GPT‑Rosalind‑এ নতুন সক্ষমতার পরিচয়
জীবনবিজ্ঞান শিল্পের জন্য বাস্তব বৈজ্ঞানিক ওয়ার্কফ্লোভিত্তিক আরও বেশি বুদ্ধিমত্তা আনা.
এন্টারপ্রাইজ স্কেলে জীবনবিজ্ঞান গবেষণার জন্য বিশেষভাবে নির্মিত আমাদের GPT‑Rosalind সিরিজে আমরা একটি নতুন মডেল আপডেট আনছি. এটি GPT‑5.5‑এর এজেন্টিক কোডিং ও টুল-ব্যবহারের সক্ষমতাকে মেডিসিনাল কেমিস্ট্রি ও জিনোমিক্সের মতো মূল ড্রাগ-ডিসকভারি ক্ষেত্রে শক্তিশালী মডেল বুদ্ধিমত্তার সঙ্গে একত্র করে, পাশাপাশি বিস্তৃত জীবনবিজ্ঞান বিশ্লেষণ, নকশা ও পরীক্ষামূলক ওয়ার্কফ্লোতে কর্মক্ষমতা বাড়ায়.
জীবনবিজ্ঞানে অগ্রগতি নির্ভর করে বিভিন্ন স্কেল ও মোডালিটি—অণু, জিন, পথ এবং জীবন্ত সিস্টেম—জুড়ে ডেটা ও প্রমাণ একত্র করার ওপর. আমাদের মূল্যায়নে, আপডেট করা GPT‑Rosalind জীববিজ্ঞান বিশেষজ্ঞদের গবেষণা কাজ, জটিল মেডিসিনাল কেমিস্ট্রি প্রশ্ন, পরিমাণগত জীববিজ্ঞান এবং ওয়েট-ল্যাব ট্রাবলশুটিংয়ে ব্যাপক কর্মক্ষমতা উন্নতি দেখায়.
GPT‑Rosalind এখন আমাদের বিশ্বস্ত-অ্যাক্সেস ডিপ্লয়মেন্ট কাঠামোর মাধ্যমে বিশ্বব্যাপী যোগ্য প্রতিষ্ঠানগুলোর জন্য গবেষণা প্রিভিউ হিসেবে উপলভ্য.
GPT‑Rosalind‑এর বাস্তব-জগতের প্রভাব মাপতে ও ধারাবাহিকভাবে উন্নত করতে আমরা LifeSciBench নকশা করেছি, যা জীবনবিজ্ঞান গবেষণার মৌলিক দিকগুলোকে কেন্দ্র করে বাহ্যিক বিশেষজ্ঞ-নির্ধারিত একটি বেঞ্চমার্ক. বিদ্যমান বেঞ্চমার্ক যেখানে মডেল কর্মক্ষমতা বা জৈবিক ডোমেইনের একক উপাদান আলাদাভাবে মূল্যায়ন করে, LifeSciBench জীবনবিজ্ঞান গবেষণার কেন্দ্রীয় ছয়টি ওয়ার্কফ্লো ক্ষেত্র—প্রমাণ ব্যবস্থাপনা, বিশ্লেষণ, নকশা ও অপ্টিমাইজেশন, বৈজ্ঞানিক যুক্তি-বিশ্লেষণ, যাচাই ও অপারেশন, এবং অনুবাদ ও যোগাযোগ—থেকে কাজ নিয়ে বৈজ্ঞানিকভাবে মূল্যবান কাজকে শুরু থেকে শেষ পর্যন্ত দেখে. জীবনবিজ্ঞান গবেষণার প্রয়োজন ও বাস্তবতার সঙ্গে অগ্রগতি সামঞ্জস্য করতে আমরা এই বেঞ্চমার্ক ব্যবহার করি.
GPT‑Rosalind শিল্প ও একাডেমিক বিশেষজ্ঞদের শনাক্ত করা বৈজ্ঞানিকভাবে মূল্যবান কাজগুলোতে কর্মক্ষমতায় এগিয়ে.
প্রবন্ধ, চিত্র, টেবিল এবং পরীক্ষামূলক রেকর্ড থেকে বৈজ্ঞানিক প্রমাণ আহরণ, মিলিয়ে দেখা এবং অডিট করা.
ইভ্যাল উদাহরণ
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.
প্রার্থীর উত্তর
মূল কথা: উপস্থাপিত অবস্থায়, micro-dystrophin expression-কে clinical benefit পূর্বাভাসে যুক্তিসঙ্গতভাবে সম্ভাব্য surrogate endpoint হিসেবে ধরে accelerated approval সমর্থনের জন্য এই প্যাকেজ যথেষ্ট শক্তিশালী নয়. একজন সন্দেহপ্রবণ FDA reviewer সম্ভবত biomarker, functional, durability, safety এবং generalizability প্রমাণকে বাস্তবিকভাবে অপর্যাপ্ত সমর্থিত বলে দেখবেন.
প্যাকেজ আইটেম | মূল ব্যর্থতার ধরন | যা প্রয়োজন হবে |
|---|---|---|
Western blot quantification | MANEX1A endogenous full-length dystrophin এবং micro-dystrophin transgene উভয়ের শেয়ার করা N-terminal epitope-এ bind করে, তাই assay transgene-কে residual/revertant dystrophin থেকে পরিষ্কারভাবে আলাদা করে না. স্বাস্থ্যকর full-length dystrophin standard-এর বিপরীতে 138 kDa micro-dystrophin পরিমাপ করাও invalid. | একটি recombinant micro-dystrophin standard এবং এমন orthogonal method ব্যবহার করুন যা transgene-কে endogenous dystrophin থেকে আলাদা করে, যেমন targeted mass spectrometry বা transgene-specific/epitope-specific assay. |
Immunofluorescence | C-terminal polyclonal antibody উপযুক্ত নয়, কারণ 138 kDa construct-এ C-terminal domain নেই. অনেক DMD রোগীর revertant fiber থাকে, এবং revertant dystrophin C-terminal epitope ধরে রাখতে পারে. Revertant fiber বয়সের সঙ্গে clonally expand হতে পারে, IF signal-কে bias করে, বিশেষত বড় ছেলেদের ক্ষেত্রে. | Transgene-এ উপস্থিত কিন্তু revertant dystrophin-এ অনুপস্থিত epitope-এর বিরুদ্ধে antibody দিয়ে IF পুনরাবৃত্তি করুন. Transgene-positive fiber আলাদাভাবে revertant fiber থেকে quantify করুন. |
Surrogate endpoint validity | প্যাকেজটি protein amount-কে clinical function-এর সঙ্গে গুলিয়ে ফেলে. “healthy-control protein mass-এর 38%” মানে normal dystrophin function-এর 38% নয়, কারণ micro-dystrophin structurally truncated. | Expression-কে surrogate endpoint হিসেবে ধরার আগে micro-dystrophin mass-percent, sarcolemmal localization, downstream functional restoration এবং clinical benefit-এর সম্পর্ক empirically validate করুন. |
Biopsy design | Pre- and post-treatment contralateral vastus lateralis biopsy left-right এবং intramuscular spatial variability আনে. Disease progression এবং fibro-fatty replacement total-protein-normalized signal-ও বদলাতে পারে. | consistent anatomical landmark ব্যবহার করে biopsy site standardize করুন, muscle-specific protein-এ normalize করুন, এবং fibro-fatty composition সমান্তরালে মাপুন. |
NSAA comparator/statistics | external natural-history cohort randomized concurrent control নয়. Trial eligibility, supportive care, participation effect, baseline NSAA, steroid regimen, age এবং exon class—সবই comparison bias করতে পারে. unpaired t-test যথেষ্ট নয়. এছাড়া, +1.4 NSAA change এই বয়সগোষ্ঠীর test-retest variability-এর মধ্যে. | randomized concurrent placebo-controlled study চালান, বা অন্তত baseline NSAA, age, steroid regimen, exon class এবং অন্যান্য confounder বিবেচনায় adjusted analysis ব্যবহার করুন. |
Age-window confounding | 4–7 বছর বয়সী ছেলেরা এমন developmental window-তে থাকে যেখানে untreated ambulatory DMD রোগীরা decline প্রাধান্য পাওয়ার আগে motor function অর্জন করতে পারে. 48-week NSAA change developmental gain, disease progression এবং possible treatment effect মিশিয়ে ফেলে. | treatment effect থেকে developmental trajectory আলাদা করতে age stratification সহ concurrent randomized control ব্যবহার করুন. |
Prior clinical precedent | Open-label micro-dystrophin functional signal নির্ভরযোগ্যভাবে confirmatory benefit পূর্বাভাস দেয়নি; published precedent-এ micro-dystrophin gene therapy confirmatory trial open-label NSAA improvement পুনরুৎপাদনে ব্যর্থ হয়েছে. | decisive support হিসেবে open-label NSAA change-এর ওপর নির্ভর করবেন না. controlled functional evidence দাবি করুন. |
Construct-এর structural limit | 138 kDa construct spectrin repeat R16/17 মুছে দেয়, যেখানে nNOS-binding site থাকে. nNOS recruitment হারালে exercise চলাকালে functional sympatholysis এবং ischemia protection ক্ষতিগ্রস্ত হতে পারে, expression level থেকে স্বাধীনভাবে rescue-এর mechanistic ceiling তৈরি করে. | এই নির্দিষ্ট construct relevant dystrophin-associated complex function, nNOS localization, exercise physiology এবং muscle protection পুনরুদ্ধার করে কি না দেখানো mechanistic study যোগ করুন. |
AAV durability | 12 সপ্তাহে vector genome durable expression প্রতিষ্ঠা করে না. AAV9 genome মূলত non-integrating episome এবং সময়ের সঙ্গে কমতে পারে. Vector-genome persistence persistent protein expression-এর সমান নয়. | 12 সপ্তাহের পর longitudinal transgene protein expression এবং functional biomarker durability মাপুন. |
Immune/safety profile | 8/12 রোগীর transaminitis AAV-transduced cell-এর প্রতি immune response-এর সঙ্গে সামঞ্জস্যপূর্ণ, কিন্তু মেকানিজম প্রতিষ্ঠিত নয়. AAV9 cardiac tropism বিবেচনায় এক myocarditis case উদ্বেগজনক. | আরও গভীর immune monitoring, liver/cardiac safety characterization এবং intensified cardiac follow-up দিন. |
Patient selection/generalizability | anti-AAV9 neutralizing-antibody-positive রোগী বাদ দিলে generalizability সীমিত হয়. exon-44 deletion বাদ দিলে ওই DMD subgroup-এ applicability সীমিত হয়. n=12 বৃহত্তর DMD population জুড়ে safety ও efficacy characterize করার জন্য খুব ছোট. | সম্ভব হলে eligibility বিস্তৃত করুন বা broad approval সমর্থনে result ব্যবহারের আগে antibody status, genotype/exon class, age এবং baseline function অনুযায়ী stratified analysis pre-specify করুন. |
নিয়ন্ত্রক উপসংহার: প্যাকেজটি biological activity দেখাতে পারে, কিন্তু measured micro-dystrophin expression clinical benefit পূর্বাভাসে যুক্তিসঙ্গতভাবে সম্ভাব্য নির্ভরযোগ্য surrogate—তা এখনও প্রতিষ্ঠা করে না. মূল ঘাটতিগুলো হলো assay specificity, invalid quantification standard, possible revertant-fiber confounding, randomized control-এর অভাব, age-related NSAA confounding, uncertain durability এবং unresolved safety/generalizability issue.
ঘাটতি পূরণে, program-এর দরকার হবে transgene-specific expression assay, orthogonal protein quantification, tissue-composition control, longitudinal durability data, truncated construct-এর mechanistic functional assay এবং শক্তিশালী safety monitoring—বিশেষত hepatic ও cardiac—সহ controlled, age-stratified clinical design.
রুব্রিক মানদণ্ড ও গ্রেড
অণুকে কার্যকর ওষুধে রূপান্তরে নিবেদিত ক্ষেত্র মেডিসিনাল কেমিস্ট্রিতে GPT‑Rosalind শিল্প-নেতৃস্থানীয় কর্মক্ষমতা অর্জন করে. বাস্তবসম্মত মেডিসিনাল কেমিস্ট্রি ওয়ার্কফ্লো প্রতিফলিত করতে আমরা MedChemBench নকশা করেছি, যা মাল্টিমোডাল রাসায়নিক গঠন বোঝা; গঠন-ক্রিয়াকলাপ সম্পর্ক (SAR); ওষুধের শক্তি, বিষাক্ততা এবং শোষণ, বণ্টন, বিপাক, নির্গমন (ADME) পূর্বাভাস; বহু-প্যারামিটার লিড-অপ্টিমাইজেশন সিদ্ধান্ত; এবং রেট্রোসিন্থেসিস মূল্যায়ন করে. MedChemBench-এ GPT‑Rosalind 27.5% বনাম 25.1% স্কোরে GPT‑5.5‑কে ছাড়িয়ে যায়, এবং 7.2% কম টোকেন ব্যবহার করে.
GPT‑Rosalind মেডিসিনাল কেমিস্ট্রিতে আরও ভালো multimodal synthesis এবং mechanistic reasoning দেখায়.
GeneBench-এ, জিনোমিক্স ও পরিমাণগত জীববিজ্ঞানে দীর্ঘ-পরিসরের শুরু-থেকে-শেষ বিশ্লেষণ নিয়ে আমাদের এজেন্টিক মূল্যায়নে, GPT‑Rosalind GPT‑5.5‑এর তুলনায় 31% কম টোকেন ব্যবহার করে, একই সঙ্গে 21.6% বনাম 20.4% বেশি নির্ভুলতা অর্জন করে. GeneBench দীর্ঘ-পরিসরের পরিমাণগত কাজে এজেন্টিক কর্মক্ষমতা মূল্যায়ন করে: বাস্তবসম্মত বৈজ্ঞানিক ডেটার ভিত্তিতে, একটি এজেন্ট কি বৈধ বিশ্লেষণ, QC, মডেলিং ও সংশোধনের পরিকল্পনা করে সিদ্ধান্ত-সম্পর্কিত উত্তরে পৌঁছাতে পারে? অন্তর্ভুক্ত সমস্যাগুলো ফাংশনাল জিনোমিক্স, স্পেশাল ট্রান্সক্রিপটোমিক্স, প্রোটিওমিক্স, এপিজিনোমিক্স এবং প্রয়োগকৃত জেনেটিক্সসহ নানা ডোমেইন জুড়ে বিস্তৃত.
GPT‑Rosalind নির্ভুলতা বাড়ানোর পাশাপাশি GPT‑5.5‑এর তুলনায় 31% কম টোকেন ব্যবহার করে.
বাস্তব জগতে ল্যাব কাজ পরিচালনাকারী বিজ্ঞানীদের সহায়তায় GPT‑Rosalind‑এর সক্ষমতা পরীক্ষা করতে আমরা একটি নতুন মূল্যায়ন প্রবর্তন করছি. LabWorkBench বিজ্ঞানীদের ব্যবহৃত বাস্তব ওয়েট-ল্যাব প্রোটোকলে বিঘ্নকে পরীক্ষার ফলাফলের সঙ্গে যুক্ত করার মডেল's সক্ষমতা পরীক্ষা করে, ট্রাবলশুটিং থেকে অপ্টিমাইজেশন পর্যন্ত উদ্দেশ্যে. LabWorkBench-এ ব্যবহৃত ডেটা মালিকানাধীন এবং তাই দূষণমুক্ত. GPT‑Rosalind 63.2% স্কোর করে, যেখানে GPT‑5.5‑এর স্কোর 55.8%, এবং 5.3% কম টোকেন ব্যবহার করে.
বাস্তব ওয়েট-ল্যাব প্রোটোকল সহায়তায়, GPT‑Rosalind টোকেন দক্ষতা বাড়ানোর পাশাপাশি GPT‑5.5‑এর তুলনায় উল্লেখযোগ্য অগ্রগতি দেখায়.
পুনরাবৃত্তিযোগ্য বৈজ্ঞানিক ওয়ার্কফ্লোর জন্য ব্যবহারিক বাস্তবায়ন স্তর দিয়ে GPT‑Rosalind-এর বর্ধিত বুদ্ধিমত্তা প্রসারিত করতে আমরা Life Sciences Research(একটি নতুন উইন্ডোতে খোলে) এবং Life Sciences NGS Analysis(একটি নতুন উইন্ডোতে খোলে) প্লাগইন তৈরি করেছি. একসঙ্গে, এই প্লাগইনগুলো উৎসযুক্ত প্রমাণ আহরণ, জৈবিক ব্যাখ্যা এবং বায়োইনফরমেটিক্স বাস্তবায়নকে একই ওয়ার্কস্পেসে আনে, গবেষকদের বাহ্যিক প্রমাণকে অভ্যন্তরীণ ওমিক্স বিশ্লেষণের সঙ্গে যুক্ত করতে সাহায্য করে, পাশাপাশি আর্টিফ্যাক্ট ও উৎস-ইতিহাস সংরক্ষণ করে. সব ব্যবহারকারী এখন Codex-এর মাধ্যমে উভয় প্লাগইনে প্রবেশ করতে পারেন. যোগ্য GPT‑Rosalind এন্টারপ্রাইজ ব্যবহারকারীরা অতিরিক্তভাবে এই প্লাগইনগুলো চালাতে GPT‑Rosalind ব্যবহার করতে পারেন.
বিজ্ঞানীদের জন্য Codex-কে একটি গতিশীল ওয়ার্কবেঞ্চ হিসেবে আরও ভালোভাবে কাজে লাগাতে, আমরা জৈবিকভাবে নেটিভ ফাইল টাইপের জন্য ইন্টারঅ্যাকটিভ ভিউয়ার যোগ করেছি। সিকোয়েন্স, অ্যালাইনমেন্ট ও স্ট্রাকচার ভিউয়ারের প্রাথমিক সেট বিজ্ঞানীদের প্রমাণের কাছাকাছি রাখার জন্য তৈরি, যখন GPT‑Rosalind একটি ওয়ার্কফ্লো জুড়ে যুক্তি-বিশ্লেষণ করে এবং সক্রিয় ভিউয়ারকে প্রসঙ্গ হিসেবে ব্যবহার করে সরাসরি ফলো-আপ প্রশ্নের উত্তর দেয়।
উপরের ডেমোতে GPT‑Rosalind দ্বারা orchestrated এই সক্ষমতাগুলো কাজ করতে দেখা যায়. আমরা এক বিজ্ঞানীকে অনুসরণ করি, যিনি চিকিৎসা-সংক্রান্ত তথ্য দিতে পারে এমন mutation ও অন্যান্য molecular change শনাক্ত করতে liquid tumor biopsy তদন্ত করছেন. Life Sciences NGS Analysis প্লাগইন processed ctDNA record পর্যালোচনাকে একটি interactive notebook-এ রূপান্তর করে, recurring alteration, low-frequency call এবং sample trajectory তুলে ধরে, যা তদন্তকে KRAS G12C-তে কেন্দ্রীভূত করে. সেখান থেকে, Life Sciences Research প্লাগইন sourced target, inhibitor ও resistance context যোগ করে, আর native sequence, alignment ও structure viewer বিজ্ঞানীকে mutant residue 12, RAS family জুড়ে তার conservation এবং inhibitor-bound pocket সরাসরি পরীক্ষা করতে দেয়. ওয়ার্কফ্লোটি সেই প্রমাণকে সুনির্দিষ্ট follow-up option-এ অনুবাদ করে শেষ হয়, যেখানে প্রতিটি ধাপ ও artifact expert review-এর জন্য উপলভ্য.
Life Sciences NGS Analysis প্লাগইন
scRNA-seq QC & Annotation
10x-style matrix bundle-কে QC-filtered single-cell artifact, annotation এবং UMAP-এ রূপান্তর করুন, যা আপনি Codex-এ পরীক্ষা ও সংশোধন করতে পারবেন. Life Sciences NGS Analysis প্লাগইন অনুরোধটি scrna-seq-qc-তে রুট করে, ডেটা থেকে QC threshold বেছে নেয়, filtering ও annotation-এর provenance সংরক্ষণ করে, এবং missing doublet-detection dependency-এর মতো blocker তুলে ধরে.
বাল্ক RNA-seq FASTQ QC
একটি বাল্ক RNA-seq নমুনা শিট, FASTQ বান্ডল এবং রেফারেন্স ফাইলকে QC-পর্যালোচিত counts bundle-এ রূপান্তর করুন, যা আপনি Codex-এ পরীক্ষা ও পুনরায় ব্যবহার করতে পারবেন. Life Sciences NGS Analysis প্লাগইন অনুরোধ রুট করে, ইনপুট যাচাই করে এবং MultiQC, Salmon matrices, provenance ও স্পষ্ট সতর্কতাসহ অডিটযোগ্য run envelope ফেরত দেয়.
আমরা বিশ্বব্যাপী যোগ্য প্রতিষ্ঠানগুলোর জন্য GPT‑Rosalind সিরিজে অ্যাক্সেস প্রসারিত করছি. স্পষ্ট জনস্বার্থসহ বৈধ বৈজ্ঞানিক গবেষণা পরিচালনা করে, দৃঢ় শাসন ও নিরাপত্তা তদারকি রাখে, এবং এন্টারপ্রাইজ-গ্রেড নিরাপত্তাসহ নিয়ন্ত্রিত অ্যাক্সেস রয়েছে—এমন প্রতিষ্ঠানগুলোর জন্য GPT‑Rosalind আমাদের বিশ্বস্ত-অ্যাক্সেস ডিপ্লয়মেন্ট কাঠামোর মাধ্যমে গবেষণা প্রিভিউতে উপলভ্য হবে.
এই বৈশ্বিক সম্প্রসারণের অংশ হিসেবে, GPT‑Rosalind দিয়ে তাদের চিকিৎসা গবেষণা স্কেল করতে সহায়তা করে রোগীদের কাছে উদ্ভাবনী চিকিৎসা বিকল্প দ্রুত পৌঁছে দেওয়ার Novo Nordisk-এর মিশনকে সমর্থন করতে পেরে আমরা আনন্দিত. Novo Nordisk গবেষকদের জটিল ডেটাসেট বিশ্লেষণ, কার্যকর প্যাটার্ন উন্মোচন এবং অনুমান দ্রুত পরীক্ষা করতে সহায়তার জন্য ফ্রন্টিয়ার AI সক্ষমতা কাজে লাগাচ্ছে. GPT‑Rosalind‑এর আরও শক্তিশালী জৈবিক বোঝাপড়া দলগুলোকে সাহিত্য, জিনোমিক্স, ট্রান্সক্রিপটোমিক্স, সিকোয়েন্স, স্ট্রাকচার এবং পরীক্ষার ফলাফলের প্রমাণ যুক্ত করতে সাহায্য করবে, ফলে ডেটা থেকে পরিষ্কার গবেষণা সিদ্ধান্তে যাওয়া সহজ হবে.
“জীবনবিজ্ঞান গবেষণা জটিল, ডেটা-সমৃদ্ধ এবং আন্তঃবিষয়ক. গবেষকদের জন্য অর্থবহ মূল্য দিতে, উন্নত AI মডেলগুলোকে বিশ্বস্ত বৈজ্ঞানিক ডেটার ওপর ভিত্তি করতে হবে, যাচাইকৃত টুলের সঙ্গে যুক্ত হতে হবে, এবং গবেষকেরা প্রতিদিন যে বাস্তব-জগতের ওয়ার্কফ্লো ব্যবহার করেন তাতে সংহত হতে হবে. OpenAI-এর সঙ্গে আমাদের অংশীদারিত্ব এবং GPT‑Rosalind কীভাবে drug discovery-তে আরও কঠোর ও ব্যবহারিক পদ্ধতি সমর্থন করতে পারে তা অন্বেষণের সুযোগ নিয়ে আমরা সন্তুষ্ট.”
মিশাল প্যাটেল, গ্রুপ ভাইস প্রেসিডেন্ট, AI ও ডিজিটাল ইনোভেশন, R&D - Novo Nordisk
Enterprise অ্যাকাউন্ট নেই এমন যোগ্য প্রতিষ্ঠানের জন্য আমরা এখন OpenAI পরিচালিত ওয়ার্কস্পেসও দিচ্ছি.
আপডেট করা GPT‑Rosalind বৈজ্ঞানিক আবিষ্কার ত্বরান্বিত করতে পারে এমন AI সিস্টেম তৈরিতে আমাদের বিস্তৃত অঙ্গীকারের পরবর্তী ধাপ, একই সঙ্গে উন্নত জৈবিক সক্ষমতা যথাযথ সুরক্ষাসহ ডিপ্লয় নিশ্চিত করে. আমরা মডেলটির জৈবিক যুক্তি-বিশ্লেষণ উন্নত করা, টুল-নির্ভর ও দীর্ঘ-পরিসরের গবেষণা ওয়ার্কফ্লোর সমর্থন বাড়ানো, এবং বাস্তব-জগতের প্রভাব মূল্যায়নে বিভিন্ন অঞ্চলের যোগ্য প্রতিষ্ঠানের সঙ্গে কাজ চালিয়ে যাব.
এর অর্থ জীবনবিজ্ঞান AI-কে উচ্চ-প্রভাবের জনস্বার্থমূলক কাজে প্রয়োগ করাও—ড্রাগ ডিসকভারি ও ট্রান্সলেশনাল মেডিসিন থেকে জনস্বাস্থ্য, প্রস্তুতি এবং বায়োডিফেন্স পর্যন্ত. Rosalind Biodefense এবং আমাদের বিশ্বস্ত-অ্যাক্সেস ডিপ্লয়মেন্ট মডেলের মাধ্যমে, আমরা মানবস্বাস্থ্য উন্নত করা ও সামাজিক সহনশীলতা শক্তিশালী করতে কাজ করা গবেষক, প্রতিষ্ঠান ও প্রতিরক্ষাকারীদের হাতে ফ্রন্টিয়ার জৈবিক সক্ষমতা তুলে দিতে চাই.
আমরা GPT‑Rosalind তৈরি চালিয়ে যাব, যাতে এটি বৈজ্ঞানিক গবেষণার পূর্ণ জীবনচক্রে আরও সক্ষম অংশীদার হয় এবং বিজ্ঞানীদের সঠিক প্রশ্ন থেকে পরিষ্কার প্রমাণ, উন্নত পরীক্ষা এবং শেষ পর্যন্ত রোগীদের জন্য নতুন চিকিৎসায় দ্রুত এগোতে সাহায্য করে.
পড়া চালিয়ে যান
