10月21日、OpenAIが「Using thousands of AI agents to uncover new leads in biological data」と題した記事を公開した。数千のAIエージェントを並列稼働させることで、膨大なマウス脳細胞データから疾患研究の新たな手がかりをわずか32分で導き出した取り組みを紹介した内容だ。

研究者が同じ作業を1遺伝子ずつ地道にこなした場合、数ヶ月から1年はかかると見積もられている。単純に「速くなった」だけではない——この取り組みが示すのは、AIが「1つの大規模実験から引き出せる知見の量そのものを増やす」という、研究加速の新しい形だ。

数千のAIエージェントで生物学データを解析

OpenAI、PerturbAI、Scripps Researchの3者は、GPT‑Rosalind（OpenAIが生物学研究向けに開発した専用モデル）を搭載した数千のAIエージェントを用いて、数百万のマウス脳細胞から得られた実験データを解析・解釈することに成功した。

解析対象は「whole-brain CRISPR atlas」と呼ばれるデータセットだ（リンク先はbioRxiv掲載のプレプリント＝査読前論文）。CRISPR（クリスパー）とはゲノム編集技術の一種で、特定の遺伝子を精確に「切り取って無効化」できる。このデータセットでは、マウス脳のさまざまな神経細胞タイプについて、遺伝子を1つずつノックアウト（破壊）した際にどのような変化が起きるかが記録されている。

各エージェントは個別の遺伝子撹乱を担当し、細胞の応答を解析したうえで科学文献を検索し、結果の説明を提案する。それらのレポートを統合したものが「reasoning atlas」と呼ばれるデータベースで、遺伝子・細胞効果・関連文献・生物学的メカニズムを横断的に結びつけた、いわば「AIが作った研究地図」だ。すでにGitHubで公開されており、研究者が自由に参照・活用できる。

「分散」が鍵——1エージェントvs数千エージェント

この研究で特に注目したいのが、分散型アプローチの効果を定量的に検証している点だ。

同じモデル・同じリソースの条件で、1つのエージェントにデータセット全体を渡した場合と、数千のエージェントに分散させた場合を比較した。結果は明確だった。

• 単一エージェント：最大ワークロード時に引用した参考文献は11件
• 分散エージェント：同条件で700件超を引用

さらに、ブラインド評価（評価者が条件を知らない状態での比較）を行った人間の専門家も、75%のケースで分散エージェントのレポートを単一エージェントより高く評価した。

研究者は通常、データ中の最も強いシグナルに集中するため、微妙な変化や想定外の応答を見落としがちだ。並列エージェントはその網羅性を担保する役割を果たす。

アルツハイマー・パーキンソン研究への具体的な手がかり

エージェントたちは単に既存の知見を再現しただけでなく、人間が見落としていた可能性のある仮説を複数生成した。

① 結節性硬化症（Tuberous Sclerosis）におけるTsc1とTsc2の違い

細胞増殖・代謝・老化の主要な制御因子であるmTORを共同で制御する遺伝子「Tsc1」と「Tsc2」は、多くのニューロン群では似た影響を示す。しかし小脳（運動の協調に関わる部位）では、Tsc2の破壊は神経細胞間コミュニケーションに関わる数十の遺伝子発現を変化させた一方、Tsc1の破壊ではほとんど変化が見られなかった。

結節性硬化症の患者において、小脳の異常はTSC2変異と強く関連することが知られており、このエージェントの発見は「既存の薬が修正できる変化はどれか、新たな治療アプローチが必要な変化はどれか」という実験可能な問いを提示している。

② DCTN1とコレステロール代謝の意外な接点

パーキンソン病に似た症状を示す「Perry症候群（Perry syndrome）」の原因遺伝子として知られるDCTN1（ニューロン内での物質輸送に関与）を破壊すると、コレステロール合成に関わる遺伝子の発現が上昇することが確認された。エージェントはこれを、コレステロール輸送の障害が細胞に過剰なコレステロール合成を促すという既存研究と結びつけ、「DCTN1の破壊がニューロン内のコレステロール分布を変化させ、それが神経変性に寄与するのではないか」という仮説を提示した。

この仮説について、人間の専門家も新規性があり、追求する価値があると評価している。

「手がかりはすでにそこにある——ただ、異なる分野に散らばっているだけだ。ニューロン機能とコレステロール代謝の間に潜在的な関連性があるとすれば、それらのピースをつなぎ合わせることで、疾患生物学の新しい見方ができる」
— Tomasz Nowakowski（カリフォルニア大学サンフランシスコ校、神経外科准教授）

「より速く」ではなく「より広く」

現代の生物学実験は、研究者が徹底的に調べ切れる量をはるかに超えるデータを生成する。数千の遺伝子を撹乱し、数百万の細胞で効果を測定できても、その結果が疾患とどう結びつくかを理解するには、数十年分の科学文献と照合する作業が必要になる。

Scripps ResearchやUCSFの研究者、ケンブリッジ大学のSarah Teichmann（ヒト細胞アトラスの共同創設者）らが参画しているこのプロジェクトは、AIが「研究者の意思決定を支援するためのリード（手がかり）生成装置」として機能することを示している。生成された仮説の検証は依然として人間の研究者が行うが、「どこを掘るべきか」の絞り込みをAIが担うことで、限られた実験リソースをより価値の高い問いに集中できるようになる。

詳細はUsing thousands of AI agents to uncover new leads in biological dataを参照していただきたい。