GPT-Rosalind, 1.946 agenten en een cholesterolspoor: wat het DCTN1-resultaat werkelijk laat zien

Op 21 oktober 2026 publiceerde OpenAI een samenwerking met PerturbAI en Scripps Research waarbij 1.946 agenten die op GPT-Rosalind draaidden, zich in 32 minuten door een CRISPR-atlas van het hele brein met 7,7 miljoen muizenhersencellen heen werkten. Een van de aanwijzingen die eruit voortkwamen, is degene die nu circuleert: DCTN1, het gen achter het syndroom van Perry, en een mogelijk verband tussen cholesterolverwerking en neurodegeneratie. GPT-Rosalind zelf is niet nieuw — OpenAI zette het in april 2026 in research preview en opende het in september via zijn trusted-accessprogramma voor organisaties die daarvoor in aanmerking komen — dus dit is geen lanceringsverhaal. Het is de eerste keer dat het model een openbaar, reproduceerbaar onderzoeksartefact heeft opgeleverd in plaats van een benchmarkcijfer, en dat is interessanter om naar te kijken. Wat de agenten daadwerkelijk deden, is smaller dan de krantenkoppen en nuttiger dan die koppen: ze veranderden een onverwachte transcriptionele signatuur in een toetsbare vraag, en 30 geblindeerde deskundigen beoordeelden die vraag als de moeite waard om verder te onderzoeken. Niemand heeft het in een neuron getest, laat staan in een patiënt. Onderzoeksclaims die verder gaan dan hun bewijs, en de correcties die daarop volgen, worden met hun datums en bronnen vastgelegd in het AI Incident Archive, samen met de overige model- en leveranciersincidenten die we volgen.

Drie artefacten, waarvan één nieuw

De aankondiging is het waard om uit elkaar te halen, want het nuttige deel is niet het persbericht. Er kwamen drie dingen tegelijk samen:

• Een preprint — "Gedistribueerde AI-agenten maken uitgebreide ontdekking van biologische inzichten op schaal mogelijk," Sun et al., geplaatst op bioRxiv op 16 oktober 2026. Het is niet peer-reviewed.

• Code — een openbare repository van het Jin-lab met de agent-runtime, een lokale MCP-server op het literatuurcorpus, CLI-querytools en de notebooks die de figuren van het artikel reproduceren.

• Data — de PerturbAI whole-brain in vivo CRISPR-atlas zelf, op Hugging Face: 7,72 miljoen cellen, bijna 2.000 ziektegerelateerde genen, 19.070 mRNA's, 8.588 sgRNA's. Het atlaspaper is een afzonderlijke preprint van maart 2026.

Die combinatie is de reden dat dit een artikel verdient in plaats van een alinea. Een leveranciersbenchmark is van buitenaf niet falsifieerbaar. Een preprint met een vrijgegeven dataset en een vrijgegeven pipeline kan tegen een andere atlas worden gedraaid, regel voor regel worden gecontroleerd, of worden tegengesproken door iemand met een wet lab. Wat er verder ook waar is aan de DCTN1-bewering, de scaffolding eromheen is inspecteerbaar.

De methode is de claim, dus begin daar.

De dataset is een Perturb-seq-atlas: in het hele muizenbrein worden genen één guide-RNA per keer verstoord, en het transcriptoom van elke cel wordt uitgelezen. Het resultaat is ruwweg tweeduizend perturbaties gekruist met tienduizenden responsen per perturbatie en celtype — veel meer dan enig laboratorium nauwgezet leest, en dat is de bottleneck die het artikel aanpakt.

Gedistribueerd biologisch redeneren, zoals de auteurs het definiëren, is niet één modelaanroep over een grote tabel. Elk van de 1.946 perturbaties krijgt een eigen agent. Die agent onderzoekt de cellulaire respons op de verstoring van zijn gen, zoekt in de wetenschappelijke literatuur naar alles wat die respons verklaart, en schrijft een narratief rapport plus een gestructureerd rapport waarin een mechanisme wordt voorgesteld. Gedurende de run lazen de agents 39.185 artikelen en behielden 16.445 citaties. De rapporten worden vervolgens samengevoegd tot een graaf die genen, celtype-effecten, artikelen en kandidaatmechanismen met elkaar verbindt.

Twee details in die beschrijving zijn belangrijker dan de schaal. Ten eerste werkten de agenten zonder het bronmanuscript — de conclusies van de oorspronkelijke atlaspaper werden hen onthouden, en dat is juist wat de hersteltest in de volgende sectie zinvol maakt. Ten tweede heet het model in de preprint GPT-Rosalind-5.5, met een opgegeven kennisafsluitdatum van december 2025. Omdat het bronmanuscript in maart 2026 verscheen, konden de agenten de conclusies ervan niet uit het hoofd hebben geleerd. Dat is een echte methodologische kracht en de paper verdient daarvoor erkenning.

De DCTN1-lead, uiteengezet als vier afzonderlijke claims

Hier is de keten, in de volgorde waarin het artikel hem opbouwt. De epistemische status verandert bij elke stap, en dat is precies wat verloren gaat in de navertelling.

• De observatie (gemeten).In de atlas verhoogde het verstoren van Dctn1 de expressie van genen die betrokken zijn bij de aanmaak van cholesterol. Dit is een transcriptionele signatuur in de data, niet iets wat het model heeft verzonnen.

• De connectie (een door de literatuur ondersteunde gevolgtrekking). DCTN1 codeert voor dynactine, een onderdeel van het dyneïne-motorcomplex dat vracht langs microtubuli in neuronen vervoert. Bestaand werk suggereert dat wanneer cholesteroltransport verstoord is, cellen de cholesterolsynthese opreguleren, blijkbaar als compensatie. De agent koppelde een transportgen aan een synthesesignatuur.

• De hypothese (niet getest). Als verstoring van DCTN1 verandert hoe cholesterol binnen neuronen wordt verdeeld, zou die herverdeling kunnen bijdragen aan degeneratie — en het herstellen van een normale verdeling zou beschermend kunnen werken. OpenAI's eigen bericht is hier voorzichtig over: het noemt dit een vraag voor vervolgexperimenten en gebruikt steeds "could".

• Het ziekteverband (vastgesteld, en niet afkomstig uit dit artikel). DCTN1Mutaties in DCTN1 veroorzaken het Perry-syndroom, een zeldzame neurodegeneratieve aandoening met parkinsonistische kenmerken. Dat verband maakt de hoofdbevinding klinisch interpreteerbaar, en het dateert van jaren vóór het onderzoek.

Alles na het eerste opsommingsteken is inferentie. De signatuur is data; het verhaal over transport en compensatie is een mechanisme uit de literatuur; het therapeutische idee is een hypothese die niemand in een neuron heeft getest. De geblindeerde deskundigen die deze rapporten beoordeelden, onderschreven de DCTN1-lijn als vernieuwend, belangrijk en de moeite waard om verder te volgen — wat iets zegt over hoe goed de vraag is, niet over of het antwoord ja is.

Het controlexperiment draagt het artikel

Het sterkste bewijs in het preprint is niet het cholesterolverhaal. Het zijn de vergelijkingen die het team heeft uitgevoerd op zijn eigen methode, want daar zitten cijfers aan vast en een scepticus kan ze controleren.

• Herstel van achtergehouden bevindingen — van de 71 bevindingen uit het achtergehouden bronmanuscript die het team beoordeelde, werden 35 gematcht en 13 verfijnd. Beperkt tot de 55 bevindingen die rechtstreeks toetsbaar zijn vanuit differentiële-expressiedata, werden 48 (87,3%) gematcht of verfijnd en 52 (94,5%) ten minste gedeeltelijk hersteld, waarbij de pathway-richting behouden bleef in 96,2% van de gematchte vergelijkingen.

• Citatiedekking — bij een werklast van 893 perturbaties behielden de gedistribueerde agenten 711 keer meer referenties dan een enkele agent met hetzelfde model en dezelfde dataset. De enkele agent citeerde 11 referenties. De post van O​penAI rondt dit af tot "meer dan 700 versus 11."

• Voorspelling — op een held-out split met 272 perturbaties bereikte het systeem een gebalanceerde nauwkeurigheid van 0,705 bij het voorspellen welke perturbaties een detecteerbare respons opleveren, waarmee het de baselines voor responspercentage en fysieke interactie versloeg. Het deed het veel beter op de makkelijke helft (142 van de 172 gevallen met nuleffect, 82%) dan op de moeilijke helft (59 van de 100, 59%).

• Deskundige evaluatie — 30 wetenschappers op doctoraalniveau beoordeelden 60 rapporten, elk drie keer, geblindeerd. De gedistribueerde rapporten hadden de voorkeur in 45 van de 60 gepaarde vergelijkingen (75%), de single-agent-rapporten in 10, met 5 gelijke scores. De eigen nieuwheidsscores van de agents correleerden met die van de mensen bij ρ = 0,61.

Samen gelezen gaat de bevinding over decompositie, niet over model-IQ. Een enkel contextvenster degradeert naarmate je er een atlas in giet; tweeduizend smalle agenten met elk een literatuurtool doen dat niet. Die bewering zou standhouden zelfs als GPT-Rosalind een gemiddeld model was, en daarom is dat het deel dat vertrouwen verdient — en waarom dit artikel nuttiger is voor computationele biologen dan voor wie een API zoekt.

Het andere resultaat, dat gemakkelijker te verdedigen is

De agenten brachten ook een voor de ziekte relevant contrast aan het licht tussen Tsc1 en Tsc2, twee genen in de mTOR-route. Het verstoren van een van beide gaf vergelijkbare effecten in verschillende neuronpopulaties, maar in het cerebellum Tsc2-verstoring verschoof tientallen genen die betrokken zijn bij neuronale communicatie, terwijl Tsc1-verstoring weinig deed. Bij tubereuze sclerose zijn cerebellaire afwijkingen sterk geassocieerd met TSC2-mutaties, dus de tweedeling is ten minste in overeenstemming met het klinische beeld.

Waarom is dit gemakkelijker te verdedigen dan de cholesterollead? Omdat de bewering structureel is in plaats van causaal — "deze twee perturbaties divergeren in dit celtype" is een uitspraak die de atlas zelf kan ondersteunen, en de klinische weerklank dient als bevestiging, niet als het argument. Het noemt ook een specifieke populatie en een specifieke set genen om te onderzoeken, wat een vervolgstudie nodig heeft.

Vier redenen om het allemaal weg te wuiven

Niets hiervan is een reden om het artikel te negeren. Alles ervan is een reden om het niet te citeren als een bevinding over ziekte.

Het is een preprint met een commercieel belang. Geplaatst op 16 oktober 2026, niet peer-reviewed. De belangenverklaring is expliciet: zes auteurs zijn werknemers van OpenAI en twee zijn werknemers van PerturbAI, van wie er twee medeoprichter van het bedrijf zijn. De organisatie die het model maakt, schreef mee aan de paper die het model evalueert. De menselijke vergelijking was geblindeerd, wat de auteurs siert, maar de expertpool, de rubric en de steekproeftrekking waren allemaal door henzelf ontworpen.

De biologie is die van de muis, en die is transcriptomisch. Een cholesterolsynthesesignatuur in een verstoorde cel ligt twee stappen verwijderd van een cholesteroltransportdefect in een menselijk neuron, en drie van een therapie. Elke neurodegeneratieve hypothese van deze vorm staat jaren van vervolgonderzoek te wachten, en de meeste zeggen: "nee, niet zo."

Het getal van 32 minuten heeft context nodig. Het is een echte looptijd voor de parallelle sweep, en de vergelijking "maanden tot een jaar" is de extrapolatie van de auteurs op basis van hetzelfde werk één perturbatie per keer uitvoeren. Beschouw het eerste als gemeten en het tweede als een geloofwaardige orde van grootte, niet als een stopwatchresultaat tegenover een gelijkwaardig menselijk team.

De citaties zijn niet de bewering. Van de 1.519 bevindingen met hoge betrouwbaarheid die de agenten opleverden, werd 27,6% ondersteund door eerdere literatuur, was 41,9% een nieuwe gevolgtrekking, sprak 6,6% de literatuur tegen en had 23,8% helemaal geen precedent. Dat een vijfde van de output geen precedent heeft, is ofwel het punt van de exercitie ofwel een waarschuwing, afhankelijk van hoeveel vertrouwen je in de aggregatiestap hebt. Het artikel rapporteert shuffle-controles — de overeenstemming tussen agent en literatuur daalde van 29,3% naar 13,2% toen perturbatielabels werden gerandomiseerd — en dat is de juiste controle om te hebben uitgevoerd.

Als je dit wilt gebruiken, is dit wat er bestaat

De praktische opbrengst is niet de cholesterolhypothese. Het is het artefact: een openbare redeneeratlas die perturbaties koppelt aan celtype-effecten en aan de artikelen achter elk voorgesteld mechanisme, plus code die hetzelfde patroon op een andere screen laat draaien. Een lab dat aan het Perry-syndroom of aan lipidentransport in neuronen werkt, heeft nu een geprioriteerde lijst van vragen met bijbehorende citaties. Het eerste dat je met de DCTN1-vermelding moet doen, is nagaan of de aangehaalde literatuur zegt wat de samenvatting beweert dat er staat — een klus van twee uur voor een postdoc, en de juiste hoeveelheid scepsis voor elke door een machine gegenereerde hypothese.

De toegang tot het onderliggende model werd in dezelfde week verruimd. Op 15 oktober 2026 kondigde OpenAI het Rosalind Academic Plan aan: academische labs aan Amerikaanse universiteiten kunnen via trusted access een aanvraag indienen voor maximaal 30 Business Standard-seats, kosteloos, voor maximaal 12 maanden, waarbij GPT-Rosalind na de gebruikelijke goedkeuring beschikbaar is en onderzoeksgegevens standaard niet voor training worden gebruikt. API-toegang is expliciet niet inbegrepen bij de academische seats — die verloopt via het commerciële trusted-accessprogramma, met facturering sinds 5 oktober 2026 tegen $5,00 per miljoen inputtokens, $0,50 voor gecachte input en $25,00 per miljoen output; dit zijn de gepubliceerde tarieven van OpenAI, geen onafhankelijk gebenchmarkte tarieven.

Waar een router past, en waar niet

GPT-Rosalind staat niet op OrcaRouter. Elk artikel dat anders suggereert, is onjuist; toegang verloopt via OpenAI's aanvraag- en beoordelingsprocedure voor vertrouwde toegang, en niets aan een routeringslaag verandert iets aan die toegangspoort.

Wat een routinglaag wel verandert, is de vorm van de pipeline rondom het wetenschappelijke werk. Een run als deze bestaat grotendeels niet uit biologische calls. Het is orkestratie over tweeduizend parallelle workers, het parsen en dedupliceren van rapporten, het aggregeren van bevindingen, en de code die van een atlas iets maakt waar een bioloog queries op kan uitvoeren. Die stappen hebben geen domeinmodel nodig tegen $25 per miljoen outputtokens, en ze daarop zetten is hoe een experiment van 32 minuten duur wordt. Op OrcaRouter kunnen de niet-biologische onderdelen draaien op een algemeen model tegen de listprijs van de provider met 0% markup, terwijl de Rosalind-calls op de trusted-access-sleutel blijven — en wanneer een provider vastloopt, verplaatst automatische failover de request in plaats van de hele run. De routinglaag is voor de delen van de pipeline die niet het wetenschappelijke werk zijn.

Wat zou het verhaal werkelijk veranderen?

De volgende gebeurtenis die ertoe doet, is niet nog een modelrelease. Het is of een lab de DCTN1-hypothese oppakt en een resultaat rapporteert: een cholesteroltransportassay in neuronen, een Perry-syndroommodel, alles wat herverdeling test in plaats van synthese. Als dat gebeurt en het effect houdt stand, zal deze preprint worden gelezen als het punt waarop het verbinden van verspreide literatuur aan een atlas goedkoop genoeg werd om op de schaal van het hele brein te draaien. Als niemand dat doet, is de blijvende bijdrage de methode en de vergelijking 711 tegenover 11 — een kleinere erfenis, maar een echte, en een die overdraagbaar is naar elke perturbatiescreen die een lab al heeft.

Tot dan is de eerlijke samenvatting die van de auteurs zelf: de agenten maakten van een onverwachte transcriptionele signatuur een testbaar idee, en menselijke experts achtten het idee het testen waard. Dat is een goede week voor de computationele biologie. Het is nog geen goede week voor patiënten, en de afstand tussen die twee zinnen is precies waar de meeste berichtgeving over dit onderzoek de fout in zal gaan.