OpenAI, PerturbAI y Scripps Research utilizaron miles de agentes de GPT-Rosalind para interpretar datos de millones de células cerebrales de ratón en 32 minutos, según anunció OpenAI el 21 de octubre. Buscaban conexiones biológicas que orienten nuevos experimentos.
La investigación se publicó en bioRxiv el 16 de octubre de 2026 como preprint, todavía sin revisión por pares. El documento declara entre sus autores empleados de OpenAI y PerturbAI, además de cofundadores de esta última.
Qué cubren los 32 minutos
El atlas experimental de partida, presentado en bioRxiv el 18 de marzo de 2026, registra respuestas a la pérdida de función de 1,947 genes asociados con enfermedades, con perfiles de más de 7.7 millones de células del cerebro de ratón. Su técnica, Perturb-seq, combina alteraciones genéticas con mediciones de la actividad de los genes en células individuales.
El nuevo preprint retoma ese recurso para evaluar su interpretación con agentes. La generación del atlas y la obtención de las mediciones son trabajo experimental previo al análisis anunciado ahora.
El repositorio de Distributed Agents describe cómo se reparte la tarea: cada agente estudia una alteración genética, cruza las respuestas de distintos tipos de células con bibliografía y genera un informe. Después, el sistema reúne los informes para identificar relaciones entre perturbaciones y priorizar hipótesis.
El equipo estima que el trabajo humano equivalente, revisando las alteraciones una por una, tomaría meses o hasta un año. Así compara una ejecución paralela medida con una estimación de análisis secuencial.
Cómo se evaluaron las interpretaciones
Los autores probaron el sistema sin facilitarle el manuscrito original del atlas ni sus conclusiones. Según el preprint, los agentes recuperaron conclusiones de ese trabajo, predijeron efectos de perturbaciones reservados para evaluación y encontraron relaciones entre alteraciones con resultados similares u opuestos.
En comparaciones a ciegas, los expertos humanos prefirieron las interpretaciones del sistema distribuido a las de un solo agente. OpenAI cifra esa preferencia en 75% de las comparaciones. El preprint también recoge el respaldo de los expertos a sus clasificaciones de los hallazgos por interés científico. Esas evaluaciones examinan la calidad de las interpretaciones y su utilidad para decidir qué investigar.
Al alterar Dctn1 aumentó la expresión de genes de síntesis de colesterol. OpenAI explica que los agentes propusieron estudiar si una distribución anómala del colesterol en las neuronas contribuye a la neurodegeneración, una hipótesis que requiere nuevos experimentos.
El equipo publicó el código y los materiales de análisis en el repositorio de Distributed Agents. Allí hay informes guardados y cuadernos de análisis que permiten a otros investigadores examinar los resultados y el razonamiento que respalda las hipótesis antes de elegir cuáles llevar al laboratorio.
