Представяме нови възможности за GPT‑Rosalind
Повече интелект, основан на реални научни работни процеси за индустрията на науките за живота.
Представяме нова актуализация на модел в нашата серия GPT‑Rosalind, създадена специално за изследвания в науките за живота в корпоративен мащаб. Тя съчетава възможностите на GPT‑5.5 за агентно кодиране и използване на инструменти с по-силен интелект на модела в ключови области на откриването на лекарства, като медицинска химия и геномика, като същевременно подобрява представянето в по-широк анализ, дизайн и експериментални работни процеси в науките за живота.
Напредъкът в науките за живота зависи от синтезирането на данни и доказателства в различни мащаби и модалности: молекули, гени, пътища и живи системи. В нашите оценки обновеният GPT‑Rosalind показва широки подобрения в изследователски задачи от експерти по биология, сложни заявки по медицинска химия, количествена биология и отстраняване на проблеми във wet lab.
GPT‑Rosalind вече е наличен като изследователски преглед за отговарящи на условията организации по целия свят чрез нашата структура за внедряване с доверен достъп.
За да измерваме и непрекъснато подобряваме реалното въздействие на GPT‑Rosalind, създадохме LifeSciBench — бенчмарк, оценяван от външни експерти и фокусиран върху основополагащи аспекти на изследванията в науките за живота. За разлика от съществуващите бенчмаркове, които оценяват единичен компонент от представянето на модела или биологична област изолирано, LifeSciBench разглежда научно ценната работа от край до край чрез задачи от шест области на работни процеси, централни за изследванията в науките за живота: работа с доказателства, анализ, дизайн и оптимизация, научно структурирано анализиране, валидиране и операции, както и превод и комуникация. Използваме този бенчмарк, за да съгласуваме напредъка с нуждите и реалностите на изследванията в науките за живота.
GPT‑Rosalind води по представяне в научно ценни задачи, идентифицирани от индустриални и академични експерти.
Извличане, съгласуване и одитиране на научни доказателства от статии, фигури, таблици и експериментални записи.
Пример за оценка
We’re preparing for a Type B FDA meeting on AAV9-microDys-X, an AAV9-based micro-dystrophin gene therapy for Duchenne muscular dystrophy that expresses a 138 kDa construct from an MCK promoter, and we want a hard-nosed critique of whether our current package really supports accelerated approval on micro-dystrophin expression as a surrogate endpoint reasonably likely to predict clinical benefit.
Study context: open-label Phase 1b/2 in 12 ambulatory boys age 4–7 with confirmed DMD and out-of-frame rod-domain deletions. The package is:
- Pre-treatment vastus lateralis biopsies: 0–3% of healthy-control dystrophin by quantitative Western blot using MANEX1A against the N-terminal actin-binding domain.
- 12-week post-treatment contralateral vastus lateralis biopsies: mean micro-dystrophin 38% of healthy control (range 18–61%) by the same Western blot, normalized to total protein by Coomassie staining.
- Post-treatment immunofluorescence: sarcolemmal signal in 75–95% of fibers using a polyclonal anti-dystrophin C-terminal antibody.
- 48-week function: mean NSAA change +1.4 points from baseline versus −0.6 in an external published natural-history registry cohort (p = 0.03 by unpaired t-test).
- Safety: transient transaminitis in 8/12 patients managed with steroid taper; one resolved myocarditis; no deaths.
- Biodistribution/persistence: AAV9 vector genomes detectable in muscle at 12 weeks at a mean of 2.3 vector genomes per nucleus.
- Eligibility: no baseline anti-AAV9 neutralizing antibodies (titer <1:400) and no exon-44 deletions.
Please pressure-test this package item by item: where would FDA or a skeptical reviewer say the evidence, as presented, fails to support our conclusion, and what additional data, analyses, or design changes would be needed to close those gaps if possible? For anything not specified, assume what is known from other clinical-grade 138 kDa micro-dystrophin programs and relevant clinical trials through December 31, 2025 also applies.
Отговор на кандидата
Извод: Както е представен, този пакет не е достатъчно силен, за да подкрепи ускорено одобрение на експресията на микродистрофин като сурогатна крайна точка, разумно вероятна да предскаже клинична полза. Скептичен рецензент от FDA вероятно би счел доказателствата за биомаркера, функцията, трайността, безопасността и генерализируемостта за съществено недостатъчно подкрепени.
Елемент от пакета | Ключов режим на неуспех | Какво би било нужно |
|---|---|---|
Квантификация с Western blot | MANEX1A се свързва с N-терминален епитоп, споделен от ендогенния пълноразмерен дистрофин и трансгена за микродистрофин, така че анализът не различава чисто трансгена от остатъчен/ревертантен дистрофин. Квантифицирането на 138 kDa микродистрофин спрямо здрав пълноразмерен стандарт за дистрофин също е невалидно. | Използвайте рекомбинантен стандарт за микродистрофин и ортогонален метод, който различава трансгена от ендогенния дистрофин, като таргетна масспектрометрия или трансген-специфичен/епитоп-специфичен анализ. |
Имунофлуоресценция | C-терминалното поликлонално антитяло е слабо подходящо, защото 138 kDa конструктът няма C-терминалния домен. Много пациенти с DMD имат ревертантни влакна, а ревертантният дистрофин може да запази C-терминални епитопи. Ревертантните влакна може да се разширяват клонално с възрастта, изкривявайки IF сигнала, особено при по-големи момчета. | Повторете IF с антитяло срещу епитоп, наличен в трансгена, но отсъстващ от ревертантния дистрофин. Квантифицирайте трансген-позитивните влакна отделно от ревертантните влакна. |
Валидност на сурогатната крайна точка | Пакетът смесва количеството протеин с клиничната функция. „38% от протеиновата маса на здрав контрол“ не означава 38% от нормалната функция на дистрофина, защото микродистрофинът е структурно скъсен. | Емпирично валидирайте връзката между масовия процент микродистрофин, сарколемалната локализация, възстановяването на downstream функцията и клиничната полза, преди да третирате експресията като сурогатна крайна точка. |
Дизайн на биопсията | Контралатералните биопсии от vastus lateralis преди и след лечение въвеждат ляво-дясна и интрамускулна пространствена вариабилност. Прогресията на заболяването и фибро-мастната замяна също могат да променят сигнала, нормализиран към общ протеин. | Стандартизирайте мястото на биопсия чрез последователни анатомични ориентири, нормализирайте към мускул-специфични протеини и измервайте паралелно фибро-мастния състав. |
NSAA компаратор/статистика | Външна кохорта от естествен ход не е рандомизирана едновременна контрола. Критериите за участие, поддържащата грижа, ефектите от участие, изходният NSAA, стероидният режим, възрастта и екзонният клас могат да изкривят сравнението. Несдвоен t-тест не е достатъчен. Освен това промяна +1,4 NSAA е в рамките на test-retest вариабилността за тази възрастова група. | Проведете рандомизирано едновременно плацебо-контролирано проучване или поне използвайте коригирани анализи, отчитащи изходен NSAA, възраст, стероиден режим, екзонен клас и други смесващи фактори. |
Смесване от възрастов прозорец | Момчетата на 4–7 години са в развитиен прозорец, в който нелекувани амбулаторни пациенти с DMD може да придобиват моторна функция, преди спадът да доминира. 48-седмичната промяна в NSAA смесва развитиен прираст, прогресия на заболяването и възможен ефект от лечението. | Използвайте едновременна рандомизирана контрола с възрастова стратификация, за да отделите развитийната траектория от ефекта на лечението. |
Предходен клиничен прецедент | Отворените функционални сигнали за микродистрофин не са предсказвали надеждно потвърдителна полза; публикувани прецеденти включват потвърдителни изпитвания на генна терапия с микродистрофин, които не възпроизвеждат подобренията по NSAA, наблюдавани в открити проучвания. | Не разчитайте на промяна по NSAA в открити проучвания като решаваща подкрепа. Изисквайте контролирани функционални доказателства. |
Структурни ограничения на конструкта | Конструктът 138 kDa изтрива spectrin повтори R16/17, които съдържат места за свързване на nNOS. Загубата на рекрутване на nNOS може да наруши функционалната симпатолиза и защитата от исхемия по време на натоварване, създавайки механистичен таван на rescue ефекта, независим от нивото на експресия. | Добавете механистични проучвания, показващи дали този конкретен конструкт възстановява релевантната функция на дистрофин-асоциирания комплекс, nNOS локализацията, физиологията при натоварване и мускулната защита. |
Трайност на AAV | Векторните геноми на 12 седмици не установяват трайна експресия. AAV9 геномите са до голяма степен неинтегриращи епизоми и може да намаляват с времето. Персистенцията на векторен геном не е същото като персистираща протеинова експресия. | Измерете надлъжно експресията на трансгенния протеин и трайността на функционалния биомаркер отвъд 12 седмици. |
Имунен/безопасностен профил | Трансаминит при 8/12 пациенти е съвместим с имунен отговор към AAV-трансдуцирани клетки, но механизмът не е установен. Един случай на миокардит е тревожен предвид сърдечния тропизъм на AAV9. | Осигурете по-задълбочено имунно мониториране, характеристика на чернодробната/сърдечната безопасност и засилено сърдечно проследяване. |
Подбор на пациенти/генерализируемост | Изключването на пациенти, позитивни за неутрализиращи антитела срещу AAV9, ограничава генерализируемостта. Изключването на делеции в екзон 44 ограничава приложимостта към тази DMD подгрупа. n=12 е твърде малко, за да характеризира безопасността и ефикасността в по-широката DMD популация. | Разширете допустимостта, когато е възможно, или предварително специфицирайте стратифицирани анализи по антитялов статус, генотип/екзонен клас, възраст и изходна функция, преди да използвате резултата в подкрепа на широко одобрение. |
Регулаторно заключение: Пакетът може да показва биологична активност, но все още не установява, че измерената експресия на микродистрофин е надежден сурогат, разумно вероятен да предскаже клинична полза. Основните пропуски са специфичност на анализа, невалидни стандарти за квантификация, възможно смесване от ревертантни влакна, липса на рандомизирана контрола, възрастово смесване в NSAA, несигурна трайност и нерешени въпроси за безопасност/генерализируемост.
За да се затвори пропускът, програмата би се нуждаела от контролиран, възрастово стратифициран клиничен дизайн с трансген-специфични анализи на експресията, ортогонална протеинова квантификация, контроли за тъканен състав, надлъжни данни за трайност, механистични функционални анализи за скъсения конструкт и по-силен мониторинг на безопасността, особено чернодробна и сърдечна.
Критерии на рубриката и оценки
GPT‑Rosalind постига водещо за индустрията представяне в медицинската химия — област, насочена към превръщането на молекули в полезни лекарства. Създадохме MedChemBench, за да отразим реалистични работни процеси в медицинската химия, оценявайки мултимодално разбиране на химични структури; връзка структура–активност (SAR); прогнозиране на лекарствена потентност, токсичност и абсорбция, разпределение, метаболизъм, екскреция (ADME); многопараметрично вземане на решения за оптимизация на водещи съединения; и ретросинтез. GPT‑Rosalind превъзхожда GPT‑5.5 с 27,5% срещу 25,1% в MedChemBench, като използва 7,2% по-малко токени.
GPT‑Rosalind показва по-добър мултимодален синтез и механистично структурирано анализиране в медицинската химия.
В GeneBench, нашата агентна оценка за дългосрочен анализ от край до край в геномиката и количествената биология, GPT‑Rosalind използва 31% по-малко токени от GPT‑5.5, като постига по-висока точност от 21,6% срещу 20,4%. GeneBench оценява агентно представяне при дългосрочни количествени задачи: въз основа на реалистични научни данни може ли Агент да планира валиден анализ, QC, моделиране и корекции, за да достигне до отговори, релевантни за решения? Включените проблеми обхващат различни области, включително функционална геномика, пространствена транскриптомика, протеомика, епигеномика и приложна генетика.
GPT‑Rosalind използва 31% по-малко токени от GPT‑5.5, като подобрява точността.
Въвеждаме нова оценка, за да тестваме способността на GPT‑Rosalind да помага на учени, извършващи лабораторна работа в реалния свят. LabWorkBench тества способността на модела да свързва смущенията с експерименталните резултати в реални wet lab протоколи, използвани от учени, за цели от отстраняване на проблеми до оптимизация. Данните, използвани от LabWorkBench, са собственически и следователно незамърсени. GPT‑Rosalind постига 63,2% срещу 55,8% за GPT‑5.5, като използва 5,3% по-малко токени.
При помощ за реални протоколи във wet lab GPT‑Rosalind показва значителни подобрения спрямо GPT‑5.5, като повишава ефективността на токените.
Създадохме плъгините Life Sciences Research(отваря се в нов прозорец) и Life Sciences NGS Analysis(отваря се в нов прозорец), за да разширим повишения интелект на GPT‑Rosalind с практически слой за изпълнение на повторяеми научни работни процеси. Заедно тези плъгини въвеждат извличане на доказателства с източници, биологична интерпретация и биоинформатично изпълнение в едно и също работно пространство, като помагат на изследователите да свързват външни доказателства с вътрешни омикс анализи, запазвайки артефактите и произхода. Всички потребители вече имат достъп до двата плъгина чрез Codex. Квалифицираните корпоративни потребители на GPT‑Rosalind могат допълнително да използват GPT‑Rosalind за захранване на тези плъгини.
За да използваме по-добре Codex като динамична работна среда за учени, добавихме интерактивни визуализатори за биологично нативни файлови типове. Първоначалният набор от визуализатори за последователности, подравнявания и структури е създаден, за да държи учените близо до доказателствата, докато GPT‑Rosalind анализира структурирано работния процес и отговаря директно на последващи въпроси, използвайки активния визуализатор в контекст.
Демото по-горе показва тези възможности в действие, оркестрирани от GPT‑Rosalind. Следваме учен, който изследва течна туморна биопсия, за да идентифицира мутации и други молекулни промени, които могат да информират лечението. Плъгинът Life Sciences NGS Analysis превръща прегледа на обработени ctDNA записи в интерактивен notebook, извеждайки повтарящи се изменения, нискочестотни calls и траектории на проби, които фокусират изследването върху KRAS G12C. Оттам плъгинът Life Sciences Research добавя контекст с източници за мишена, инхибитор и резистентност, докато нативните визуализатори за последователности, подравняване и структура позволяват на учения директно да инспектира мутантния остатък 12, неговата консервация в семейството RAS и джоба, свързан с инхибитора. Работният процес завършва с превеждане на тези доказателства в конкретни последващи опции, като всяка стъпка и артефакт са налични за експертен преглед.
Плъгин Life Sciences NGS Analysis
scRNA-seq QC & анотация
Превърнете 10x-style матричен пакет в QC-филтрирани едноклетъчни артефакти, анотации и UMAP-и, които можете да инспектирате и преработвате в Codex. Плъгинът Life Sciences NGS Analysis маршрутизира заявката към scrna-seq-qc, избира QC прагове от данните, запазва произхода около филтрирането и анотацията и извежда блокери като липсващи зависимости за doublet detection.
QC на bulk RNA-seq FASTQ
Превърнете sample sheet за bulk RNA-seq, FASTQ пакет и референтни файлове в прегледан чрез QC пакет с броеве, който можете да инспектирате и използвате повторно в Codex. Плъгинът Life Sciences NGS Analysis маршрутизира заявката, валидира входовете и връща одитируем run envelope с MultiQC, матрици Salmon, произход и изрични уговорки.
Разширяваме достъпа до серията GPT‑Rosalind за отговарящи на условията организации по целия свят. GPT‑Rosalind ще бъде наличен като изследователски преглед чрез нашата структура за внедряване с доверен достъп за организации, които провеждат легитимни научни изследвания с ясна обществена полза, имат силно управление и надзор на безопасността, както и контролиран достъп със сигурност от корпоративен клас.
Като част от това глобално разширяване с радост помагаме в подкрепа на мисията на Novo Nordisk да предоставя по-бързо иновативни възможности за лечение на пациентите, като подпомагаме мащабирането на медицинските им изследвания с GPT‑Rosalind. Novo Nordisk използва водещи AI възможности, за да помага на изследователите да анализират сложни набори от данни, да откриват полезни модели и да тестват хипотези по-бързо. По-силното биологично разбиране на GPT‑Rosalind ще помогне на екипите да свързват доказателства от литература, геномика, транскриптомика, последователности, структури и експериментални резултати, улеснявайки преминаването от данни към по-ясни изследователски решения.
„Изследванията в науките за живота са сложни, богати на данни и интердисциплинарни. За да предоставят значима стойност на изследователите, напредналите AI модели трябва да са основани на доверени научни данни, свързани с валидирани инструменти и интегрирани в реалните работни процеси, които изследователите използват всеки ден. Радваме се на партньорството си с OpenAI и на възможността да изследваме как GPT‑Rosalind може да подкрепи по-строги и практически подходи към откриването на лекарства.“
Мишал Пател, вицепрезидент на групата, AI и дигитални иновации, R&D - Novo Nordisk
Вече предлагаме и управлявано от OpenAI работно пространство за квалифицирани организации без Enterprise акаунт.
Обновеният GPT‑Rosalind е следващата стъпка в по-широкия ни ангажимент да изграждаме AI системи, които могат да ускорят научните открития, като същевременно гарантираме, че напредналите биологични възможности се внедряват с подходящи предпазни мерки. Ще продължим да подобряваме биологичното структурирано анализиране на модела, да разширяваме поддръжката за изследователски работни процеси с много инструменти и дълъг хоризонт и да работим с квалифицирани организации в различни региони, за да оценяваме реалното въздействие.
Това означава също прилагане на AI за науки за живота към работа с висока обществена полза — от откриване на лекарства и транслационна медицина до обществено здраве, готовност и биозащита. Чрез Rosalind Biodefense и нашия модел за внедряване с доверен достъп целим да предоставим водещи биологични възможности в ръцете на изследователите, институциите и защитниците, които работят за подобряване на човешкото здраве и укрепване на обществената устойчивост.
Ще продължим да изграждаме GPT‑Rosalind, за да стане по-способен партньор през целия жизнен цикъл на научните изследвания, помагайки на учените да преминават по-бързо от правилните въпроси към по-ясни доказателства, по-добри експерименти и в крайна сметка нови лечения за пациентите.
Продължавайте да четете
