RéponsesPublié18 sources
Comment près de 2 000 agents IA ont tiré des pistes de recherche de données cérébrales en 32 minutes
OpenAI, PerturbAI et Scripps Research disent que des milliers d’agents GPT Rosalind ont interprété en 32 minutes des données existantes sur le cerveau de souris, pour faire émerger des pistes de recherche plutôt que d... Les agents ont relié les effets de perturbations génétiques à des publications scientifiques.
Publié parModifié avec GPT-6 LunaImages générées avec GPT Image 2
Réponse de recherche
Points clés à retenir
- OpenAI, PerturbAI et Scripps Research disent que des milliers d’agents GPT Rosalind ont interprété en 32 minutes des données existantes sur le cerveau de souris, pour faire émerger des pistes de recherche plutôt que d...
- Les agents ont relié les effets de perturbations génétiques à des publications scientifiques.
- Les résultats sur Tsc1, Tsc2 et Dctn1 suggèrent des expériences à mener. Le délai de plusieurs mois à un an attribué à une analyse humaine est une estimation, et non le résultat d’un test comparatif direct.
Prompt IA
openai.comCreate a landscape editorial hero image for this Studio Global article: How did OpenAI, PerturbAI and Scripps Research use nearly 2,000 parallel GPT-Rosalind agents and “distributed biological reasoning” to analy. Article summary: The October 21 announcement described a fast, parallel interpretation of existing mouse-brain experiments—not the creation of the experimental atlas or proof of new disease mechanisms—in which GPT-Rosalind agents connect. Topic tags: general, general web, user generated, government, academic. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, wate
OpenAI, PerturbAI et Scripps Research affirment avoir mobilisé des milliers d’agents GPT-Rosalind pour interpréter des expériences déjà réalisées sur le cerveau de souris, en 32 minutes. Les agents ont rapproché les effets de perturbations génétiques de la littérature scientifique et rassemblé leurs explications possibles dans un « atlas de raisonnement » : un ensemble de pistes à explorer, et non la preuve de nouveaux mécanismes de maladie.5
Une analyse biologique répartie entre de nombreux agents
Au lieu de confier l’ensemble des données à un seul système, les équipes ont réparti le travail entre de nombreux agents. Ceux-ci ont étudié les réactions cellulaires à des perturbations génétiques, consulté des articles scientifiques et relié leurs observations à des explications biologiques possibles. Leurs rapports ont ensuite été réunis dans une carte plus large associant gènes, réactions cellulaires, publications et hypothèses.5
11
L’atlas expérimental existait déjà : l’IA a interprété les données, elle n’a ni mené les expériences ni créé le jeu de données.5 Certaines sources parlent d’un atlas de 8 millions de cellules, tandis que l’annonce des partenaires indique que les données proviennent de millions de cellules cérébrales de souris.
5
6
Le chiffre de 32 minutes mérite aussi d’être comparé avec prudence au délai attribué à des chercheurs humains. L’estimation de plusieurs mois à un an repose sur des hypothèses de temps consacré à l’examen des perturbations génétiques et à la lecture d’articles ; elle ne vient pas d’une comparaison chronométrée avec une équipe humaine.9 Les 32 minutes correspondent donc au déroulement rapporté de l’analyse par IA. Le délai plus long est une estimation d’un travail séquentiel comparable, et non la preuve que les agents ont remplacé tout le processus de recherche d’une équipe.
Ce que suggère la comparaison avec un agent unique
Selon un compte rendu, l’analyse distribuée a cité plus de 700 références, contre 11 pour une analyse menée par un seul agent. Lors d’une évaluation à l’aveugle, des spécialistes auraient préféré les explications du système multi-agents dans 75 % des cas.6 Un autre compte rendu fait également état de ce taux de préférence lors d’une comparaison à l’aveugle.
39
Ces résultats laissent penser que l’approche multi-agents peut élargir la couverture de la littérature scientifique et produire des explications jugées plus utiles par des experts. Ils ne constituent pas des scores d’exactitude : préférer une explication ne prouve pas que le mécanisme proposé est juste. Il reste à tester les hypothèses en laboratoire.
Deux hypothèses mises en avant par les agents
Tsc2 et Tsc1 dans des neurones du cervelet
OpenAI indique que la perturbation de Tsc2 a modifié l’expression de dizaines de gènes dans un groupe de neurones du cervelet, notamment des gènes impliqués dans la communication neuronale. La perturbation de Tsc1, en revanche, a eu peu d’effet sur l’expression des gènes dans ce même type cellulaire. Les deux gènes contribuent à réguler mTOR. OpenAI présente cette différence comme une piste possible pour comprendre pourquoi les mutations de TSC2 tendent à provoquer une sclérose tubéreuse plus sévère que celles de TSC1.14
Il s’agit d’une explication proposée, et non d’une cause établie de la différence de gravité. Ce résultat ouvre des questions à étudier, par exemple : les traitements existants qui ciblent mTOR inversent-ils les changements observés dans ces neurones ?14
Dctn1 et les gènes liés au cholestérol
Dans les données cérébrales de souris, la perturbation de Dctn1 a accru l’expression de gènes impliqués dans la production du cholestérol. Comme DCTN1 est associé au syndrome de Perry, une maladie neurodégénérative rare, OpenAI propose d’étudier le rôle éventuel du transport du cholestérol dans les neurones et la possibilité que le rétablir aide à les protéger.15
La nuance est importante : une hausse de l’activité de gènes de production du cholestérol ne démontre pas, à elle seule, que son transport est perturbé ni qu’un traitement visant ce transport serait efficace. Le mécanisme proposé reste à vérifier.15
Ce que ces résultats montrent — et ce qu’ils ne montrent pas
Le projet illustre une manière de rapprocher à grande échelle des résultats expérimentaux et des recherches publiées pour générer des explications que les scientifiques pourront examiner.5 Mais le nombre de références et la préférence d’experts ne remplacent pas une validation expérimentale. Les liens proposés avec des maladies doivent donc être considérés comme des hypothèses, et non comme des mécanismes confirmés ou des cibles thérapeutiques prêtes à l’emploi.
Les comptes rendus décrivent les travaux comme un préprint. Il faut donc distinguer l’annonce des partenaires et l’évaluation rapportée d’une confirmation indépendante des résultats biologiques.9 Les éléments disponibles ne permettent pas non plus d’établir les intérêts financiers ou professionnels précis des auteurs correspondants ; il ne faut pas les supposer dans un sens ou dans l’autre.
Pourquoi cette approche intéresse la découverte de médicaments
PerturbAI et OpenAI présentent le projet comme le fruit d’une collaboration d’un an consacrée à la recherche biomédicale et à la découverte de médicaments.31 L’ambition pratique est d’aider les chercheurs à relier des données biologiques causales aux connaissances existantes, puis à choisir les questions qui méritent d’être testées. Les résultats rapportés illustrent les premières étapes de cette méthode ; ils ne prouvent pas que le système a déjà identifié des cibles thérapeutiques validées.
31
39
Studio Global AI
Continuez vos recherches
Cette page comprend une réponse basée sur la source que vous pouvez continuer dans Studio Global.
Les gens demandent aussi
Quelle est la réponse courte à « Comment près de 2 000 agents IA ont tiré des pistes de recherche de données cérébrales en 32 minutes » ?
OpenAI, PerturbAI et Scripps Research disent que des milliers d’agents GPT Rosalind ont interprété en 32 minutes des données existantes sur le cerveau de souris, pour faire émerger des pistes de recherche plutôt que d...
Quels sont les points clés à valider en premier ?
OpenAI, PerturbAI et Scripps Research disent que des milliers d’agents GPT Rosalind ont interprété en 32 minutes des données existantes sur le cerveau de souris, pour faire émerger des pistes de recherche plutôt que d... Les agents ont relié les effets de perturbations génétiques à des publications scientifiques.
Que dois-je faire ensuite en pratique ?
Les résultats sur Tsc1, Tsc2 et Dctn1 suggèrent des expériences à mener. Le délai de plusieurs mois à un an attribué à une analyse humaine est une estimation, et non le résultat d’un test comparatif direct.
Sources
openai.comUsing thousands of AI agents to uncover new leads in biological data
unite.aiOpenAI Unveils Mouse Brain Reasoning Atlas From GPT-Rosalind Agents
aiweekly.coOpenAI, PerturbAI and Scripps Run ~2,000 GPT-Rosalind Agents on 8M-Cell Brain CRISPR Atlas in 32 Min | AI Weekly
rdworldonline.comOpenAI runs 1,946 GPT-Rosalind agents on a mouse brain atlas