GPT-Rosalind, 1.946 Agen, dan Kandidat Kolesterol: Apa yang Sebenarnya Ditunjukkan oleh Hasil DCTN1

Pada 21 Oktober 2026, OpenAI menerbitkan kolaborasi dengan PerturbAI dan Scripps Research yang di dalamnya 1.946 agen yang berjalan di GPT-Rosalind menelusuri atlas CRISPR seluruh otak dari 7,7 juta sel otak mencit dalam 32 menit. Salah satu petunjuk yang muncul dari situ adalah yang sedang beredar: DCTN1, gen di balik sindrom Perry, dan kemungkinan kaitan antara pemrosesan kolesterol dan neurodegenerasi. GPT-Rosalind sendiri bukan hal baru — OpenAI merilisnya sebagai pratinjau riset pada April 2026 dan membukanya bagi organisasi yang memenuhi syarat melalui program akses tepercayanya pada September — jadi ini bukan cerita peluncuran. Ini kali pertama model tersebut menghasilkan artefak riset publik yang dapat direproduksi, bukan sekadar angka tolok ukur, dan itu lebih menarik untuk dicermati. Apa yang sebenarnya dilakukan para agen lebih sempit daripada judul beritanya dan lebih berguna daripada judul itu: mereka mengubah sebuah tanda tangan transkripsional yang tak terduga menjadi pertanyaan yang dapat diuji, dan 30 pakar yang dinilai secara tersamarkan menilai pertanyaan itu layak ditindaklanjuti. Belum ada yang mengujinya pada neuron, apalagi pada pasien. Klaim riset yang melampaui buktinya, dan koreksi yang menyusul, dicatat beserta tanggal dan sumbernya di the AI Incident Archive, bersama insiden model dan vendor lain yang kami pantau.

Tiga artefak, salah satunya baru

Pengumuman itu layak dikupas karena bagian yang berguna bukanlah unggahan persnya. Tiga hal muncul bersamaan:

• Sebuah pracetak — "Agen AI terdistribusi memungkinkan penemuan menyeluruh atas wawasan biologis dalam skala besar," Sun et al., diposting ke bioRxiv pada 16 Oktober 2026. Teks ini belum ditinjau sejawat.

• Kode — repositori publik dari lab Jin yang berisi runtime agen, server MCP lokal di atas korpus literatur, alat kueri CLI, dan notebook yang mereproduksi figur makalah.

• Data — atlas CRISPR in vivo seluruh otak PerturbAI itu sendiri, di Hugging Face: 7,72 juta sel, hampir 2.000 gen terkait penyakit, 19.070 mRNA, 8.588 sgRNA. Makalah atlasnya adalah preprint terpisah dari Maret 2026.

Kombinasi itulah alasan ini layak mendapat artikel, bukan sekadar paragraf. Tolok ukur vendor tidak dapat difalsifikasi dari luar. Preprint dengan dataset dan pipeline yang dirilis dapat dijalankan terhadap atlas lain, diperiksa baris demi baris, atau dibantah oleh seseorang yang memiliki laboratorium basah. Apa pun kebenaran lain dari klaim DCTN1, kerangka di sekitarnya dapat diperiksa.

Metodenya adalah klaimnya, jadi mulailah dari sana.

Dataset ini adalah atlas Perturb-seq: di seluruh otak tikus, gen diganggu satu guide RNA pada satu waktu, dan transkriptom setiap sel dibaca. Hasilnya adalah sekitar dua ribu perturbasi yang disilangkan dengan puluhan ribu respons perturbasi berdasarkan tipe sel — jauh lebih banyak daripada yang dapat dibaca cermat oleh laboratorium mana pun, yang merupakan hambatan yang diserang makalah ini.

Penalaran biologis terdistribusi, sebagaimana didefinisikan oleh para penulis, bukanlah satu pemanggilan model atas tabel besar. Masing-masing dari 1.946 perturbasi mendapatkan agennya sendiri. Agen tersebut memeriksa respons seluler terhadap gangguan pada gennya, mencari dalam literatur ilmiah untuk apa pun yang menjelaskannya, dan menulis laporan naratif serta laporan terstruktur yang mengusulkan suatu mekanisme. Sepanjang proses, para agen melakukan 39.185 pembacaan makalah dan mempertahankan 16.445 sitasi. Laporan-laporan tersebut kemudian disintesis menjadi sebuah grafik yang menghubungkan gen, efek tipe sel, makalah, dan mekanisme kandidat.

{{1}}Dua detail dalam deskripsi itu{{/1}} lebih penting daripada skalanya. Pertama, para agen bekerja tanpa manuskrip sumber — {{2}}kesimpulan makalah atlas asli ditahan dari mereka{{/2}}, yang membuat uji pemulihan di bagian berikutnya bermakna. Kedua, model tersebut dinamai dalam pracetak sebagai GPT-Rosalind-5.5, dengan batas pengetahuan yang dinyatakan Desember 2025. Karena manuskrip sumber muncul pada Maret 2026, para agen tidak mungkin telah menghafal kesimpulannya. Itu adalah kekuatan metodologis yang nyata dan makalah tersebut harus mendapat kredit untuk itu.

Kandidat utama DCTN1, dinyatakan sebagai empat klaim terpisah

Berikut adalah rantainya, dalam urutan sebagaimana makalah ini membangunnya. Status epistemiknya berubah pada setiap langkah, dan itulah tepatnya yang hilang dalam penceritaan ulang.

• Pengamatan (terukur). Dalam atlas, gangguan pada Dctn1 meningkatkan ekspresi gen yang terlibat dalam pembuatan kolesterol. Ini adalah signatur transkripsional dalam data, bukan sesuatu yang diciptakan oleh model.

• Keterkaitan (inferensi yang didukung literatur). DCTN1 mengodekan dynactin, bagian dari mesin motor dynein yang mengangkut kargo sepanjang mikrotubulus di dalam neuron. Penelitian yang ada menunjukkan bahwa ketika transpor kolesterol terganggu, sel meningkatkan sintesis kolesterol, tampaknya sebagai kompensasi. Agen tersebut menggabungkan gen transpor dengan signatur sintesis.

• Hipotesis (belum diuji). Jika gangguan DCTN1 mengubah cara kolesterol didistribusikan di dalam neuron, redistribusi itu mungkin berkontribusi terhadap degenerasi — dan memulihkan distribusi normal mungkin bersifat protektif. Postingan OpenAI sendiri berhati-hati di sini, menyebutnya sebagai pertanyaan untuk eksperimen lanjutan dan menggunakan "could" di sepanjang uraian.

• Kaitan penyakit (sudah mapan, dan bukan dari makalah ini). DCTN1Mutasi DCTN1 menyebabkan sindrom Perry, gangguan neurodegeneratif langka dengan ciri parkinsonian. Kaitan itulah yang membuat kandidat utama ini dapat dipahami secara klinis, dan kaitan tersebut sudah ada bertahun-tahun sebelum studi ini.

Semua yang ada setelah butir pertama adalah inferensi. Signature-nya adalah data; kisah transpor-dan-kompensasi adalah mekanisme yang diambil dari literatur; gagasan terapeutiknya adalah hipotesis yang belum pernah diuji pada neuron. Para ahli tersamar yang meninjau laporan-laporan ini mendukung lini DCTN1 sebagai hal baru, berdampak penting, dan layak ditindaklanjuti — yang merupakan pernyataan tentang sebaik apa pertanyaan itu, bukan tentang apakah jawabannya ya.

Eksperimen kontrol membawa makalah tersebut.

Bukti terkuat dalam pracetak itu bukanlah kisah kolesterol. Bukti terkuatnya adalah rangkaian perbandingan yang dijalankan tim terhadap metodenya sendiri, karena perbandingan itu disertai angka dan seorang skeptis dapat memeriksanya.

• Pemulihan temuan yang disisihkan — dari 71 temuan dari manuskrip sumber yang ditahan yang dinilai tim, 35 cocok dan 13 disempurnakan. Jika dibatasi pada 55 temuan yang dapat diuji langsung dari data ekspresi diferensial, 48 (87,3%) cocok atau disempurnakan dan 52 (94,5%) setidaknya sebagian dipulihkan, dengan arah jalur dipertahankan pada 96,2% perbandingan yang cocok.

• Cakupan kutipan — pada beban kerja 893 perturbasi, agen terdistribusi mempertahankan 711 kali lebih banyak referensi dibandingkan satu agen tunggal yang diberi model dan kumpulan data yang sama. Agen tunggal tersebut mengutip 11 referensi. Pos OpenAI membulatkannya menjadi "lebih dari 700 versus 11."

• Prediksi — pada split held-out dengan 272 perturbasi, sistem mencapai akurasi seimbang 0,705 untuk memprediksi perturbasi mana yang menghasilkan respons yang dapat dideteksi, mengalahkan baseline tingkat respons dan interaksi fisik. Sistem ini jauh lebih baik pada bagian mudah (142 dari 172 kasus efek nol, 82%) daripada bagian sulit (59 dari 100, 59%).

• Evaluasi ahli — 30 ilmuwan tingkat doktoral meninjau 60 laporan, masing-masing tiga ulasan, secara tersamar. Laporan terdistribusi lebih disukai dalam 45 dari 60 perbandingan berpasangan (75%), laporan agen tunggal dalam 10, dengan 5 seri. Peringkat kebaruan milik para agen berkorelasi dengan peringkat manusia pada ρ = 0,61.

Dibaca bersama-sama, temuan ini tentang dekomposisi, bukan IQ model. Satu jendela konteks memburuk saat Anda menuangkan sebuah atlas ke dalamnya; dua ribu agen sempit yang masing-masing dilengkapi alat literatur tidak. Klaim itu akan tetap bertahan bahkan jika GPT-Rosalind adalah model rata-rata, itulah sebabnya bagian itu layak dipercaya — dan mengapa makalah ini lebih berguna bagi ahli biologi komputasional daripada bagi siapa pun yang sedang mencari API.

Hasil lainnya, yang lebih mudah dipertahankan

Para agen juga mengungkap kontras yang relevan dengan penyakit antara Tsc1 dan Tsc2, dua gen dalam jalur mTOR. Mengganggu salah satunya menghasilkan efek serupa pada beberapa populasi neuron, tetapi di serebelum Tsc2 yang terganggu menggeser puluhan gen yang terlibat dalam komunikasi neuron, sedangkan Tsc1 yang terganggu hanya berdampak kecil. Pada sklerosis tuberosa, kelainan serebelum sangat terkait dengan mutasi TSC2, jadi perbedaan tersebut setidaknya konsisten dengan gambaran klinis.

Mengapa ini lebih mudah dipertahankan daripada petunjuk kolesterol? Karena klaimnya bersifat struktural, bukan kausal — "kedua perturbasi ini divergen pada tipe sel ini" adalah pernyataan yang dapat didukung oleh atlas itu sendiri, dan resonansi klinisnya menjadi korroborasi, bukan argumennya. Ini juga menyebutkan populasi spesifik dan serangkaian gen spesifik untuk diselidiki, yang merupakan hal yang dibutuhkan oleh studi lanjutan.

Empat alasan untuk mengabaikan semuanya

Tidak satu pun dari ini menjadi alasan untuk mengabaikan makalah tersebut. Semua ini justru menjadi alasan untuk tidak mengutipnya sebagai temuan tentang penyakit.

Ini adalah pracetak dengan kepentingan komersial. Diterbitkan 16 Oktober 2026, belum ditinjau sejawat. Pernyataan kepentingan bersaingnya eksplisit: enam penulis adalah karyawan O​penAI dan dua adalah karyawan PerturbAI, dua di antaranya ikut mendirikan perusahaan tersebut. Organisasi yang membuat model tersebut ikut menulis makalah yang mengevaluasi model tersebut. Perbandingan manusia dilakukan secara tersamar, yang menjadi nilai plus bagi para penulis, tetapi kumpulan pakar, rubrik, dan pengambilan sampelnya semuanya rancangan mereka sendiri.

Biologinya adalah tikus, dan bersifat transkriptomik. Tanda khas sintesis kolesterol pada sel yang terganggu berjarak dua langkah dari cacat transport kolesterol pada neuron manusia, dan tiga langkah dari terapi. Setiap hipotesis neurodegeneratif berbentuk seperti ini menghadapi bertahun-tahun tindak lanjut, dan sebagian besar menjawab "tidak, bukan seperti itu."

Angka 32 menit memerlukan konteks. Itu adalah runtime nyata untuk sapuan paralel, dan perbandingan "berbulan-bulan hingga setahun" merupakan ekstrapolasi para penulis dari mengerjakan pekerjaan yang sama satu perturbasi pada satu waktu. Anggap yang pertama sebagai terukur dan yang kedua sebagai orde besaran yang kredibel, bukan hasil stopwatch terhadap tim manusia yang setara.

Sitasi bukanlah klaim. Dari 1.519 temuan dengan keyakinan tinggi yang dihasilkan agen, 27,6% didukung oleh literatur sebelumnya, 41,9% merupakan inferensi baru, 6,6% bertentangan dengan literatur dan 23,8% tidak memiliki preseden sama sekali. Seperlima keluaran yang tidak memiliki preseden bisa jadi merupakan inti dari latihan ini atau sebuah peringatan, tergantung seberapa besar Anda memercayai langkah agregasi. Makalah tersebut melaporkan kontrol pengacakan — kesesuaian antara agen dan literatur turun dari 29,3% menjadi 13,2% ketika label perturbasi diacak — yang merupakan pemeriksaan yang tepat untuk dijalankan.

Jika Anda ingin menggunakan ini, inilah yang tersedia

Hasil praktisnya bukanlah hipotesis kolesterol. Hasilnya adalah artefak: sebuah atlas penalaran publik yang menghubungkan perturbasi dengan efek tipe sel dan dengan makalah-makalah di balik setiap mekanisme yang diusulkan, plus kode yang akan menjalankan pola yang sama pada skrining berbeda. Sebuah laboratorium yang meneliti sindrom Perry atau lalu lintas lipid di neuron kini memiliki daftar pertanyaan yang diprioritaskan dengan sitasi terlampir. Hal pertama yang perlu dilakukan dengan entri DCTN1 adalah memeriksa apakah literatur yang dikutipnya menyatakan apa yang dikatakan ringkasan itu — pekerjaan dua jam bagi seorang postdoc, dan tingkat skeptisisme yang tepat untuk hipotesis apa pun yang dihasilkan mesin.

Akses ke model di baliknya diperluas pada minggu yang sama. Pada 15 Oktober 2026, O​penAI mengumumkan Rosalind Academic Plan: lab akademik di universitas-universitas AS dapat mengajukan melalui akses tepercaya untuk hingga 30 kursi Business Standard tanpa biaya selama hingga 12 bulan, dengan GPT-Rosalind tersedia setelah persetujuan biasa, dan data riset tidak digunakan untuk pelatihan secara default. Akses API secara eksplisit tidak termasuk dalam kursi akademik — akses itu melalui program akses tepercaya komersial, yang ditagih sejak 5 Oktober 2026 sebesar $5,00 per juta token input, $0,50 input yang di-cache, dan $25,00 per juta output, yang merupakan tarif terbitan O​penAI, bukan tarif yang diuji secara independen.

Di mana router cocok, dan di mana tidak

GPT-Rosalind tidak ada di OrcaRouter. Artikel apa pun yang menyiratkan sebaliknya adalah keliru; akses diperoleh melalui aplikasi dan peninjauan akses tepercaya OpenAI, dan tidak ada hal tentang lapisan perutean yang mengubah gerbang tersebut.

Yang memang diubah oleh lapisan routing adalah bentuk pipeline di sekitar sains. Eksekusi seperti ini sebagian besar bukan panggilan biologi. Ini adalah orkestrasi di antara dua ribu worker paralel, penguraian dan deduplikasi laporan, agregasi temuan, serta kode yang mengubah atlas menjadi sesuatu yang dapat dikueri oleh ahli biologi. Langkah-langkah itu tidak memerlukan model domain dengan harga $25 per juta token keluaran, dan menempatkannya di sana adalah cara eksperimen 32 menit menjadi mahal. Di OrcaRouter, bagian non-biologi dapat dijalankan pada model umum dengan harga daftar penyedia dengan markup 0%, sementara panggilan Rosalind tetap menggunakan kunci akses tepercaya — dan ketika penyedia macet, failover otomatis memindahkan permintaan, bukan seluruh eksekusi. Lapisan routing ditujukan untuk bagian-bagian pipeline yang bukan sains.

Apa yang benar-benar akan mengubah cerita

Peristiwa berikutnya yang penting bukanlah peluncuran model lain. Yang penting adalah apakah sebuah laboratorium mengambil hipotesis DCTN1 dan melaporkan hasil: uji lalu lintas kolesterol pada neuron, model sindrom Perry, apa pun yang menguji redistribusi alih-alih sintesis. Jika ada yang melakukannya, dan efeknya bertahan, pracetak ini akan terbaca sebagai titik ketika menghubungkan literatur yang tersebar ke sebuah atlas menjadi cukup murah untuk dijalankan pada skala seluruh otak. Jika tidak ada yang melakukannya, kontribusi yang bertahan adalah metode dan perbandingan 711-versus-11 — warisan yang lebih kecil, tetapi nyata, dan yang dapat ditransfer ke skrining perturbasi apa pun yang sudah dimiliki laboratorium.

Sampai saat itu, ringkasan yang jujur adalah ringkasan dari para penulis sendiri: agen-agen itu mengubah sebuah signatur transkripsi yang tak terduga menjadi gagasan yang dapat diuji, dan para pakar manusia menilai gagasan tersebut layak untuk diuji. Itu adalah pekan yang baik bagi biologi komputasional. Itu belum menjadi pekan yang baik bagi pasien, dan jarak antara kedua kalimat itulah yang akan menjadi titik kesalahan dalam sebagian besar pemberitaan tentang studi ini.