Bijna 2.000 AI-agents van OpenAI werken in 32 minuten een atlas van 7,7 miljoen hersencellen door
OpenAI liet bijna 2.000 AI-agents tegelijk werken aan één grote dataset van muizenhersenen. In 32 minuten kwamen ze met verklaringen en nieuwe onderzoeksideeën, werk waar mensen maanden over zouden doen. De volgende stap is de beste ideeën in het lab te testen.
Een AI-model dat in één keer een enorme stapel gegevens moet doorwerken, raakt het overzicht kwijt. OpenAI pakte het daarom anders aan: het liet bijna 2.000 AI-agents tegelijk werken, elk aan een klein stukje van hetzelfde onderzoek. Samen werkten ze in 32 minuten een atlas van 7,7 miljoen hersencellen van muizen door. Dat maakten OpenAI, het biotechbedrijf PerturbAI en het Amerikaanse onderzoeksinstituut Scripps Research op 21 oktober 2026 bekend.
Een AI-agent is hier een AI-model dat zelfstandig een taak uitvoert: gegevens bekijken, wetenschappelijke artikelen opzoeken en een verklaring opschrijven. De agents draaiden op GPT-Rosalind, het AI-model dat OpenAI dit voorjaar uitbracht voor onderzoek in de biologie en de geneeskunde.
Een atlas van uitgeschakelde genen
De gegevens komen van PerturbAI. Dat bedrijf schakelde in de hersenen van 74 muizen telkens één gen uit, 1.947 genen in totaal, die allemaal met ziektes te maken hebben. Daarna mat het per hersencel welke andere genen harder of zachter gingen werken. Die methode heet Perturb-seq.
Zo'n atlas levert een berg gegevens op. Voor elk uitgeschakeld gen moet iemand uitzoeken wat de veranderingen betekenen en wat er al over bekend is. Volgens de onderzoekers zou een team mensen daar maanden tot een jaar mee bezig zijn. Dat is een schatting: ze rekenden met een kwartier per gen en tien minuten per artikel dat gelezen moet worden.
Elke agent één gen
In het nieuwe onderzoek kreeg elke agent één uitgeschakeld gen toegewezen. De agent bekeek hoe de cellen reageerden, zocht in de wetenschappelijke literatuur en stelde een verklaring voor. Daarna voegde het systeem alle verslagen samen, zocht het naar verbanden tussen genen en zette het de beste ideeën voor vervolgonderzoek bovenaan. Het resultaat is een 'redeneeratlas' die iedereen kan doorzoeken.
Het werk verdelen over veel agents maakt een groot verschil. Eén agent die alles alleen deed, haalde bij de grootste hoeveelheid werk gemiddeld zo'n 11 wetenschappelijke bronnen aan. De agents samen kwamen volgens de projectgegevens op ruim 7.500 bronnen. Biologen met een doctorstitel die niet wisten welk verslag van wie kwam, kozen vaker voor het werk van de groep agents dan voor dat van de ene agent.
De agents kregen het oorspronkelijke wetenschappelijke artikel over de atlas niet te zien. Toch vonden ze volgens de onderzoekers 48 van de 55 conclusies terug die uit de gegevens te halen waren, of ze scherpten die aan.
Een spoor naar cholesterol
Een van de nieuwe ideeën gaat over het gen DCTN1. Dat gen helpt zenuwcellen om stoffen door de cel te vervoeren en hangt samen met hersenziektes zoals ALS en een vorm van dementie. Als DCTN1 was uitgeschakeld, gingen genen voor het aanmaken van cholesterol harder werken. Een agent opperde dat zenuwcellen zelf meer cholesterol gaan maken als het vervoer ervan in de cel hapert. Drie biologen die niet wisten waar het idee vandaan kwam, gaven het gemiddeld een 4,3 op 5 als onderwerp voor vervolgonderzoek.
Volgende stap: het lab
Alle ideeën uit de redeneeratlas zijn voorlopig hypotheses die nu in het lab getest kunnen worden. Het onderzoek staat als preprint online: andere wetenschappers beoordelen het nog. Acht van de veertien auteurs werken bij OpenAI of PerturbAI, wat zij zelf als mogelijk belangenconflict melden. Volgens de makers blijven wetenschappers de belangrijke keuzes maken: welke verklaring het sterkst is en welke proef als eerste wordt gedaan.
Onafhankelijke onderzoekers zijn positief. Tomasz Nowakowski, hersenonderzoeker aan de University of California in San Francisco, zegt dat de aanwijzingen soms al bestaan, verspreid over verschillende vakgebieden, maar dat niemand ze nog aan elkaar had gekoppeld. Sarah Teichmann van de Universiteit van Cambridge, een van de oprichters van het internationale project Human Cell Atlas, verwacht dat AI veel meer onderzoekers helpt om zulke celatlassen te verkennen en er toetsbare vragen uit te halen.
De software is vrij beschikbaar op GitHub. PerturbAI en OpenAI willen de aanpak nu gebruiken voor eigen gegevens over de hersenen, stofwisselingsziektes en veroudering.
Wat betekent dit voor de weg naar de singulariteit?
Labs maken steeds sneller steeds grotere datasets. Uitzoeken wat al die metingen betekenen, wordt daardoor de nieuwe bottleneck. Dit onderzoek laat zien dat AI dat werk kan opschalen: niet één slimme assistent, maar een heel team dat tegelijk aan duizenden vragen werkt en de antwoorden samenlegt.
Het grootste voordeel zit in de kruisbestuiving waar Nowakowski op wijst. Een taalmodel heeft artikelen uit de celbiologie, de neurologie en de stofwisseling tegelijk gelezen. Het kan daardoor verbanden leggen die voor één specialist buiten beeld blijven, zoals tussen een transportgen en cholesterol. Worden de beste ideeën in het lab bevestigd, dan kan zo'n zwerm agents het begin van medicijnonderzoek flink versnellen: van een berg metingen naar een korte lijst kansrijke ideeën in een half uur.
