OpenAI、PerturbAI、Scripps Researchは2026年10月21日、GPT-Rosalindを利用する約2,000のAIエージェントによって、マウスの脳に関する大規模な実験データを32分で解析・解釈したと発表した。遺伝子の働きを変えたときに細胞がどう反応するかを調べ、その結果を既存の科学文献と照合することで、新たな生物学的仮説を導き出す仕組みだ。近年の生命科学では、実験技術の進歩によって膨大なデータを収集できるようになった一方、その意味を一つずつ解釈する作業が研究の大きな負担になっている。多数のAIエージェントに解析を分担させることで、この課題をどこまで解決できるのか。そして、AIが導き出した仮説は、実際の研究にどこまで役立つのだろうか。

AD

遺伝子操作ごとにAIがデータと文献を照合

今回の解析対象は、マウスの脳全体で遺伝子操作の影響を記録した「全脳CRISPRアトラス」だ。アトラスとは、多数の細胞について遺伝子の働きや状態を体系的にまとめたデータ集を指す。PerturbAIによると、元となるアトラスは約800万個の細胞を対象としており、2026年3月に公表された。今回発表された32分という時間は、すでに取得されていたデータを解析し、知見をまとめるまでの所要時間であり、細胞の採取や測定を含む実験全体が32分で終わったわけではない。

研究チームは、個々の遺伝子操作に独立したAIエージェントを割り当てる方式を採用した。各エージェントは担当する遺伝子操作について、細胞の反応を解析し、関連する科学文献を調査したうえで、観測結果を説明できる仮説を提案する。こうして作成された個別の報告を統合し、遺伝子操作と細胞の変化、その背景にある生物学的な仕組みを結び付けたものが「推論アトラス」である。研究者は、特定の遺伝子を操作するとどの細胞にどのような変化が生じ、その反応を説明する手掛かりがどの文献にあるのかを調べられる。

大規模な実験データをAIで解析するだけなら、一つのAIエージェントに全体を処理させる方法も考えられる。しかし、解析する遺伝子の数が増えるほど、対象となる細胞の種類や関連文献、参照すべき研究分野も広がっていく。今回の方式では、遺伝子操作ごとの詳細な調査を複数のエージェントに分担させ、最後に結果を統合することで、この問題に対処した。研究チームは、変化が大きく目立つ遺伝子だけでなく、従来は見過ごされがちだった反応にも注目し、新たな研究対象を見つけることを目指している。

研究成果はSun氏らによる共同研究として、bioRxivにプレプリントが公開されており、解析用のコードや推論結果も公開されている。ただし、現時点では査読を経た確定的な研究成果ではない。今回の意義は、AIが新たな生物学的事実を実証したことではなく、実験データと既存の科学的知識を結び付け、今後検証する価値のある仮説を大規模に抽出した点にある。

「32分」と「75%」は何を意味するのか

OpenAIは、同じAIモデルと計算資源の条件で、単独のエージェントによる解析と、多数のエージェントを使う分散型の解析を比較したと説明している。最大の処理負荷をかけた条件では、単独エージェントが引用した文献は11件だったのに対し、分散型では700件を超えた。多数の遺伝子操作を並行して調べることで、より広い範囲の文献を参照できたことになる。ただし、引用した文献が多いからといって、必ずしも解析の精度や仮説の正確性が高いとは限らない。

報告の質については、生物学の専門家による盲検比較も実施された。PerturbAIによると、専門家は報告内容の新規性や科学的根拠を検討し、追加実験を行う優先度や、結論に対する確信度も評価した。その結果、分散型エージェントが作成した報告が好まれた割合は75%に達した。これは専門家がどちらの報告を優れていると評価したかを表す数値であり、AIの提案した仮説の75%が科学的に正しかったことを意味するものではない。

解析速度についても、比較条件を正確に捉える必要がある。研究チームは、人間が同じように遺伝子操作を一つずつ調べ、関連文献を確認して報告をまとめる場合、数カ月から1年程度かかると推定している。しかし、実際に研究者のチームとAIを同時に稼働させ、同一条件で所要時間を比較したわけではない。したがって、今回の32分という数字から、創薬研究全体が何倍高速化するかを直接計算することはできない。

また、発表本文では、盲検比較に参加した専門家の人数や比較件数、使用した計算資源の詳細、解析にかかった費用などが明らかにされていない。75%という選好率や引用文献数の差が、別の研究対象や計算環境でも再現されるかどうかを判断するには、さらに詳しい条件の確認が必要だ。現段階で言えるのは、今回のデータ解析において、分散型の方式が文献の探索範囲を広げ、専門家による報告の比較評価でも優位だったと研究チームが報告していることまでである。

AD

小脳の遺伝子応答とコレステロール代謝から生まれた仮説

AIエージェントが見つけた具体的な手掛かりの一つが、Tsc1とTsc2という二つの遺伝子の違いだ。両者はともに、細胞の成長や代謝を調節するmTORの働きを制御している。いくつかの神経細胞群では、Tsc1とTsc2のどちらを壊しても似たような反応が見られたという。しかし、小脳では異なる結果が得られた。OpenAIによると、Tsc2を壊した場合には神経細胞間の情報伝達に関わる数十の遺伝子で発現が変化したのに対し、Tsc1を壊した場合の変化は比較的小さかった。

この結果は、同じ制御系に関わる遺伝子であっても、脳の部位や細胞の種類によって影響が異なる可能性を示唆している。OpenAIは、ヒトの結節性硬化症において、小脳の異常がTSC2の変異と強く関連するという既存の知見にも言及している。マウスで観測された遺伝子発現の違いを、そのまま患者の症状の原因と結論付けることはできないが、詳しく調べるべき細胞や分子機構を絞り込む手掛かりにはなる。OpenAIによると、mTORの働きを抑える薬によって治療できる脳腫瘍や発作がある一方、学習や行動に関する困難への対応は依然として難しい。今回の結果は、どの細胞で生じる変化が既存の治療薬によって改善できるのか、という新たな検証課題にもつながる。

もう一つの注目すべき結果は、神経細胞内の物質輸送に関わるDCTN1とコレステロール代謝の関係だ。DCTN1の変異は、パーキンソン病に似た症状を伴う神経変性疾患「ペリー症候群」の原因として知られている。今回のマウスの実験データでは、Dctn1を壊した際に、コレステロールの合成に関わる遺伝子群の発現が増加していた。この観測結果自体は実験データに基づくものだが、なぜコレステロール関連遺伝子の発現が増えたのかは、別途解明する必要がある。

AIエージェントは、この結果を、細胞内でコレステロールの輸送に問題が生じると、細胞がその不足を補おうとして合成を増やす可能性を示した既存研究と結び付けた。そこから、DCTN1の機能低下によって神経細胞内のコレステロール分布が変化し、それが神経変性に関わるのではないかという仮説が導かれた。さらに、コレステロールの分布を正常な状態に戻すことで、神経細胞を保護できるかどうかも検証課題として考えられる。

重要なのは、実験で観測された事実と、AIが提案した仮説を区別することだ。今回確認されたのは、Dctn1の機能を失わせたマウスの細胞で、コレステロール合成に関わる遺伝子群の発現が増加していたという事実である。コレステロールの分布異常が神経変性を引き起こすという説明や、その分布を修正すれば神経細胞を保護できるという可能性は、まだ実験で確かめられていない。それでも、遺伝子発現データを既存の文献と結び付けることで、研究者が次に何を測定し、どのような介入を試すべきかを具体化できる点には意義がある。

公開されたコードとデータで何を検証できるのか

研究チームは、解析の仕組みや関連資料をGitHubの公開リポジトリで提供している。リポジトリには、生成された報告を閲覧できるホスト版サービスの案内と、手元の環境で実行するための手順が用意されている。ホスト版では、AIが抽出した知見や主張、それを裏付ける根拠を読み取り専用で参照できる。一方、生データは含まれていないため、元の実験データを読み込んで統計量を再計算することはできない。AIの推論結果を閲覧することと、解析を再現すること、さらに生データから結果を検証することは、それぞれ異なる作業となる。

公開資料の利用方法を、検証できる範囲ごとに整理すると次のようになる。

利用方法 確認できる内容 必要なもの・制約
ホスト版で閲覧 AIが報告した知見や主張、それを支える根拠 生データは含まれず、統計量を直接再計算することはできない
保存済み解析の再現 公開された実行記録や解析結果に基づく論文用の図表・分析 リポジトリと必要なデータの取得が必要。保存済み解析の再現に新たなモデル呼び出しやAPI認証は不要
生データを使った検証 実験データへのアクセスや統計量の再計算 生データを取得し、ローカル環境で必要な処理を実行する必要がある

公開リポジトリの説明によると、保存済みの解析結果を再現する場合、新たにAIモデルを呼び出したり、API認証を行ったりする必要はない。ただし、これは新しいAI解析を無料かつ無制限に実行できるという意味ではない。また、論文に掲載された図表を再現できたとしても、AIが導き出した生物学的な仮説の正しさまで実証できるわけではない。例えば、DCTN1の機能低下とコレステロール分布の関係を検証するには、細胞内のコレステロールを実際に測定し、その変化が神経細胞に及ぼす影響を調べる必要がある。

PerturbAIは、OpenAIと約1年間にわたって進めてきた協力関係を、独自の生体内実験データを用いた創薬標的の共同探索へ拡大する方針も示している。AIによって大量の実験データから仮説を抽出する時間を短縮できれば、研究者は有望な候補の検証により多くの時間を割ける可能性がある。ただし、仮説の発見が速くなっても、その仮説が実際の生体内で成り立つかどうかを確かめる工程は残る。今回の研究で提案されたコレステロール分布と神経変性の関係についても、分布異常の存在と、それを修正することによる神経細胞の保護効果が実験で確認されて初めて、治療標的としての有望性をより確かに評価できる。

今回の成果は、AIが生物学的な発見そのものを実証したというよりも、膨大なデータから研究者が検証すべき仮説を効率的に見つけ出す、新しい研究手法の可能性を示したものだ。約2,000のエージェントによる32分間の解析が、今後の研究開発にどれだけ貢献するかは、提案された仮説の再現性と、その後の実験で得られる結果にかかっている。