1.946 KI-Agenten suchen in Gehirnzelldaten nach neuen Zusammenhängen

Stört man in einer Gehirnzelle ein bestimmtes Gen, wirkt sich das auf andere Gene aus. Große Versuche können das heute für viele Gene und Zelltypen gleichzeitig untersuchen. Schwer ist es, die vielen beobachteten Veränderungen zu deuten. Eine neue Vorveröffentlichung von Alexander Sun und Kollegen untersucht, ob sich diese Auswertung auf viele KI-Agenten verteilen lässt.

Die Arbeit erschien am 16. Oktober 2026 auf bioRxiv und ist noch nicht wissenschaftlich begutachtet. OpenAI stellte das gemeinsame Projekt am 21. Oktober vor. Es geht um die Deutung biologischer Daten, nicht um die Behandlung von Menschen.

Vor den Agenten stand ein großes Experiment

Grundlage ist ein bereits vorhandener Atlas aus einem Mausgehirn-Projekt. Dafür wurden Gene mit CRISPR gezielt gestört und danach die RNA-Mengen einzelner Zellen erfasst. Diese Kombination heißt Perturb-seq. Sie zeigt, welche anderen Gene nach einem Eingriff stärker oder schwächer abgelesen werden und wie sich das zwischen Zelltypen unterscheidet.

Der öffentlich zugängliche Atlas enthält Daten aus Millionen von Zellen. Die Agenten bekamen daraus aufbereitete Profile der veränderten Genaktivität, Angaben zum Versuch sowie Werkzeuge für Analysen und Literaturrecherchen. Die Eingriffe und Messungen hatten Forschende schon vorher durchgeführt.

Das Team startete 1.946 Agenten, die parallel und unabhängig voneinander arbeiteten, jeweils für eine untersuchte Genstörung. Laut Preprint liefen sie mit GPT-Rosalind-5.5. Ihre Berichte hielten Beobachtungen, Zahlen, mögliche Erklärungen, Literatur und Einschränkungen fest. In weiteren Schritten wurden die Berichte zu einer durchsuchbaren Sammlung von Zusammenhängen zusammengeführt.

Tsc1, Tsc2 und eine Hypothese zum Cholesterin

Ein Beispiel sind Tsc1 und Tsc2. Die zugehörigen Proteine wirken gemeinsam an der Regulation von mTOR mit, einem wichtigen Schaltsystem für Zellwachstum und Stoffwechsel. In mehreren Gruppen von Nervenzellen ähnelten sich die Folgen der beiden Genstörungen.

In einer Gruppe hemmender Nervenzellen im Kleinhirn war es anders. Nach der Störung von Tsc2 waren dort 83 Gene nach dem verwendeten statistischen Kriterium verändert, nach der Störung von Tsc1 keines. Das zeigt Abbildung 2 des Preprints. Null heißt hier nur, dass keine Veränderung die festgelegte Nachweisschwelle überschritt. Es beweist nicht, dass die Zellen biologisch völlig unverändert waren.

Ein weiterer Hinweis betraf Dctn1, ein Gen, das beim Transport von Fracht innerhalb der Zelle eine Rolle spielt. Nach seiner Störung waren in Nervenzellen Gene für die Cholesterinherstellung stärker aktiv. Die Agenten verbanden das mit Literatur zum Cholesterintransport innerhalb der Zelle. Daraus entstand die Hypothese, dass eine gestörte Verteilung von Cholesterin eine ausgleichende Mehrproduktion auslösen könnte.

Beobachtet wurde die Genaktivität, die Erklärung ist ein Vorschlag. Die Genaktivität stammt aus Versuchsdaten. Ob tatsächlich ein Transportfehler den Effekt verursacht, muss gezielt geprüft werden. Veränderungen des menschlichen Gens DCTN1 hängen mit dem Perry-Syndrom zusammen, deshalb ist der Hinweis für die Krankheitsforschung interessant. Eine Therapie ergibt sich daraus noch nicht. Das Team ordnet das in Abbildung 4 und dem zugehörigen Text so ein.

Welche Ergebnisse bereits geprüft wurden

Zuerst prüften die Forschenden, ob die Agenten Ergebnisse der ursprünglichen Atlas-Arbeit wiederfinden. Das Manuskript und die Schlussfolgerungen dieser Arbeit kannten die Agenten nicht. Von 55 Befunden, die sich direkt aus den bereitgestellten Daten zur Genaktivität ableiten ließen, fanden die Agenten nach Bewertung des Teams 48 wieder oder präzisierten sie. Vier weitere fanden sie teilweise wieder. Das testet die Auswertung vorhandener Daten. Eine unabhängige Wiederholung der biologischen Experimente ist es nicht.

Dazu kam ein Vorhersagetest. Das Team hielt 272 Genstörungen zurück. Für eine bestimmte Gruppe von Nervenzellen sollten die Agenten einschätzen, ob und wie stark sich die Genaktivität verändert. Von 100 Fällen mit nachweisbarer Reaktion erkannten sie 59 richtig, von 172 Fällen ohne nachweisbare Reaktion 142. Die Agenten übersahen also einen Teil der Reaktionen und sagten andere voraus, die im zurückgehaltenen Datensatz nicht nachweisbar waren. Die Bedingungen des Tests stehen in Abbildung 3.

Außerdem bewerteten 30 promovierte Fachleute für Biologie ausgewählte Berichte, ohne deren Herkunft zu kennen. Bei einem gesonderten Vergleich von 20 Berichtspaaren mit jeweils drei Bewertungen bevorzugten sie in 45 von 60 Urteilen die Auswertung der verteilten Agenten. Das sind die 75 Prozent, die OpenAI nennt. Zehn Urteile gingen an den einzelnen Agenten, fünf waren unentschieden. Bewertet wurde die Qualität der Interpretationen, nicht ob jeder vorgeschlagene Mechanismus experimentell bewiesen ist.

Einzelne berichtete Zusammenhänge wurden rechnerisch im Datensatz nachuntersucht. Neue Laborversuche, die etwa die Dctn1-Cholesterin-Hypothese bestätigen würden, berichtet die Arbeit nicht. Die Autoren selbst nennen unabhängige Datensätze und künftige Experimente als nötige nächste Prüfungen.

Was hinter den 32 Minuten steckt

Der parallele Agentenlauf dauerte laut Preprint 32 Minuten. Das ist nur die Zeit der Agenten. Die ursprünglichen Tierversuche und Messungen, die Vorbereitung, die Bewertung durch Menschen und spätere Folgeexperimente kommen dazu.

Für den Vergleich mit menschlicher Arbeit rechnet das Team beispielhaft mit 15 Minuten, um eine Genstörung zu deuten, und zehn Minuten für jede gelesene Fachpublikation. Mit diesen Annahmen würde die Bearbeitung nacheinander Monate bis zu einem Jahr dauern. Das ist eine Schätzung des Arbeitsaufwands. Einen Wettbewerb zwischen einer Forschungsgruppe und den Agenten hat niemand gestoppt. Abbildung 2D nennt die Annahmen ausdrücklich eine illustrative Rechnung.

So lassen sich viele Teilfragen gleichzeitig bearbeiten. Wie viel Zeit das in anderen Projekten spart, hängt davon ab, wie gut die Daten vorbereitet sind und wie viel Nachprüfung die Berichte brauchen. In diesem Versuch wurde schneller sichtbar, welche vorhandenen Beobachtungen eine genauere Untersuchung verdienen. Ob daraus neue Erkenntnisse über menschliche Erkrankungen entstehen, zeigt erst die weitere Forschung.

Recherche-Stand: 27. Oktober 2026. Der Originalvolltext wurde geprüft. Die Studie liegt als Preprint vor. Bei der ergänzenden Suche fand sich keine spätere begutachtete Fassung, formelle Korrektur oder unabhängige experimentelle Bestätigung der hier beschriebenen neuen Mechanismushypothesen. Nicht gefundene Literatur ist kein Beweis, dass sie nicht existiert. Mehrere Autoren arbeiten bei OpenAI oder PerturbAI; zwei sind Mitgründer von PerturbAI. Nachschein hat keine eigene biologische Auswertung durchgeführt. Das Titelbild ist eine KI-Illustration, keine Mikroskopaufnahme.

Alle Angaben erfolgen nach bestem Wissen und ohne Gewähr. Für Richtigkeit, Vollständigkeit und Aktualität übernehme ich, soweit gesetzlich zulässig, keine Haftung.