OpenAI, en collaboration avec la société de biotechnologie PerturbAI et Scripps Research, a démontré comment des agents d'IA distribués peuvent accélérer le traitement d'immenses ensembles de données biologiques.
L'équipe a utilisé des milliers d'agents basés sur GPT-Rosalind pour analyser l'atlas CRISPR du cerveau entier — des données sur l'effet des perturbations géniques sur des millions de cellules cérébrales de souris. Chaque agent étudiait un gène : il analysait les réactions cellulaires, cherchait des liens dans la littérature scientifique et proposait des explications possibles.
L'ensemble du processus a pris 32 minutes. Les chercheurs estiment qu'une analyse manuelle et une revue de la littérature comparables pour un seul gène pourraient prendre de plusieurs mois à un an.
Quel est l'essentiel
L'IA n'a pas mené de nouvelles expériences et n'a pas prouvé la cause d'une maladie. Elle a rapidement traité des données déjà existantes, trouvé des régularités et proposé des hypothèses que les scientifiques peuvent désormais vérifier en laboratoire.
Les résultats ont été réunis dans un atlas de raisonnement — une carte qui relie les gènes, les effets cellulaires, les publications scientifiques et les mécanismes possibles. Un tel atlas aide les chercheurs à ne pas parcourir les données manuellement, mais à voir immédiatement les directions les plus prometteuses.
Pourquoi c'est important
La principale valeur du projet est son ampleur. Des milliers d'agents ont analysé en parallèle des données sur des millions de cellules et cité plus de 700 sources scientifiques. À titre de comparaison : un agent unique dans le même test n'a utilisé que 11 sources.
Dans une comparaison en aveugle, les biologistes ont plus souvent choisi les rapports des agents distribués — dans 75% des cas. Cela ne signifie pas que l'IA a toujours raison, mais montre que le système est capable de produire des conclusions de recherche utiles et bien étayées.
Ce qu'ils ont trouvé
Parmi les hypothèses figurent des différences inattendues dans l'action des gènes Tsc1 et Tsc2 dans le cervelet : la perturbation de Tsc2 a modifié l'activité de dizaines de gènes, tandis que celle de Tsc1 ne l'a presque pas fait.
Un autre exemple concerne le gène DCTN1, dont les mutations sont liées à une maladie neurodégénérative rare — le syndrome de Perry. La perturbation de ce gène a augmenté l'expression des gènes impliqués dans la synthèse du cholestérol. Ce n'est pas une cause établie de la maladie, mais une piste possible qui exige des vérifications supplémentaires.
Et ensuite
L'atlas de raisonnement est déjà accessible aux chercheurs : il peut être utilisé pour rechercher de nouvelles hypothèses et planifier des expériences.
Les partenaires considèrent cette approche comme un moyen de trouver plus rapidement des cibles potentielles pour les médicaments. Si la méthode se confirme sur d'autres données, elle pourrait rendre la recherche de nouveaux traitements plus systématique. Mais il s'agit encore d'une étape précoce : l'IA propose des idées, et les conclusions finales restent du ressort des scientifiques et des expériences en laboratoire.