La biologie produit désormais des données plus vite qu'on ne peut les lire. Un atlas CRISPR du cerveau entier, qui recense comment l'inactivation de milliers de gènes modifie les cellules dans tout le cerveau de la souris, recèle bien plus de pistes qu'un laboratoire ne pourrait en suivre gène par gène. OpenAI, PerturbAI et Scripps Research ont essayé autre chose : répartir l'analyse entre des milliers d'agents d'IA utilisant GPT-Rosalind, le modèle de sciences du vivant d'OpenAI, chacun prenant un seul gène.
Chaque agent a examiné l'inactivation d'un gène, analysé la réponse des cellules, fouillé la littérature publiée et proposé une explication. Leurs rapports ont été fusionnés dans ce que l'équipe appelle un atlas de raisonnement, qui relie gènes, effets cellulaires, publications et mécanismes possibles, et que les chercheurs peuvent désormais explorer. L'analyse complète, sur des données de millions de cellules cérébrales de souris, a duré 32 minutes ; l'équipe estime qu'une analyse humaine comparable prendrait de plusieurs mois à un an. Les agents ont retrouvé des résultats d'analyses humaines antérieures, et leur jugement sur la nouveauté des pistes rejoignait celui d'experts humains travaillant à l'aveugle.
Deux pistes ressortent. Tsc1 et Tsc2 contrôlent normalement ensemble mTOR, un régulateur central de la croissance cellulaire, mais dans le cervelet l'inactivation de Tsc2 a modifié des dizaines de gènes de la communication neuronale, alors que celle de Tsc1 n'a presque rien changé, ce qui pourrait compter pour la sclérose tubéreuse de Bourneville, où les troubles du cervelet sont liés aux mutations de TSC2. Et l'inactivation de Dctn1, dont les mutations causent le syndrome de Perry, aux symptômes proches de Parkinson, a accru l'activité des gènes de fabrication du cholestérol, ce qui suggère un lien vérifiable entre gestion du cholestérol et neurodégénérescence. Une comparaison a aussi donné raison au découpage : un agent unique chargé de tout le jeu de données n'a cité que 11 références pour la plus grosse charge, contre plus de 700 pour les agents répartis.
L'approche s'inscrit dans l'offensive d'OpenAI en biologie avec GPT-Rosalind, qui comprend aussi des places gratuites pour les laboratoires universitaires et le rachat d'Orchestra Bio. Pour les chercheurs assis sur de grands jeux de données de perturbations, c'est la méthode qu'il faut retenir : des agents en parallèle peuvent lire la longue traîne de résultats que les humains laissent de côté.
La prudence habituelle s'impose, et elle pèse ici. Le travail est une prépublication sur bioRxiv, non évaluée par des pairs. Produire vite des hypothèses n'a jamais été le principal goulot d'étranglement de la biologie ; les tester en laboratoire l'est, et aucune de ces pistes n'a encore été testée. S'accorder avec des experts sur la nouveauté n'est pas avoir raison. L'atlas de raisonnement est une liste de bonnes questions, pas un ensemble de résultats.