你在自然課看到一張奇怪的實驗圖，可能會先猜原因。可是，要把猜想寫成科學發現，還得用新的實驗對答案。
美國傑克森實驗室專門研究生物和疾病。Derya Unutmaz在那裡研究免疫系統。
免疫系統由許多細胞和器官合作，幫身體對付病菌。他的團隊有一份多年沒解開的細胞資料。
他們請AI，也就是人工智慧，幫忙從圖表找線索。使用的GPT-5 Pro能讀文字和圖表，再產生回答。
圖表看得見變化，原因卻卡住了
資料裡的主角叫T細胞，是免疫系統的一員。它會幫身體辨認異常，也會傳送指令。
團隊讓T細胞接觸2-去氧葡萄糖，簡稱2-DG。這種物質的構造像葡萄糖，會妨礙細胞使用糖。
等團隊洗掉2-DG後，更多細胞變成會帶動發炎反應的Th17細胞。這個變化一直留了下來。
團隊可以從圖表量到變化，卻多年說不清原因。他們原先猜，細胞可能只是缺少能量。
AI把兩條線接了起來
GPT-5 Pro看圖後，認為2-DG可能另有作用。它把線索轉向N-連結糖基化。
細胞做這項工作時，會把糖接到蛋白質上。如果接糖出了問題，細胞接收訊息的方式也可能改變。
這場實驗的重要訊息叫IL-2，會幫助T細胞生長。它也會壓住T細胞變成Th17的方向。
AI猜測，接糖受阻後，細胞收到的IL-2訊息會變弱。原本的阻力一小，Th17細胞就更容易出現。
AI還把記憶T細胞和初始T細胞分開看。記憶T細胞遇過目標，初始T細胞還沒有。
它認為，主要變化會落在記憶T細胞。這串原因能接回圖表，也指向下一場實驗。
可是，能說明舊資料還不代表已經證實。此時的答案仍是可以拿去測的猜想。
未公開實驗像一張答案紙
研究人員接著給AI看另一張未公開的細胞圖。AI先分析變化，再預測一場CAR-T實驗。
CAR-T細胞經過改造，能辨認特定目標。這場實驗要看它攻擊癌細胞的能力。
GPT-5 Pro預測，先接觸2-DG會讓CAR-T細胞的攻擊能力變強。團隊手上已有實驗結果，方向幾乎一樣。
這就像先寫下答案，再打開老師保管的答案紙。它比只講一個順耳的原因更有檢查力。
可是，這場實驗的資料沒有公開。其他科學家看不到資料，也無法核對預測有多接近結果。
一次接近也不能代表每次都準。資料或問題一換，AI可能給出不同品質的答案。
公開過的相近線索，留下另一個問題
這個案例還有一個限制。團隊曾把相近實驗放到bioRxiv。
bioRxiv讓科學家先公開尚未正式審查的研究稿。這類稿件叫「預印本」。
論文作者因此提醒，GPT-5 Pro可能看過相近線索。所以，不能直接把這次表現當成全新的推理。
但也不能說它只是照抄。團隊表示，有些更細的實驗方向過去沒做過，也沒公開。
目前還分不開，AI用了多少舊線索，又接出了多少新想法。
從猜想到發現，中間還要繼續驗
這份研究稿目前公開在arXiv。研究人員可以在這個網站先分享稿件。
接下來還要經過同儕審查，讓同領域科學家檢查方法和說法。
論文也寫明，許多後續實驗還沒做。CAR-T結果也沒有公開資料讓外界核對。
科學猜想的作用，是告訴團隊下一步可以測什麼。新的實驗反覆得到相近結果，答案才會更可靠。
因此，GPT-5 Pro幫團隊縮小了找答案的範圍。它還沒有替這項研究完成證明。
AI旁邊還要有資料、專家和實驗
這次合作先有一份真實、整理清楚的圖表。資料若混亂，AI也可能跟著看錯。
接著，Unutmaz用免疫學知識檢查AI的說法。AI可能寫得很順，內容卻會出錯。
最後，團隊剛好有未公開實驗可以對答案。少了這一步，合理的說法仍然只是猜想。
這則新聞記錄的，不是AI獨自解開細胞謎題。它記錄的是一種合作：AI找方向，人類負責查證。
科學家要準備資料、看懂答案，再做新的實驗。AI可以加快前面找路的時間，證據仍得從實驗裡來。
