IT之家 – Selon un rapport du 23 octobre, OpenAI, en collaboration avec PerturbAI et le Scripps Research, a utilisé des milliers d’agents IA pour analyser les données biologiques de millions de cellules cérébrales de souris, en ne prenant que 32 minutes pour l’ensemble du processus d’analyse.
L’équipe de recherche estime que, si des chercheurs humains analysent les résultats des expériences un par un et consultent les documents correspondants, il faudrait plusieurs mois à une année pour accomplir le même travail.
Selon la présentation publiée par OpenAI le 21 octobre, cette étude a utilisé le modèle GPT-Rosalind conçu pour les recherches en sciences de la vie, afin d’analyser une carte CRISPR du cerveau du souris couvrant l’ensemble de celui-ci. Cette carte registre les changements dans les cellules cérébrales suite à l’intervention de différents gènes, ce qui permet aux chercheurs de comprendre la fonction des gènes et les liens potentiels entre eux et les maladies.
L’équipe de recherche utilise une architecture d’agent d’IA distribuée, qui divise un grand nombre de tâches d’analyse et les exécute en parallèle. Chaque agent est chargé d’étudier une intervention génique, d’analyser la réaction des cellules concernées et de rechercher dans les documents scientifiques afin de trouver une possible explication biologique pour les changements observés.
Ensuite, les chercheurs ont intégré les rapports des différents agents intelligents en un atlas de raisonnement appelé « Reasoning Atlas », qui relie les gènes, les changements cellulaires, les références et les mécanismes d’action potentiels.
Les chercheurs ont constaté que les agents intelligents distribués ne sont pas seulement capables de reproduire certaines conclusions des études existantes, mais proposent également des pistes qui méritent une vérification plus approfondie. Par exemple, Tsc1 et Tsc2 sont deux gènes impliqués dans la régulation du développement cellulaire et de la métabolique. Cependant, les recherches ont montré que, chez certains neurones du moignon cérébral, l’intervention sur Tsc2 modifie l’expression de nombreux gènes liés à la communication neuronale, tandis qu’une intervention sur Tsc1 ne provoque pas de changements équivalents. Cette différence pourrait aider les chercheurs à mieux comprendre les anomalies cérébrales liées à la sclérose tuberculeuse.
Une autre piste concerne le gène DCTN1 lié aux maladies dégénératives neuronales. Des études ont montré que, après intervention sur ce gène, les niveaux d’expression de certains gènes impliqués dans la synthèse du cholestérol augmentent. L’intelligence artificielle a relier ce phénomène aux recherches existantes sur les anomalies dans le transport du cholestérol, et soulève une question à vérifier : l’anomalie fonctionnelle de DCTN1 pourrait-elle affecter la distribution du cholestérol au niveau des neurones et participer davantage aux changements dégénératifs neuronaux ?
L’équipe de recherche a également effectué une comparaison en test aveugle entre les comportements des intelligences distribuées et ceux des intelligences individuelles. Dans 20 rapports de parité, les experts en biologie ont préféré les rapports produits par les intelligences distribuées dans 75 % des évaluations ; les rapports produits par les intelligences individuelles ont été privilégiés dans 16,7 % des évaluations, tandis que les 8,3 % restants ont donné un résultat égal.
Les chercheurs indiquent que, à mesure que la taille des tâches d’analyse augmente, l’architecture distribuée permet également de récupérer et de citer davantage de documents scientifiques. Dans les tests de la plus grande taille, l’agent intelligent distribué a cité 700 articles, tandis qu’un seul agent intelligent n’a cité que 11 articles.
Les articles de recherche connexes ont été publiés sur la plateforme préimprimée bioRxiv le 16 octobre 2026, et ne sont pas encore soumis à une revue par des pairs. L’équipe de recherche souligne que les liens biologiques et mécanismes d’action proposés par l’IA restent des hypothèses de recherche à vérifier, et qu’il est nécessaire de les confirmer par des expériences ultérieures.
Les cartes de raisonnement pertinentes, les processus d’analyse et les codes ont été mis à disposition des chercheurs, afin de permettre l’exploration des résultats des interventions génétiques, la comparaison des réactions entre différents types de cellules, et le sélection des directions de recherche qui méritent une priorité dans les expériences.
Adresse du article sur IT Home :
https://www.biorxiv.org/content/10.64898/2026.10.15.759436v1
Lire également :