が細胞アトラスを公的に共有しているのは、まさにこのボトルネックのためです。このアプローチを共同開発した創薬会社 PerturbAI と Scripps Research が、共同研究のための科学的枠組みと領域レビューを提供しました。

プレプリントに記載されているソフトウェアは、各遺伝子破壊を独立した AI エージェントに割り当てます。各エージェントは、割り当てられた遺伝子に関連する細胞の変化を調べ、科学文献を検索し、見つかったものの説明を提案します。次に、コーディネーション レイヤーがエージェントのレポートを結合し、データセット全体にわたるつながりを特定し、人間によるフォローアップに最も有望なアイデアをランク付けします。

「私たちが細胞アトラスを構築するのは、他の科学者が私たちがまだ想像していなかった発見をできるようにするためです」とケンブリッジ大学の幹細胞医学の教授であり、Human Cell Atlasの創設共同議長であるサラ・タイヒマン氏はOpenAIの発表の中で述べた。 「AI は、より多くの研究者がこれらのリソースを探索し、予期せぬ観察結果をテストすべき新しい質問に変えるのに役立つ可能性があります。」

数字: 参考文献の 711 倍、55 件の調査結果のうち 48 件が回収

エージェント 1 名と 2,000 名近くでは、規模の違いは歴然です。同じモデル、プロンプト、ツール、およびデータ アクセスを使用した比較では、単一エージェントの実行では最大のワークロードで平均約 11 件の文献参照があったのに対し、プロジェクトの公開データによると、分散システムでは 7,586 件の参照が保持されました。これは約 711 倍です。

エージェントはまた、元の科学に対しても十分に抵抗しました。彼らはアトラス研究の原稿にアクセスせずに作業を行い、エージェントが受け取ったデータから導き出すことができた元の研究の 55 件の調査結果のうち 48 件を照合または改良した。

品質を評価するために、チームは盲検審査のために博士レベルの生物学者 30 人を採用しました。彼らの評価は、エージェントによる最も有望な研究リードのランキングを広く支持しました。

DCTN1 コレステロール リード

1 つの発見は、システムがどのような種類の仮説を浮上させようとしていたかを示しています。 DCTN1（神経変性に関連する遺伝子）を破壊すると、コレステロール生成に関与する遺伝子の活性が増加しました。単剤ベースラインでは、ニューロン内のコレステロール輸送に問題があると、細胞がより多くのコレステロールを産生して補償するよう促す可能性があると提案されています。

3人の盲検査読者は、このリードに平均フォローアップ優先度スコアを5点中4.3点と付けた。プレプリントの著者ではないカリフォルニア大学サンフランシスコ校の神経外科准教授であるトマシュ・ノヴァコウスキー氏は、OpenAIの発表の中で、今回の研究結果は、分野を超えて観察を結び付けることが重要である理由を示していると述べ、「時には手がかりがすでにそこにあり、異なる分野に散在しているが、私たちはそれらを結び付けていないだけだ」と述べた。

約束と注意事項

この発表は、OpenAI のライフサイエンス推進の勢いが急速に高まる中で行われた。今年初めに導入された GPT-Rosalind は、生物学的推論と科学ツールの使用を組み合わせたライフサイエンス研究に特化したモデルで、ゲノミクス、タンパク質分析、標的研究、医薬化学、実験計画に及ぶアプリケーションが文書化されています。同社はまた、Codex で科学ワークフロー用の Rosalind Workbench と Life Sciences Research プラグインを展開し、6 月には LifeSciBench を導入しました。この評価は、システムが独自に発見を検証したり、実験検証を置き換えたりできることを証明するのではなく、研究支援を評価するものであると同社は述べています。この特徴は今回の発表にも引き継がれています。

重要な注意事項が残っています。 32 分と年間の比較は、実測値ではなく、遺伝子破壊 1 回あたり 15 分、論文読み取り 1 回あたり 10 分という仮定に基づいて構築された推定値です。この研究は概念実証です。AI は人間がテストできる仮説を浮上させたものであり、検証された発見ではありません。また、どの手がかりも実験的に確認されていません。人間のアナリストとの速度の比較も同様に、直接の試験ではなくチームの例示的な時間の仮定に基づいており、専門家レビュー担当者は人間の研究チームと比較するのではなくエージェントのレポートを採点しました。ベンチマーク スタイルの比較の独立した複製はまだ行われていません。

それでも、このデモンストレーションは、生物学に関するもっともらしい将来のワークフローを描いています。つまり、公開データセットが専門エージェントの群れによって際限なく再マイニングされ、人間の科学者が時間をかけてマシンが何をランク付けするかをテストし、改良するというものです。これらのランキングが研究室で一貫して維持されるかどうかによって、分散型 AI 推論がライフ サイエンスの標準装備になるかどうかが決まります。

*出典注: この記事の詳細は、基礎となる bioRxiv プレプリント (Sun et al., 2026) を含む、OpenAI の 2026 年 10 月 21 日の発表および R&D World による報道から抜粋されています。

---

AIの最新情報をお届け

AIの最新ニュース、分析、ブレイクスルーを一箇所で。

AIニュースをもっと読む →