GPT-Rosalind, 1.946 agentes y una pista sobre el colesterol: qué muestra realmente el resultado de DCTN1

El 21 de octubre de 2026, OpenAI publicó una colaboración con PerturbAI y Scripps Research en la que 1.946 agentes que se ejecutaban en GPT-Rosalind recorrieron un atlas CRISPR de cerebro completo de 7,7 millones de células cerebrales de ratón en 32 minutos. Uno de los hallazgos que surgieron de ello es el que circula: DCTN1, el gen detrás del síndrome de Perry y un posible vínculo entre el procesamiento del colesterol y la neurodegeneración. GPT-Rosalind en sí no es nuevo —OpenAI lo puso en vista previa de investigación en abril de 2026 y lo abrió a organizaciones elegibles mediante su programa de acceso de confianza en septiembre—, así que esta no es una historia de lanzamiento. Es la primera vez que el modelo ha producido un artefacto de investigación público y reproducible en lugar de una cifra de benchmark, y eso es algo más interesante de examinar. Lo que los agentes hicieron en realidad es más acotado que los titulares y más útil que ellos: convirtieron una firma transcripcional inesperada en una pregunta comprobable, y 30 expertos cegados consideraron que valía la pena seguir investigando esa pregunta. Nadie ha puesto a prueba esa idea en una neurona, y mucho menos en un paciente. Las afirmaciones de investigación que van más allá de la evidencia que las respalda, y las correcciones que siguen, se registran con sus fechas y fuentes en el AI Incident Archive, junto con el resto de los incidentes de modelos y proveedores que seguimos.

Tres artefactos, uno de ellos nuevo.

Vale la pena desglosar el anuncio, porque la parte útil no es la publicación de prensa. Tres cosas llegaron a la vez:

• Una prepublicación — «Los agentes de IA distribuidos permiten un descubrimiento integral de conocimientos biológicos a escala», Sun et al., publicada en bioRxiv el 16 de octubre de 2026. No ha sido revisada por pares.

• Código — un repositorio público del laboratorio Jin que contiene el entorno de ejecución del agente, un servidor MCP local sobre el corpus de literatura, herramientas de consulta CLI y los cuadernos que reproducen las figuras del artículo.

• Datos — el propio atlas CRISPR in vivo de cerebro completo de PerturbAI, en Hugging Face: 7,72 millones de células, casi 2.000 genes asociados a enfermedades, 19.070 ARNm y 8.588 sgARN. El artículo del atlas es una preimpresión aparte de marzo de 2026.

Esa combinación es la razón por la que esto merece un artículo y no un párrafo. Un benchmark de un proveedor es infalsificable desde fuera. Un preprint que publica un conjunto de datos y un pipeline puede ejecutarse contra otro atlas, revisarse línea por línea o ser contradicho por alguien con un laboratorio húmedo. Sea lo que sea lo demás que sea cierto sobre la afirmación de DCTN1, el andamiaje que la rodea es inspeccionable.

El método es la afirmación, así que empieza por ahí.

El conjunto de datos es un atlas de Perturb-seq: en todo el cerebro del ratón, los genes se interrumpen de uno en uno mediante un ARN guía, y se lee el transcriptoma de cada célula. El resultado es aproximadamente dos mil perturbaciones cruzadas con decenas de miles de respuestas de perturbación por tipo celular —muchas más de las que cualquier laboratorio lee en detalle, que es el cuello de botella que el artículo aborda.

El razonamiento biológico distribuido, tal como lo definen los autores, no es una única llamada al modelo sobre una gran tabla. Cada una de las 1,946 perturbaciones tiene su propio agente. Ese agente examina la respuesta celular a la alteración de su gen, busca en la literatura científica cualquier cosa que la explique y escribe un informe narrativo además de uno estructurado en el que propone un mecanismo. A lo largo de la ejecución, los agentes realizaron 39,185 lecturas de artículos y retuvieron 16,445 citas. Luego, los informes se sintetizan en un grafo que vincula genes, efectos por tipo celular, artículos y mecanismos candidatos.

Dos detalles de esa descripción importan más que la escala. Primero, los agentes trabajaron sin el manuscrito fuente —las conclusiones del artículo original del atlas se les ocultaron, que es lo que hace significativa la prueba de recuperación de la siguiente sección. Segundo, el modelo aparece nombrado en el preprint como GPT-Rosalind-5.5, con una fecha de corte de conocimiento declarada de diciembre de 2025. Como el manuscrito fuente apareció en marzo de 2026, los agentes no podían haber memorizado sus conclusiones. Es una fortaleza metodológica real y el artículo debería recibir crédito por ello.

La pista de DCTN1, enunciada como cuatro afirmaciones separadas.

Aquí está la cadena, en el orden en que el artículo la construye. El estatus epistémico cambia en cada paso, que es exactamente lo que se pierde al volver a contarlo.

• La observación (medida). En el atlas, la alteración de Dctn1 aumentó la expresión de genes implicados en la producción de colesterol. Esta es una firma transcripcional en los datos, no algo que el modelo haya inventado.

• La conexión (inferencia respaldada por la literatura). DCTN1 codifica la dinactina, parte de la maquinaria del motor de dineína que arrastra la carga a lo largo de los microtúbulos dentro de las neuronas. Los trabajos existentes sugieren que, cuando el transporte de colesterol se ve afectado, las células aumentan la síntesis de colesterol, aparentemente como compensación. El agente vinculó un gen de transporte con una firma de síntesis.

• La hipótesis (no probada). Si la alteración de DCTN1 cambia cómo se distribuye el colesterol dentro de las neuronas, esa redistribución podría contribuir a la degeneración —y restaurar la distribución normal podría ser protectora. La propia publicación de OpenAI es cautelosa en este punto: lo plantea como una pregunta para experimentos de seguimiento y usa «podría» en todo el texto.

• El vínculo con la enfermedad (establecido, y no procedente de este artículo). DCTN1: las mutaciones causan el síndrome de Perry, un trastorno neurodegenerativo poco frecuente con rasgos parkinsonianos. Ese vínculo es lo que hace que el hallazgo principal sea clínicamente legible, y precede al estudio en varios años.

Todo lo que sigue a la primera viñeta es inferencia. La firma son datos; la historia de transporte y compensación es un mecanismo extraído de la literatura; la idea terapéutica es una hipótesis que nadie ha probado en una neurona. Los expertos cegados que revisaron estos informes respaldaron la línea DCTN1 como novedosa, trascendente y digna de seguimiento —lo cual es una afirmación sobre lo buena que es la pregunta, no sobre si la respuesta es sí.

El experimento de control sustenta el artículo.

La evidencia más sólida del preprint no es la historia del colesterol. Es el conjunto de comparaciones que el equipo realizó con su propio método, porque esas sí llevan números asociados y cualquier escéptico puede verificarlas.

• Recuperación de hallazgos no utilizados — de los 71 hallazgos del manuscrito fuente reservado que el equipo evaluó, 35 coincidieron y 13 se refinaron. Restringido a los 55 hallazgos directamente comprobables a partir de datos de expresión diferencial, 48 (87,3 %) coincidieron o se refinaron y 52 (94,5 %) se recuperaron al menos parcialmente, con la dirección de la ruta preservada en el 96,2 % de las comparaciones coincidentes.

• Cobertura de citas — en una carga de trabajo de 893 perturbaciones, los agentes distribuidos conservaron 711 veces más referencias que un solo agente al que se le dio el mismo modelo y conjunto de datos. El agente único citó 11 referencias. La publicación de OpenAI redondea esto a «más de 700 frente a 11».

• Predicción — en una partición de validación de 272 perturbaciones, el sistema alcanzó una exactitud equilibrada de 0,705 al predecir qué perturbaciones producen una respuesta detectable, superando las líneas base de tasa de respuesta y de interacción física. Fue mucho mejor en la mitad fácil (142 de 172 casos de efecto cero, 82 %) que en la mitad difícil (59 de 100, 59 %).

• Evaluación por expertos — 30 científicos con nivel de doctorado revisaron 60 informes, tres revisiones cada uno, a ciegas. Los informes distribuidos fueron preferidos en 45 de 60 comparaciones emparejadas (75%), los informes de agente único en 10, con 5 empates. Las clasificaciones de novedad de los propios agentes correlacionaron con las de los humanos en ρ = 0,61.

En conjunto, el hallazgo trata de la descomposición, no del coeficiente intelectual del modelo. Una única ventana de contexto se degrada a medida que le viertes un atlas; dos mil agentes especializados, cada uno con una herramienta de literatura, no. Esa afirmación seguiría siendo válida incluso si GPT-Rosalind fuera un modelo promedio, y por eso es la parte que vale la pena creer —y por lo que este artículo es más útil para biólogos computacionales que para cualquiera que esté buscando una API.

El otro resultado, que es más fácil de defender

Los agentes también revelaron un contraste relevante para la enfermedad entre Tsc1 y Tsc2, dos genes de la vía mTOR. La interrupción de cualquiera de los dos produjo efectos similares en varias poblaciones neuronales, pero en el cerebelo Tsc2 sufrió una interrupción que desplazó docenas de genes implicados en la comunicación neuronal, mientras que Tsc1 sufrió una interrupción que hizo poco. En la esclerosis tuberosa, las anomalías cerebelosas se asocian fuertemente con mutaciones en TSC2, por lo que la diferencia al menos es coherente con el cuadro clínico.

¿Por qué es más fácil de defender que la pista del colesterol? Porque la afirmación es estructural y no causal — «estas dos perturbaciones divergen en este tipo celular» es una afirmación que el propio atlas puede respaldar, y la resonancia clínica es corroboración en lugar del argumento. También nombra una población específica y un conjunto específico de genes que investigar, que es lo que necesita un estudio de seguimiento.

Cuatro razones para descartarlo todo

Nada de esto es motivo para ignorar el artículo. Todo ello es motivo para no citarlo como un hallazgo sobre la enfermedad.

Es un preprint con un interés comercial. Publicado el 16 de octubre de 2026, no revisado por pares. La declaración de conflicto de intereses es explícita: seis autores son empleados de OpenAI y dos son empleados de PerturbAI, dos de los cuales cofundaron la empresa. La organización que desarrolla el modelo coescribió el artículo que evalúa el modelo. La comparación humana fue ciega, lo que les honra, pero el grupo de expertos, la rúbrica y el muestreo fueron enteramente de su propio diseño.

La biología es de ratón, y es transcriptómica. Una firma de síntesis de colesterol en una célula alterada está a dos pasos de un defecto en el tráfico de colesterol en una neurona humana, y a tres de una terapia. Toda hipótesis neurodegenerativa de esta forma se enfrenta a años de seguimiento, y la mayoría de ellas responde «no, no de esa manera».

La cifra de 32 minutos necesita contexto. Es un tiempo de ejecución real para el barrido paralelo, y la comparación de "de meses a un año" es la extrapolación de los autores a partir de hacer el mismo trabajo una perturbación a la vez. Trate la primera como medida y la segunda como un orden de magnitud creíble, no como un resultado de cronómetro frente a un equipo humano comparable.

Las citas no son la afirmación. De los 1.519 hallazgos de alta confianza que produjeron los agentes, el 27,6 % estaba respaldado por literatura previa, el 41,9 % eran inferencias novedosas, el 6,6 % contradecía la literatura y el 23,8 % no tenía ningún precedente. Que una quinta parte del resultado carezca de precedente es o bien el propósito del ejercicio o bien una advertencia, según cuánto se confíe en el paso de agregación. El artículo informa controles de aleatorización —la concordancia entre agente y literatura cayó del 29,3 % al 13,2 % cuando se aleatorizaron las etiquetas de perturbación—, que es la comprobación correcta que había que hacer.

Si quieres usar esto, esto es lo que hay.

El resultado práctico no es la hipótesis del colesterol. Es el artefacto: un atlas público de razonamiento que vincula perturbaciones con efectos por tipo celular y con los artículos que respaldan cada mecanismo propuesto, además de código que ejecutará el mismo patrón sobre un cribado diferente. Un laboratorio que trabaje en el síndrome de Perry o en el tráfico de lípidos en neuronas ahora dispone de una lista priorizada de preguntas con citas adjuntas. Lo primero que hay que hacer con la entrada DCTN1 es comprobar si la bibliografía citada dice lo que el resumen afirma que dice —una tarea de dos horas para un postdoc, y la cantidad correcta de escepticismo para cualquier hipótesis generada por máquina.

El acceso al modelo que lo sustenta se amplió esa misma semana. El 15 de octubre de 2026, OpenAI anunció el Plan Académico Rosalind: los laboratorios académicos de universidades estadounidenses pueden solicitar, mediante el acceso de confianza, hasta 30 plazas Business Standard sin coste durante hasta 12 meses, con GPT-Rosalind disponible tras la aprobación habitual y con los datos de investigación no utilizados para entrenamiento de forma predeterminada. El acceso a la API no está incluido explícitamente en las plazas académicas: este se gestiona a través del programa comercial de acceso de confianza, facturado desde el 5 de octubre de 2026 a 5,00 USD por millón de tokens de entrada, 0,50 USD por millón de tokens de entrada en caché y 25,00 USD por millón de tokens de salida, que son las tarifas publicadas por OpenAI, no tarifas evaluadas de forma independiente.

Dónde encaja un router y dónde no

GPT-Rosalind no está en OrcaRouter. Cualquier artículo que insinúe lo contrario es incorrecto; el acceso se tramita mediante la solicitud y la revisión de acceso de confianza de O​penAI, y nada de una capa de enrutamiento cambia esa barrera.

Lo que sí cambia una capa de enrutamiento es la forma del pipeline en torno a la ciencia. Una ejecución como esta no consiste principalmente en llamadas de biología. Es la orquestación entre dos mil trabajadores en paralelo, el análisis y la deduplicación de informes, la agregación de hallazgos y el código que convierte un atlas en algo que un biólogo pueda consultar. Esos pasos no necesitan un modelo de dominio a $25 por millón de tokens de salida, y llevarlos ahí es cómo un experimento de 32 minutos se vuelve caro. En OrcaRouter, los tramos que no son de biología pueden ejecutarse en un modelo general al precio de lista del proveedor con 0 % de margen, mientras que las llamadas a Rosalind permanecen en la clave de acceso de confianza; y cuando un proveedor se bloquea, la conmutación automática por error traslada la solicitud en lugar de toda la ejecución. La capa de enrutamiento es para las partes del pipeline que no son la ciencia.

¿Qué cambiaría realmente la historia?

El próximo acontecimiento que importa no es otro lanzamiento de modelo. Es si un laboratorio retoma la hipótesis de DCTN1 y reporta un resultado: un ensayo de tráfico de colesterol en neuronas, un modelo del síndrome de Perry, cualquier cosa que evalúe la redistribución en lugar de la síntesis. Si alguno lo hace, y el efecto se mantiene, este preprint se leerá como el punto en el que conectar literatura dispersa con un atlas se volvió lo bastante barato como para ejecutarse a escala de cerebro completo. Si nadie lo hace, la contribución duradera es el método y la comparación 711 frente a 11 —un legado más pequeño, pero real, y que se transfiere a cualquier cribado de perturbaciones que un laboratorio ya tenga.

Hasta entonces, el resumen honesto es el de los propios autores: los agentes convirtieron una firma transcripcional inesperada en una idea comprobable, y expertos humanos juzgaron que la idea merecía ser probada. Esa es una buena semana para la biología computacional. Todavía no es una buena semana para los pacientes, y la distancia entre esas dos frases es donde se equivocará la mayor parte de la cobertura de este estudio.