把生物数据拆给 1,946 个 Agent，哪些结论经得起核验？

1. 分工的价值在证据保留，而非 Agent 数量

原数据来自 74 只小鼠、7,720,300 个细胞核与 1,947 个目标基因设计。作者沿用每个扰动与细胞类型组合至少 40 个扰动细胞的过滤条件，得到 1,946 个非对照扰动、100 个安全靶点任务，合计 2,046 个任务，覆盖 23 类神经元。标题中的 1,946 不包含这 100 个对照，不能与原始设计数量混用。

运行采用 GPT-Rosalind 5.5，内部标识 r-bioagents-rosalind-ev3，reasoning=xhigh、256000 上下文；时间为 2026 年 5–7 月。初始任务不共享对话状态，输出把数据观察、解释和文献分开，并以稳定标识连接。后续归并保留矛盾、方向和细胞环境；共同提到一个基因，并不足以合并为同一结论。

原研究手稿、补充材料和目标答案被隔离，网络代理阻断相关 DOI、标题与资料入口，降低泄漏风险；这不证明训练数据绝无污染。报告、图谱和原始差异表达表仍是同一实验的不同表示，不能通过重复引用把证据强度翻倍。

适用边界：结构化台账能暴露依据，但格式校验只能证明字段与关联合法，不能自动证明生物学解释正确。

Distributed AI agents enable comprehensive discovery of biological insights at scale · Main Fig. 1A–B; Supplement pp. 1–13

2. 87.3% 的分母是可直接检验的 55 项

作者从原研究抽取 12 段结论，涉及 62 个扰动，形成 71 个“结论×基因”比较；同一基因可出现多次。Agent 初判后由作者 A.S. 人工复核。全部 71 项中，35 项匹配、13 项细化、9 项部分匹配、14 项未覆盖。若只取输入数据能够直接检验的 55 项，则 48 项匹配或细化、4 项部分匹配、3 项未覆盖，48/55 = 87.3%。

论文报告 39,185 次文献访问与 16,445 次引用；同一来源在同一报告内去重，在不同独立报告间仍重复计数。成功返回文献元数据也可计入访问，并不保证全文读完。规模实验给单 Agent 分配从 1 到 893 个扰动；同模型、工具与提示不等于分布式方案使用相同总计算预算。

适用边界：约 32 分钟来自另一次 24 个已完成单目标调用基准：均值 32.8、中位数 31.6、四分位范围 24.7–36.8 分钟。它不是完整研究端到端实测；人工对照采用每目标 15 分钟、每文献 10 分钟及每小时 $22 的假设。

Distributed AI agents enable comprehensive discovery of biological insights at scale · Fig. 1C; Fig. 2; Supplement pp. 18–19

3. 留出预测支持筛选，也暴露漏判与误报

参考集为 1,674 个扰动，留出 272 个。作者先从强效应、UMI 和细胞耗减条件选出 73 个，再从背景抽取 199 个；并非简单均匀随机切分。目标读数为 151 TH Prkcd Grin2c Glut 细胞群中通过 FDR 0.05 的差异表达基因数。这个读数依赖检测效能，不能直接代表生物重要性、编辑效率或存活率。

在所报告分类结果中，100 个响应目标正确识别 59 个、漏掉 41 个；172 个无响应目标正确识别 142 个、误报 30 个。平衡准确率对两类召回率等权平均：(59/100 + 142/172)/2 ≈ 0.708；补充图 S9D 则列正确 141、误报 31，对应 0.705；同图单 Agent 为 0.740。主文与附件存在一例差异，作者未解释原因，本文分别保留，不推断哪份已更正，也不宣称分布式在此指标更好。

细胞耗减排序是另一任务：补全已知前 100 名中未展示的 50 个偶数名次，已知奇数名次作为端点示例。论文报告 distributed 的 median recall@50 为 0.36，single 为 0.18，DepMap 为 0.26，DEG 为 0.14。DepMap 来自癌细胞系，组织、测量和先验条件与小鼠神经元不同，不能把相对表现解释成普遍替代实验。

适用边界：本站未下载重算全部逐目标表格；上述主文与补充图的差别明确保留，不能用四舍五入掩盖。

Distributed AI agents enable comprehensive discovery of biological insights at scale · Fig. 3; Supplement pp. 20–26

4. 专家偏好说明解释价值，不证明机制成立

30 位博士或同等资历研究者盲审 60 份报告：分布式高排名 20、中排名 10、低排名 10，另有单 Agent 高排名 20。每人评 6 份，每份获得 3 次评价，合计 180 次。另设 20 对匹配报告，每对 3 次判断，共 60 次；其中 45 次偏好分布式、10 次偏好单 Agent、5 次平局。75% 是判断次数占比，既不是 75% 的专家，也不是 75% 的新机制已获证实。

研究将 Tsc1／Tsc2 的细胞情境差异、运输扰动与甾醇模块等作为关联线索，并回到原数据做计算复核。相同数据上的再次分析有助于检查图表与统计，却不形成新的动物实验；转录变化不能直接证明蛋白活性、运输通量或治疗方向。

适用边界：这是单一小鼠脑数据集的预印本。排序、相似度、图谱中心性和专家偏好适合决定先看哪里；独立数据与前瞻实验仍决定结论是否成立。

Distributed AI agents enable comprehensive discovery of biological insights at scale · Fig. 4; Supplement pp. 26–31; Figs. S12–S14