OpenAI accélère l’analyse biologique distribuée sur cerveau de souris

OpenAI, PerturbAI et Scripps Research disent avoir utilisé des milliers d’agents IA propulsés par GPT-Rosalind pour analyser en 32 minutes des données expérimentales portant sur des millions de cellules du cerveau de souris. Le travail, mené sur un atlas CRISPR à l’échelle du cerveau entier, a abouti à un atlas de raisonnement public reliant gènes, effets cellulaires et publications scientifiques. L’enjeu est clair : accélérer une phase de recherche qui, à la main, prendrait selon eux plusieurs mois, voire un an.

Des milliers d’agents pour fractionner le travail

L’approche, qualifiée par OpenAI de distributed biological reasoning, répartit l’analyse entre des agents spécialisés. Chacun a examiné une perturbation génétique, observé la réponse cellulaire, fouillé la littérature scientifique et proposé une explication possible. Les rapports ont ensuite été agrégés dans un atlas qui met en regard les gènes, les publications pertinentes et des mécanismes biologiques plausibles.

Selon l’annonce, cette méthode a reproduit des résultats déjà obtenus par des analyses humaines, tout en faisant émerger de nouvelles pistes. Des experts humains, en aveugle, ont jugé la nouveauté et l’intérêt scientifique des propositions de façon alignée avec les évaluations des agents. Le procédé a aussi été comparé à un agent unique chargé de tout le jeu de données : quand la charge augmente, le modèle isolé lit moins, jusqu’à seulement 11 références à la plus forte échelle testée, contre plus de 700 pour les agents distribués. Pas vraiment la même appétence pour la bibliographie.

Deux pistes biologiques ont retenu l’attention

Parmi les résultats, les chercheurs rapportent une différence inattendue entre Tsc1 et Tsc2, deux gènes qui régulent ensemble mTOR, un moteur majeur de la croissance cellulaire, du métabolisme et du vieillissement. Dans le cervelet, l’invalidation de Tsc2 a modifié l’activité de dizaines de gènes liés à la communication neuronale, alors que l’invalidation de Tsc1 a peu changé la donne. L’annonce relie cette divergence aux formes de sclérose tubéreuse associées à TSC2, où les anomalies cérébelleuses sont fortement impliquées.

Une autre piste concerne DCTN1, un gène dont certaines mutations provoquent le syndrome de Perry, une maladie neurodégénérative avec des symptômes proches de Parkinson. Dans l’atlas, la perturbation de Dctn1 a augmenté l’expression de gènes impliqués dans la production de cholestérol. Les auteurs y voient un point d’entrée possible pour étudier le transport du cholestérol dans les neurones et son rôle potentiel dans la neurodégénérescence. Tomasz Nowakowski, professeur associé de neurochirurgie à UCSF, estime que ce type de signal croisé montre comment des indices dispersés dans plusieurs disciplines peuvent changer la lecture d’une maladie.

Une base publique, des données massives et un papier encore en prépublication

L’atlas de raisonnement et le framework d’agents sont publiés sur GitHub sous licence MIT. Le dépôt inclut le moteur d’exécution, les outils de corpus et des notebooks utilisés pour les analyses, figures et tableaux complémentaires. Les données analysées viennent de PerturbAI et sont hébergées sur Hugging Face : 7,7 millions de cellules, 205 Go de données, 19 070 ARNm et 8 588 sgRNA, avec des profils de cellules uniques sur près de 2 000 gènes liés à des maladies. Le tout s’appuie sur la taxonomie du Whole Mouse Brain de l’Allen Institute.

Le papier compagnon, Distributed AI agents enable comprehensive discovery of biological insights at scale, a été déposé sur bioRxiv le 16 octobre 2026 et n’a pas encore été certifié par une relecture par les pairs. Les auteurs affirment que le système distribué élargit fortement la couverture de la littérature et aide à hiérarchiser les expériences à lancer ensuite. Dans ce contexte, l’IA ne remplace pas le laboratoire ; elle aide surtout à décider où regarder en premier.