Michael JohnsonOpenAI kuvasi 21. lokakuuta 2026 tutkimusta, jossa tuhannet tekoälyagentit analysoivat 32 minuutissa miljoonia hiirten aivosoluja koskevia häiriöaineistoja. Yhden pitkän kyselyn sijaan ryhmä jakoi työn agenteille: kukin tutki erillistä geneettistä häiriötä, vertasi solumuutoksia julkaisuihin ja ehdotti niille mahdollista selitystä. Tuloksena syntyi avoin luettelo geenien, soluvaikutusten ja tieteellisen kirjallisuuden välisistä yhteyksistä.
Hankkeeseen osallistuivat OpenAI, PerturbAI ja Scripps Research. Niiden kuvaus tutkimuksesta ja artikkelin esijulkaisu havainnollistavat agenttijärjestelmien käytännön sovellusta: ne käyvät rinnakkain läpi laajan joukon kokeellisia tuloksia ja muuntavat löytämänsä yhteydet kysymyksiksi, joita voidaan tutkia laboratoriossa. Tästä on erityistä hyötyä, kun aineistoa on enemmän kuin tutkimusryhmä ehtii käsin verrata hajallaan olevaan kirjallisuuteen.
Näin analyysi jaettiin
GPT-Rosalind-agentit käsittelivät koko aivojen kattavaa atlasdataa, joka kuvaa, miten yksittäisten geenien häiriöt vaikuttavat eri solutyyppeihin. Kukin agentti tarkasteli omaa häiriötään, selvitti solujen vastetta, etsi siihen liittyviä tieteellisiä julkaisuja ja muotoili hypoteesin. Erilliset raportit koottiin sitten reasoning atlas -kokonaisuudeksi, jossa havainnot yhdistetään mahdollisiin mekanismeihin ja lähteisiin.
Tutkimusryhmän arvion mukaan vastaavan manuaalisen analyysin tekeminen yksi häiriö kerrallaan olisi vienyt useista kuukausista vuoteen. Vertailu koskee kuvattua työmäärää ja ryhmän arviota; agentit analysoivat uudelleen jo kerättyä aineistoa eivätkä tehneet uusia biologisia kokeita. Hypoteesit auttavat määrittämään, mitkä havainnot ansaitsevat jatkotutkimusta.
Miksi ryhmä käytti tuhansia agentteja
OpenAI vertasi hajautettua lähestymistapaa yhteen agenttiin käyttäen samaa mallia ja samoja käytettävissä olevia resursseja. Tehtävän laajentuessa yksittäinen agentti viittasi suurimmassa skenaariossa 11 lähteeseen, kun taas hajautettu järjestelmä viittasi yli 700 lähteeseen. Sokkovertaillussa asiantuntijat suosivat hajautettujen agenttien raportteja yhden agentin raportteihin nähden 75 prosentissa tapauksista.
Nämä luvut koskevat kyseistä koetta ja asiantuntijoiden arviota. Tutkimusryhmille käytännön johtopäätös on arvioida analyysin nopeuden lisäksi lähteiden kattavuutta, viitteiden laatua ja sitä, syntyykö tuloksista selkeitä, testattavissa olevia hypoteeseja.
Yllättävästä yhteydestä seuraavaan kokeeseen
Yksi esimerkki liittyy DCTN1-geeniin. Sen mutaatiot aiheuttavat Perryn oireyhtymän, Parkinsonin tautia muistuttavia oireita sisältävän hermoston rappeumasairauden. Atlasdatassa Dctn1-geenin häiriöön liittyi kolesterolin synteesiin kytkeytyvien geenien aktiivisuuden lisääntyminen. Yhdistettyään havainnon kolesterolin kuljetusta käsitteleviin julkaisuihin agentit esittivät kysymyksen: voisiko DCTN1:n häiriö muuttaa kolesterolin jakautumista hermosolujen sisällä ja vaikuttaa niiden vaurioitumiseen?
Toinen hypoteesi syntyi Tsc1- ja Tsc2-geenien vertailusta. Vaikka molemmat geenit osallistuvat mTOR:n säätelyyn, Tsc2:n häiriö tietyissä pikkuaivojen soluissa muutti kymmenien hermosolujen viestintään liittyvien geenien aktiivisuutta; Tsc1:n kohdalla ryhmä havaitsi kyseisellä alueella huomattavasti vähäisemmän vaikutuksen. Tulokset auttavat rajaamaan etsintää: tutkijat voivat valita tiettyjä soluja ja mekanismeja myöhempää laboratoriotestausta varten.
Julkaistun reasoning atlas -luettelon avulla tutkijat voivat tutkia yhteyksiä ja valita jatkotyön suuntia. Hankkeen tärkein käytännön hyöty on alustavan katsauksen laajuus: järjestelmä yhdistää nopeasti laajoja koeaineistoja kirjallisuuteen ja ehdottaa testattavia ideoita. Tutkijat voivat käyttää näitä ideoita päättäessään, mitkä hypoteesit kannattaa viedä laboratoriokokeeseen.