Các thí nghiệm sinh học quy mô lớn hiện tạo ra lượng kết quả nhiều hơn gấp bội so với khả năng phân tích toàn diện của một nhóm nghiên cứu. Trong hợp tác với PerturbAI và Scripps Research, OpenAI đã sử dụng bản đồ CRISPR toàn não trên tế bào chuột để minh họa một cách tiếp cận khác: triển khai song song hàng nghìn tác nhân GPT‑Rosalind gọn nhẹ, mỗi tác nhân được giao phân tích một perturbation cụ thể. Tổng hợp lại, các báo cáo của tác nhân tạo thành một bản đồ suy luận liên kết gene với phản ứng tế bào, tài liệu nghiên cứu liên quan và các giả thuyết về cơ chế — tất cả trong khoảng thời gian mà nếu phân tích thủ công có thể mất hàng tháng.

Lựa chọn kỹ thuật phân chia công việc cho nhiều tác nhân chuyên biệt là yếu tố then chốt tạo nên kết quả này. Thay vì để một quy trình tổng quát xử lý tuần tự hàng trăm hoặc hàng nghìn perturbation, hệ thống chia nhỏ khối lượng công việc để từng tác nhân có thể đào sâu vào dấu hiệu tế bào của một gene và đối chiếu với các nghiên cứu chuyên ngành. Cách xử lý song song này vừa mở rộng phạm vi (phân tích được nhiều perturbation), vừa tăng chiều sâu (trích dẫn nhiều tài liệu hơn cho mỗi perturbation), tạo ra một mạng lưới các cách lý giải tiềm năng mà sau đó các chuyên gia đánh giá là vừa mới mẻ vừa có thể áp dụng, trong các thử nghiệm làm mù.

Điều quan trọng là các tác nhân không tạo ra những phát hiện đã được kiểm chứng — chúng đưa ra các giả thuyết được ưu tiên, có cơ sở từ tài liệu nghiên cứu và những mối liên hệ đáng để tiếp tục kiểm nghiệm. Trong số các hướng được hệ thống phát hiện có tác động khác nhau của Tsc1 và Tsc2 lên tế bào thần kinh tiểu não, cùng mối liên hệ tiềm năng giữa quá trình xử lý cholesterol nội bào và thoái hóa thần kinh gắn với các perturbation Dctn1. Những manh mối này cho thấy các nhóm tác nhân có thể rút ngắn con đường từ bộ dữ liệu lớn đến những thí nghiệm cụ thể trong phòng lab, nhưng không thay thế được việc kiểm chứng có mục tiêu và nghiên cứu cơ chế.