IA da OpenAI analisa milhões de células cerebrais em 32 minutos

Uma equipe de pesquisadores utilizou quase 2 mil agentes de inteligência artificial (IA) da OpenAI para analisar dados de milhões de células cerebrais e identificar, em apenas 32 minutos, possíveis pistas sobre doenças neurodegenerativas. Entre as descobertas está uma ligação entre o metabolismo do colesterol e a síndrome de Perry, uma condição rara que provoca sintomas semelhantes aos do Parkinson. O experimento foi conduzido pela OpenAI em parceria com a empresa de biotecnologia PerturbAI e o instituto de pesquisa Scripps Research, com os resultados apresentados na quarta-feira (21).

Segundo os pesquisadores, uma análise equivalente, realizada por humanos de forma sequencial, poderia levar de alguns meses a um ano. A pesquisa utilizou o GPT-Rosalind, modelo de IA da OpenAI especializado em biologia e desenvolvimento de medicamentos. Apesar dos resultados promissores, as hipóteses identificadas ainda precisam ser verificadas em novos experimentos.

O que a IA descobriu sobre doenças neurodegenerativas?

Uma das principais descobertas envolve o gene DCTN1, associado à síndrome de Perry. Ao analisar experimentos realizados com células cerebrais de camundongos, os agentes identificaram que a interrupção do funcionamento desse gene aumentava a atividade de outros genes responsáveis pela produção de colesterol. A IA relacionou o resultado a pesquisas anteriores que apontavam problemas no transporte de colesterol dentro das células.

Uma possível explicação é que, diante dessas dificuldades, as células passem a produzir mais colesterol para compensar o desequilíbrio. A hipótese levantada pelos agentes é que alterações na distribuição dessa substância possam contribuir para a degeneração dos neurônios. Os pesquisadores pretendem investigar se restaurar o transporte adequado de colesterol poderia ajudar a proteger essas células, embora ainda não haja comprovação de que essa estratégia funcione como tratamento.

O sistema de IA também encontrou diferenças inesperadas entre os genes Tsc1 e Tsc2, associados à esclerose tuberosa. Embora os dois genes atuem juntos na regulação do crescimento celular, a alteração do Tsc2 provocou mudanças na atividade de dezenas de genes ligados à comunicação entre neurônios do cerebelo. Já a alteração do Tsc1 teve efeitos muito menores nas mesmas células, o que pode ajudar pesquisadores a entender por que determinadas mutações estão associadas a manifestações neurológicas diferentes.

Como os agentes de IA realizaram a análise em minutos?

Para realizar o experimento, os pesquisadores utilizaram um conjunto de dados de aproximadamente 8 milhões de células cerebrais de camundongos, obtidos em estudos que investigaram os efeitos da alteração de milhares de genes. A informação já havia sido coletada anteriormente; o trabalho da IA consistiu em interpretar os resultados e relacioná-los ao conhecimento científico disponível.

A equipe dividiu o trabalho entre milhares de agentes baseados no GPT-Rosalind. Cada um ficou responsável por investigar uma alteração genética específica, analisar seus efeitos nas células e buscar estudos que ajudassem a explicar os resultados. Posteriormente, os relatórios foram reunidos em um banco de informações que relaciona genes, respostas celulares, publicações científicas e possíveis mecanismos biológicos.

A estratégia de agentes distribuídos apresentou resultados superiores aos de um único agente. Na maior carga de trabalho testada, um agente individual citou apenas 11 referências científicas, enquanto o sistema distribuído reuniu mais de 700 referências. Em outra avaliação, especialistas humanos preferiram os resultados dos agentes distribuídos em 75% das comparações, considerando a qualidade das interpretações.

IA pode acelerar a descoberta de tratamentos?

O experimento indica que a inteligência artificial pode ajudar cientistas a aproveitar informações que já foram coletadas, mas ainda não passaram por uma análise aprofundada. Segundo a OpenAI, experimentos modernos conseguem produzir dados sobre milhões de células e milhares de alterações genéticas, mas interpretar todos esses resultados exige consultar uma grande quantidade de pesquisas anteriores.

Nesse cenário, os agentes de IA podem ajudar a identificar relações pouco exploradas e selecionar hipóteses que merecem novos testes. Há, porém, limitações importantes: o estudo, disponibilizado em 16 de outubro na plataforma bioRxiv, ainda não passou por revisão independente de outros cientistas, e os dados utilizados foram obtidos de camundongos.

As possíveis relações identificadas entre alterações genéticas, colesterol e doenças neurodegenerativas precisam ser confirmadas experimentalmente antes de qualquer aplicação médica. O trabalho também não demonstrou uma cura para o Parkinson ou para a síndrome de Perry. Por enquanto, o principal resultado é a possibilidade de acelerar etapas da pesquisa científica, permitindo que especialistas concentrem seus esforços nas hipóteses consideradas mais relevantes.

O que diz a pesquisa

Um estudo publicado na plataforma bioRxiv em 2026, intitulado "Distributed AI agents enable comprehensive discovery of biological insights at scale", descreve o desenvolvimento de um sistema de raciocínio biológico distribuído. Este sistema atribui múltiplos agentes de IA a diferentes facetas de um experimento, combinando suas descobertas para interpretações abrangentes. Aplicado a um atlas de Perturb-seq de cérebro inteiro, milhares de agentes paralelos examinaram o conjunto de dados em minutos, recuperando conclusões do estudo, prevendo efeitos de perturbações e identificando relações entre elas.

O sistema escalou a cobertura da literatura com a carga de trabalho, recuperando centenas de vezes mais referências do que o modo de agente único. Especialistas humanos cegos preferiram as interpretações dos agentes distribuídos sobre as de agente único e apoiaram seus rankings de descoberta, estabelecendo uma abordagem escalável que transforma experimentos em larga escala em insights fundamentados e prioridades de acompanhamento.