Představujeme GPT‑Rosalind pro výzkum ve vědách o živé přírodě

Dnes představujeme GPT‑Rosalind, náš průkopnický model s uvažováním, který podporuje výzkum v biologii, objevování léčiv a translační medicíně. Tato řada modelů pro vědy o živé přírodě je optimalizovaná pro vědecké postupy a kombinuje vylepšené využití nástrojů s hlubším porozuměním v chemii, v proteinovém inženýrství a v genomice.

V průměru trvá přibližně 10 až 15 let, než se ve Spojených státech podaří přejít od identifikace cíle k zákonnému schválení nového léčiva. Zisky dosažené v nejranějších fázích objevování se dále sčítají v lepším výběru cílů, silnějších biologických hypotézách a kvalitnějších experimentech. Pokrok ve vědách o živé přírodě je omezován nejen obtížností samotné vědecké problematiky, ale i složitostí výzkumných pracovních postupů. Pokud vědci chtějí vytvářet a vyhodnocovat nové myšlenky, musí pracovat s rozsáhlým objemem odborné literatury, specializovanými databázemi, experimentálními daty a vyvíjejícími se hypotézami. Tyto pracovní postupy jsou často časově náročné, roztříštěné a obtížně škálovatelné.

Věříme, že pokročilé systémy umělé inteligence mohou výzkumníkům pomoci zvládat tyto pracovní postupy rychleji. Nejen tím, že zefektivní stávající práci, ale také tím, že vědcům pomohou prozkoumávat více možností, odhalovat souvislosti, které by jinak mohly zůstat nepovšimnuty, a dříve dospět k lepším hypotézám. Tento model je navržen tak, aby výzkumným pracovníkům pomáhal urychlit rané fáze objevování syntézou důkazů, generováním hypotéz, plánováním experimentů a dalšími vícestupňovými výzkumnými úkoly. Postupem času by tyto systémy mohly organizacím v biomedicíně pomáhat dosahovat průlomových objevů, které by jinak nebyly možné, a to s mnohem vyšší mírou úspěšnosti. 

GPT‑Rosalind je nyní k dispozici jako výzkumný náhled v ChatGPT, Codexu a rozhraní API pro kvalifikované zákazníky prostřednictvím našeho programu důvěryhodného přístupu. Zároveň představujeme volně dostupný výzkumný plugin pro vědy o živé přírodě pro Codex, který vědcům pomáhá propojit modely s více než 50 vědeckými nástroji a zdroji dat. Spolupracujeme se zákazníky, jako jsou Amgen, Moderna, the Allen Institute, Thermo Fisher Scientific a další, na využití GPT‑Rosalind v rámci pracovních postupů, které urychlují výzkum a objevy.

Model nese jméno Rosalind Franklinové, jejíž důsledný výzkum pomohl odhalit strukturu DNA a položil základy moderní molekulární biologie.

Série modelů GPT‑Rosalind pro vědy o živé přírodě je navržená pro moderní vědeckou práci s různými publikovanými důkazy, daty, nástroji a experimenty. V našich hodnoceních dosahuje nejlepšího výkonu u úloh, které vyžadují uvažování o molekulách, proteinech, genech, drahách a biologii relevantní pro onemocnění. Je efektivnější při používání vědeckých nástrojů a databází ve vícekrokových pracovních postupech, jako jsou rešerše odborné literatury, interpretace vztahu mezi sekvencí a funkcí, plánování experimentů a analýza dat.

Toto je první vydání v naší řadě modelů GPT‑Rosalind pro vědy o živě přírodě. I nadále chceme rozšiřovat průkopnické hranice biochemických schopností uvažování tohoto modelu v rámci dlouhodobých vědeckých pracovních postupů, které intenzivně využívají různé nástroje. Výpočetní infrastruktura OpenAI nám umožňuje pokračovat v trénování, vyhodnocování a zlepšování stále schopnějších doménových modelů na reálných vědeckých úlohách. Díky tomu se tyto systémy stávají užitečnějšími s tím, jak se samotné pracovní postupy stávají složitějšími.

Spolupracujeme s předními zákazníky z farmaceutického, biotechnologického a výzkumného sektoru, stejně jako s organizacemi v oblasti biologických věd, abychom aplikovali GPT‑Rosalind do nejrůznějších pracovních postupů, které podporují objevování.

Hodnotili jsme GPT‑Rosalind z pohledu celé řady schopností, které jsou zásadní pro vědecké objevování a průmyslový výzkum. Tato hodnocení měří základní uvažování v rámci různých vědeckých podoborů, včetně mechanismů chemických reakcí, struktury proteinů, účinků mutací a interakcí a fylogenetické interpretace sekvencí DNA. Také posuzují, zda modely mohou podporovat skutečné výzkumné pracovní postupy interpretací experimentálních výstupů, identifikací vzorců relevantních pro odborníky a syntézou externích informací pro návrh následných experimentů. Nakonec testují, zda modely dokáží vybrat a použít správné výpočetní nástroje, databáze a doménově specifické funkce k rozšíření svého uvažování. Celkově tato hodnocení ukazují pokrok v rámci celého procesu vědeckého výzkumu od začátku do konce a naznačují větší schopnost pomáhat výzkumníkům zvládat náročné úkoly spojené s objevováním.

Hodnotili jsme GPT‑Rosalind v řadě veřejných srovnávacích testů. V testu BixBench, což je srovnávací test navržený na základě reálné bioinformatiky a analýzy dat, dosáhl GPT‑Rosalind mezi modely se zveřejněnými výsledky špičkového výkonu.

V benchmarku LABBench2, který měří výkon v řadě výzkumných úloh, jako jsou vyhledávání literatury, přístup k databázím, manipulace se sekvencemi a návrh protokolů, překonává GPT‑Rosalind model GPT‑5.4 v 6 z 11 úloh. Nejvýraznější zlepšení přináší benchmark CloningQA, který vyžaduje komplexní návrh činidel DNA a enzymů pro protokoly molekulárního klonování.

Spolupracovali jsme také se společností Dyno Therapeutics, která je průkopníkem genových terapií navržených pomocí AI na vyhodnocení modelu na úloze predikce funkce z RNA sekvence a generování sekvencí s využitím nepublikovaných, nekontaminovaných sekvencí. Výkon byl porovnán s 57 historickými hodnoceními od lidských odborníků v oblasti AI-bio. Při přímém vyhodnocení v Codexu se modely s deseti nejlepšími výsledky umístily nad 95. percentilem lidských expertů v úloze predikce a kolem 84. percentilu lidských expertů v úloze generování sekvencí.

Tato hodnocení představují významný signál výkonnosti u typů pracovních postupů, na které se vědci každý den spoléhají při získávání důkazů, analýze komplexních dat a směřování k obhajitelným biologickým závěrům.

Vědci mohou používat náš nový výzkumný plugin pro vědy o živé přírodě⁠(otevře se v novém okně) pro Codex, který je dnes k dispozici na GitHubu. Tento balíček zahrnuje širokou sadu modulárních funkcí pro nejběžnější výzkumné pracovní postupy, navržených tak, aby uživatelům pomáhaly pracovat v různých oblastech lidské genetiky, funkční genomiky, struktury proteinů, biochemie, klinických důkazů a vyhledávání veřejně dostupných studií.

Tyto dovednosti fungují jako koordinační vrstva, která pomáhá vědcům efektivněji zpracovávat široké, nejednoznačné a vícestupňové otázky. Poskytují přístup k více než 50 veřejným multiomickým databázím, zdrojům literatury a biologickým nástrojům a nabízejí flexibilní výchozí bod pro běžné opakovatelné pracovní postupy, jako je vyhledávání struktury proteinů, vyhledávání sekvencí, rešerše literatury a vyhledávání veřejných datových sad.

Oprávnění uživatelé Enterprise mohou využívat tento plugin ve výzkumných pracovních postupech s GPT‑Rosalind pro hlubší biologické uvažování. Všichni uživatelé mohou používat balíček pluginů s našimi hlavními modely.

Chceme tyto schopnosti zpřístupnit vědcům a výzkumným organizacím, které jsou nejlépe vybaveny k posouvání lidského zdraví a zároveň zachovat přísná ochranná opatření proti biologickému zneužití. Model pro vědy o živé přírodě se zavádí prostřednictvím struktury s důvěryhodným přístupem pro způsobilé zákazníky Enterprise v USA, s kontrolami způsobilosti, správy přístupu a organizačního řízení. Zároveň zpřístupňujeme širšímu okruhu uživatelů sadu konektorů a plugin Life Sciences Research tak, aby výzkumníci mohli naše hlavní modely používat efektivněji pro úlohy výzkumu v oblasti věd o živé přírodě. 

Model pro vědy o živé přírodě byl vyvinut se zvýšenými bezpečnostními kontrolami na podnikové úrovni a posílenou správou přístupu. Díky tomu umožňuje profesionální vědecké využití v řízených výzkumných prostředích. Přístup hodnotíme na základě tří základních principů: prospěšné využití, silný dohled nad řízením a bezpečností a kontrolovaný přístup se zabezpečením na podnikové úrovni. V praxi to znamená, že zapojené organizace musí provádět legitimní vědecký výzkum s jasným veřejným přínosem, udržovat odpovídající správu, dodržovat předpisy a opatření k předcházení zneužití a omezit přístup na schválené uživatele v zabezpečených a dobře spravovaných prostředích. Organizace musí také souhlasit s podmínkami programu Life Sciences Research Preview a dodržovat zásady používání OpenAI. V rámci zavádění nebo další účasti si můžeme vyžádat další informace.

Organizace mohou požádat o přístup⁠ prostřednictvím našeho procesu posouzení kvalifikace a bezpečnosti.

Během testovací verze nebude používání tohoto modelu spotřebovávat stávající kredity ani tokeny, s výhradou omezení zneužití. Další podrobnosti o cenové politice a dostupnosti sdělíme v okamžiku, kdy se bude program rozšiřovat.

Model pro vědy o živé přírodě je navržen tak, aby pomáhal vědeckým organizacím vykonávat kvalitnější práci rychleji v prostředích, která vyžadují jak technické schopnosti, tak provozní kontrolu. Náš specializovaný tým pro oblast věd o živé přírodě i partneři, včetně společností McKinsey & Company, Boston Consulting Group (BCG) a Bain & Company, pomáhají organizacím identifikovat vysoce přínosné případy použití, integrovat model do podnikových prostředí a dosahovat měřitelných výsledků. Pokud byste rádi prozkoumali způsoby, jak může OpenAI pro vědy o živé přírodě podpořit vaši práci, můžete kontaktovat náš tým OpenAI pro vědy o živé přírodě⁠.

Toto je první vydání v naší řadě modelů Life Sciences a vnímáme ho jako začátek dlouhodobého závazku budovat umělou inteligenci, která může urychlit vědecké objevy v oblastech, na kterých společnosti hluboce záleží: od lidského zdraví po širší biologický výzkum. Budeme dál zlepšovat biologické uvažování modelu, rozšiřovat podporu pro výzkumné dlouhodobé pracovní postupy náročné na nástroje a úzce spolupracovat s předními vědeckými institucemi na hodnocení reálného dopadu. K tomu patří probíhající partnerství s národními laboratořemi, jako je Los Alamos National Laboratory, kde zkoumáme návrh proteinů a katalyzátorů řízený umělou inteligencí, včetně schopnosti systémů umělé inteligence upravovat biologické struktury při zachování nebo zlepšení klíčových funkčních vlastností. 

Postupem času očekáváme, že se tyto systémy budou při objevování stále schopnější a pomohou vědcům rychleji přecházet od otázek k důkazům, od důkazů k poznatkům a od poznatků k novým léčebným postupům pro pacienty.