Cette recherche introduit BRAINCELL-AID, un système innovant qui combine des modèles de langage de grande taille et un système multi-agents pour faciliter l'annotation des types de cellules cérébrales. Les méthodes traditionnelles d'annotation des gènes, telles que l'analyse d'enrichissement des ensembles de gènes, sont souvent limitées par des annotations mal curées, ce qui rend difficile l'identification des signatures transcriptomiques, surtout pour les gènes peu caractérisés. BRAINCELL-AID surmonte ces limitations en intégrant des descriptions en texte libre avec des étiquettes d'ontologie, tout en utilisant la génération augmentée par récupération pour affiner les prédictions avec des références pertinentes de la littérature PubMed, réduisant ainsi les hallucinations et améliorant l'interprétabilité des résultats. Ce système a permis d'annoter avec succès 77% des ensembles de gènes de souris parmi leurs principales prédictions, et a été appliqué à 5 322 amas de cellules cérébrales de souris, révélant des motifs de co-expression de gènes spécifiques à des régions et des rôles fonctionnels de groupes de gènes. BRAINCELL-AID a également identifié des types de cellules liés aux ganglions de la base avec des descriptions neurologiquement significatives, créant ainsi une ressource précieuse pour soutenir l'annotation des types de cellules par la communauté scientifique. Cette approche collaborative et basée sur l'IA ouvre de nouvelles perspectives pour la compréhension des fonctions cellulaires dans le cerveau, tout en offrant un outil puissant pour les chercheurs en neurosciences et en biologie cellulaire. Les implications de cette étude sont vastes, allant de l'amélioration de la précision des annotations cellulaires à la découverte de nouvelles connaissances sur les fonctions cérébrales.