OpenAI เผยแผนที่การให้เหตุผลเกี่ยวกับสมองหนูจากเอเจนต์ GPT-Rosalind

เมื่อวันที่ 21 ตุลาคม 2026 OpenAI ประกาศว่า OpenAI, PerturbAI และ Scripps Research ใช้เอเจนต์ AI หลายพันตัวที่ขับเคลื่อนด้วย GPT-Rosalind วิเคราะห์ข้อมูลการทดลองที่มีอยู่จากเซลล์สมองหนูหลายล้านเซลล์ภายใน 32 นาที โดยนำรายงานของเอเจนต์มารวบรวมเป็นแผนที่การให้เหตุผลที่เปิดให้สาธารณชนเข้าถึงได้

การให้เหตุผลทางชีววิทยาแบบกระจาย

แนวทางนี้ ซึ่ง OpenAI เรียกว่า «การให้เหตุผลทางชีววิทยาแบบกระจาย» แบ่งงานวิเคราะห์ให้เอเจนต์หลายพันตัวตรวจสอบแผนที่ CRISPR ของสมองทั้งสมอง ซึ่งเป็นชุดข้อมูลที่แสดงให้เห็นว่าการรบกวนยีนส่งผลต่อเซลล์ชนิดต่าง ๆ ทั่วสมองหนูอย่างไร เอเจนต์แต่ละตัวตรวจสอบการรบกวนยีน วิเคราะห์การตอบสนองของเซลล์ สืบค้นเอกสารทางวิทยาศาสตร์ และเสนอคำอธิบายผลลัพธ์ จากนั้นนำรายงานของเอเจนต์มารวบรวมเป็นแผนที่การให้เหตุผลที่เชื่อมโยงยีน ผลกระทบต่อเซลล์ งานตีพิมพ์ที่เกี่ยวข้อง และกลไกทางชีววิทยาที่อาจเป็นไปได้

OpenAI ระบุว่าทีมวิจัยประเมินว่า หากให้มนุษย์ทำการวิเคราะห์และทบทวนเอกสารในลักษณะเดียวกัน โดยศึกษาแต่ละการรบกวนทีละรายการ จะใช้เวลาตั้งแต่หลายเดือนไปจนถึงหนึ่งปี เอเจนต์สามารถทำซ้ำข้อค้นพบจากการวิเคราะห์ของมนุษย์ได้ พร้อมทั้งค้นพบแนวทางใหม่เพิ่มเติม และการประเมินความใหม่กับคุณค่าทางวิทยาศาสตร์ของเอเจนต์ก็สอดคล้องกับความเห็นของผู้เชี่ยวชาญที่ไม่ทราบว่าใครเป็นผู้ประเมิน

Sarah Teichmann ประธานสาขาเวชศาสตร์เซลล์ต้นกำเนิดแห่ง University of Cambridge และประธานร่วมผู้ก่อตั้ง Human Cell Atlas กล่าวไว้ในประกาศของ OpenAIว่า “เราสร้างแผนที่เซลล์ขึ้นเพื่อให้นักวิทยาศาสตร์คนอื่น ๆ ค้นพบสิ่งที่เรายังนึกไม่ถึง AI อาจช่วยให้นักวิจัยจำนวนมากขึ้นสำรวจแหล่งข้อมูลเหล่านี้ และเปลี่ยนข้อสังเกตที่ไม่คาดคิดให้เป็นคำถามใหม่ที่นำไปทดสอบได้”

บทความวิจัยฉบับก่อนตีพิมพ์ที่เผยแพร่ควบคู่กันเรื่อง เอเจนต์ AI แบบกระจายช่วยให้ค้นพบข้อมูลเชิงลึกทางชีววิทยาได้อย่างครอบคลุมในวงกว้าง เผยแพร่บน bioRxiv เมื่อวันที่ 16 ตุลาคม 2026 และยังไม่ได้รับการรับรองผ่านการประเมินโดยผู้ทรงคุณวุฒิ ผู้เขียนสังกัด Howard Hughes Medical Institute and Scripps Research, OpenAI, PerturbAI และ University of California San Diego โดยระบุให้ Xin Jin จาก Scripps Research เป็นผู้เขียนที่รับผิดชอบการติดต่อ คำชี้แจงผลประโยชน์ทับซ้อนเปิดเผยว่า ผู้เขียน 6 คนเป็นพนักงานของ OpenAI อีก 2 คนเป็นพนักงานของ PerturbAI และ Grace Zheng กับ Xin Jin เป็นผู้ร่วมก่อตั้ง PerturbAI

ความแตกต่างของ Tsc2 และเบาะแสเรื่องคอเลสเตอรอล

ตามที่ประกาศระบุ เอเจนต์พบความแตกต่างที่ไม่คาดคิดระหว่าง Tsc1 กับ Tsc2 ซึ่งเป็นยีนสองตัวที่ทำงานร่วมกันเพื่อควบคุม mTOR ซึ่งเป็นตัวควบคุมสำคัญของการเติบโต การเผาผลาญ และความชราของเซลล์ การรบกวนยีนตัวใดตัวหนึ่งส่งผลคล้ายกันในเซลล์ประสาทหลายกลุ่ม แต่ในสมองน้อยซึ่งช่วยประสานการเคลื่อนไหว การรบกวน Tsc2 เปลี่ยนแปลงการทำงานของยีนหลายสิบตัวที่เกี่ยวข้องกับการสื่อสารระหว่างเซลล์ประสาท ขณะที่การรบกวน Tsc1 แทบไม่ทำให้เกิดการเปลี่ยนแปลง

ประกาศระบุว่า ในผู้ป่วยโรคทูเบอรัสสเคลอโรซิส ความผิดปกติในสมองน้อยมีความเชื่อมโยงอย่างมากกับการกลายพันธุ์ของ TSC2 และแม้ยาที่ลดการทำงานของ mTOR จะใช้รักษาเนื้องอกในสมองและอาการชักบางชนิดได้ แต่ความยากลำบากด้านการเรียนรู้และพฤติกรรมที่เกี่ยวข้องกับโรคนี้ยังคงเป็นปัญหาที่แก้ไขได้ยาก เอเจนต์ระบุกลุ่มเซลล์ประสาทและการเปลี่ยนแปลงระดับเซลล์ที่เฉพาะเจาะจง ซึ่งควรนำไปศึกษาเพิ่มเติม

เอเจนต์ยังพบเบาะแสเกี่ยวกับ DCTN1 ซึ่งเป็นยีนที่การกลายพันธุ์ทำให้เกิดโรค Perry ซึ่งเป็นโรคเกี่ยวกับระบบประสาทเสื่อมที่มีอาการคล้ายโรคพาร์กินสัน DCTN1 มีส่วนเกี่ยวข้องกับการเคลื่อนย้ายสิ่งต่าง ๆ ภายในเซลล์ประสาท และในแผนที่นี้ การรบกวน Dctn1 ทำให้การแสดงออกของยีนที่เกี่ยวข้องกับการสร้างคอเลสเตอรอลเพิ่มขึ้น เอเจนต์เชื่อมโยงข้อสังเกตนี้เข้ากับงานวิจัยที่ชี้ว่า ปัญหาในการขนส่งคอเลสเตอรอลอาจทำให้เซลล์สร้างคอเลสเตอรอลเพิ่มขึ้น จึงนำไปสู่คำถามต่อยอดว่า การรบกวน DCTN1 เปลี่ยนการกระจายตัวของคอเลสเตอรอลภายในเซลล์ประสาทหรือไม่ และการเปลี่ยนแปลงดังกล่าวอาจมีส่วนทำให้เกิดภาวะเสื่อมของระบบประสาทหรือไม่ ตามที่ประกาศระบุ ผู้เชี่ยวชาญที่เป็นมนุษย์เห็นว่าสมมติฐานนี้ใหม่ มีนัยสำคัญ และควรศึกษาเพิ่มเติม

Tomasz Nowakowski รองศาสตราจารย์ด้านศัลยกรรมระบบประสาทที่ UCSF กล่าวว่า ความเชื่อมโยงที่อาจเกิดขึ้นระหว่างการทำงานของเซลล์ประสาทกับการเผาผลาญคอเลสเตอรอลแสดงให้เห็นว่า เมื่อเชื่อมโยงเบาะแสที่กระจัดกระจายอยู่ในสาขาต่าง ๆ เข้าด้วยกัน ก็อาจทำให้เกิดมุมมองใหม่ต่อชีววิทยาของโรค

เอเจนต์แบบกระจายเทียบกับเอเจนต์เดี่ยว

ทีมวิจัยทดสอบว่าเอเจนต์ตัวเดียวที่ได้รับชุดข้อมูลทั้งหมดจะทำงานได้เทียบเท่ากับเอเจนต์หลายพันตัวที่ทำงานแบบขนานหรือไม่ โดยกำหนดให้ใช้โมเดลและทรัพยากรชุดเดิม เมื่อปริมาณงานเพิ่มขึ้น เอเจนต์เดี่ยวสืบค้นเอกสารน้อยลง โดยอ้างอิงเอกสารเพียง 11 รายการเมื่อมีปริมาณงานสูงสุด ขณะที่เอเจนต์แบบกระจายอ้างอิงเอกสารมากกว่า 700 รายการ ในการเปรียบเทียบแบบปกปิดข้อมูล ผู้เชี่ยวชาญที่เป็นมนุษย์เลือกใช้รายงานจากเอเจนต์แบบกระจายมากกว่ารายงานจากเอเจนต์เดี่ยวถึง 75% ของกรณี

บทความวิจัยฉบับก่อนตีพิมพ์รายงานว่า แม้ไม่ได้เข้าถึงต้นฉบับงานวิจัย เอเจนต์ก็สามารถระบุข้อสรุปของงานนั้นได้ คาดการณ์ผลของการรบกวนที่กันไว้ไม่ให้ใช้ในการวิเคราะห์ และค้นพบความสัมพันธ์ระหว่างการรบกวนที่ให้ผลลัพธ์เหมือนกันหรือสวนทางกันในระดับความแรงของผลกระทบต่าง ๆ ผู้เขียนระบุว่าเอเจนต์แบบกระจายเพิ่มขอบเขตการค้นเอกสารตามปริมาณงาน โดยค้นคืนเอกสารอ้างอิงได้มากกว่าโหมดเอเจนต์เดี่ยวหลายร้อยเท่า และผู้เชี่ยวชาญที่เป็นมนุษย์ซึ่งไม่ทราบว่าใครเป็นผู้ประเมินก็เห็นด้วยกับการจัดอันดับการค้นพบของเอเจนต์

การเข้าถึงแผนที่ โค้ด และชุดข้อมูล

แอตลาสการให้เหตุผลและเฟรมเวิร์ก Distributed Agents ที่อยู่เบื้องหลังเปิดให้สาธารณชนเข้าถึงได้ใน คลัง GitHub ซึ่งเผยแพร่ภายใต้สัญญาอนุญาต MIT คลังนี้ประกอบด้วยระบบรันไทม์ของเอเจนต์ เครื่องมือสำหรับจัดการคลังข้อมูล และโน้ตบุ๊กที่ใช้ในการวิเคราะห์ สร้างภาพประกอบ และจัดทำตารางเสริมสำหรับต้นฉบับงานวิจัย นอกจากนี้ยังมีเอกสารอธิบายบริการคลังข้อมูลแบบโฮสต์ที่ให้บริการแบบอ่านอย่างเดียว พร้อมปลายทาง MCP ซึ่งเปิดให้เข้าถึงข้อค้นพบ ข้อกล่าวอ้าง หลักฐานสนับสนุน และเครื่องมือวิเคราะห์ เนื่องจากเซิร์ฟเวอร์ที่โฮสต์ไว้ไม่มีไฟล์ชุดข้อมูลดิบ คลังนี้จึงมีคำแนะนำสำหรับการเรียกใช้เฟรมเวิร์กในเครื่องผ่าน Codex CLI ด้วย การคอมมิตล่าสุดของคลัง ซึ่งปรับปรุงรายการอ้างอิง bioRxiv สัญญาอนุญาต และเอกสารประกอบบริการที่โฮสต์ไว้ ลงวันที่ 21 ตุลาคม 2026

ชุดข้อมูลที่วิเคราะห์คือ แผนที่ Perturb-seq ของ PerturbAI ทั้งสมองใน vivo CRISPR บน Hugging Face การ์ดชุดข้อมูลอธิบายเซลล์ 7.7 ล้านเซลล์ 7,739,370 แถว รวมเป็น 205 GB โดยมีโปรไฟล์นิวเคลียสเดียวใน 19,070 mRNAs และ 8,588 sgRNAs วัดผลกระทบของยีนที่เชื่อมโยงกับโรคเกือบ 2,000 ยีน โดยมีคำอธิบายประกอบเซลล์ที่มาจากอนุกรมวิธานสมองหนูทั้งตัวของ Allen Institute การ์ดระบุต้นฉบับ bioRxiv เดือนมีนาคม 2026 ชื่อ “การทำแผนที่ฟังก์ชันขนาดจีโนมของสมองสัตว์เลี้ยงลูกด้วยนมทั้งหมดด้วย Perturb-seq ใน vivo” เป็นเอกสารตีพิมพ์ที่เกี่ยวข้องกับแผนที่นี้

OpenAI ระบุว่านักวิจัยสามารถใช้แอตลาสนี้เพื่อเปรียบเทียบยีนที่เกี่ยวข้องกัน ตรวจสอบการตอบสนองที่ไม่คาดคิด และค้นหาแนวทางที่มีแนวโน้มดีเพื่อนำไปศึกษาต่อ อีกทั้งข้อค้นพบยังช่วยจัดลำดับความสำคัญของการทดลองเพิ่มเติมที่จำเป็นต่อการทดสอบกลไกทางชีววิทยาที่เสนอไว้