Ανακαλύψτε το GPT‑Rosalind για την έρευνα στις βιοεπιστήμες

Σήμερα, παρουσιάζουμε το GPT‑Rosalind, το κορυφαίο μοντέλο συλλογιστικής μας που έχει σχεδιαστεί με σκοπό να υποστηρίζει την έρευνα στη βιολογία, την ανακάλυψη φαρμάκων και τη μεταφραστική ιατρική. Η σειρά μοντέλων για τις βιοεπιστήμες είναι βελτιστοποιημένη για επιστημονικές ροές εργασίας, συνδυάζοντας βελτιωμένη χρήση εργαλείων με βαθύτερη κατανόηση στη χημεία, τη μηχανική πρωτεϊνών και τη γονιδιωματική.

Κατά μέσο όρο, απαιτούνται περίπου 10 έως 15 έτη για να μεταβεί ένα νέο φάρμακο από την ανακάλυψη του θεραπευτικού στόχου έως τη ρυθμιστική έγκριση στις ΗΠΑ. Τα οφέλη που προκύπτουν στα πρώτα στάδια της ανακάλυψης πολλαπλασιάζονται στα επόμενα στάδια, οδηγώντας σε καλύτερη επιλογή στόχων, ισχυρότερες βιολογικές υποθέσεις και πειράματα υψηλότερης ποιότητας. Η πρόοδος στις βιοεπιστήμες περιορίζεται όχι μόνο από τη δυσκολία της υποκείμενης επιστήμης, αλλά και από την πολυπλοκότητα των ίδιων των ερευνητικών ροών εργασίας. Οι επιστήμονες εργάζονται με μεγάλους όγκους βιβλιογραφίας, εξειδικευμένες βάσεις δεδομένων, πειραματικά δεδομένα και εξελισσόμενες υποθέσεις, προκειμένου να παράγουν και να αξιολογούν νέες ιδέες. Αυτές οι ροές εργασίας είναι συχνά χρονοβόρες, κατακερματισμένες και με υψηλή δυσκολία κλιμάκωσης.

Πιστεύουμε ότι τα προηγμένα συστήματα ΤΝ μπορούν να βοηθήσουν τους ερευνητές να προχωρούν ταχύτερα σε αυτές τις ροές εργασίας — όχι μόνο καθιστώντας το υπάρχον έργο πιο αποδοτικό, αλλά βοηθώντας επίσης τους επιστήμονες να εξερευνούν περισσότερες δυνατότητες, να αναδεικνύουν συνδέσεις που διαφορετικά θα μπορούσαν να περάσουν απαρατήρητες και να καταλήγουν συντομότερα σε καλύτερες υποθέσεις. Υποστηρίζοντας τη σύνθεση αποδεικτικών στοιχείων, τη δημιουργία υποθέσεων, τον πειραματικό σχεδιασμό και άλλες πολυβηματικές ερευνητικές εργασίες, αυτό το μοντέλο έχει σχεδιαστεί με σκοπό να βοηθήσει τους ερευνητές να επιταχύνουν τα πρώτα στάδια της ανακάλυψης. Με την πάροδο του χρόνου, αυτά τα συστήματα θα μπορούσαν να βοηθήσουν οργανισμούς των βιοεπιστημών να επιτύχουν σημαντικές ανακαλύψεις που διαφορετικά δεν θα ήταν εφικτές, με πολύ υψηλότερο ποσοστό επιτυχίας. 

Το GPT‑Rosalind είναι πλέον διαθέσιμο ως προεπισκόπηση έρευνας στο ChatGPT, στο Codex και στο API για επιλέξιμους πελάτες μέσω του προγράμματος αξιόπιστης πρόσβασης. Παρουσιάζουμε, επίσης, ένα ελεύθερα προσβάσιμο ερευνητικό plugin για τις βιοεπιστήμες για το Codex, το οποίο βοηθά τους επιστήμονες να συνδέουν μοντέλα με περισσότερα από 50 επιστημονικά εργαλεία και πηγές δεδομένων. Συνεργαζόμαστε με πελάτες όπως οι Amgen, Moderna, Allen Institute, Thermo Fisher Scientific και άλλοι, προκειμένου να εφαρμόσουμε το GPT‑Rosalind σε ροές εργασίας που επιταχύνουν την έρευνα και τις ανακαλύψεις.

Το μοντέλο πήρε το όνομά του από τη Ρόζαλιντ Φράνκλιν, της οποίας η ενδελεχής έρευνα βοήθησε να αποκαλυφθεί η δομή του DNA και έθεσε τα θεμέλια για τη σύγχρονη μοριακή βιολογία.

Η σειρά μοντέλων GPT‑Rosalind για τις βιοεπιστήμες έχει σχεδιαστεί με γνώμονα τη σύγχρονη επιστημονική εργασία σε δημοσιευμένα τεκμήρια, δεδομένα, εργαλεία και πειράματα. Στις αξιολογήσεις μας, παρουσιάζει την καλύτερη απόδοση σε εργασίες που απαιτούν συλλογιστική σχετικά με μόρια, πρωτεΐνες, γονίδια, μεθόδους και βιολογία σχετική με τις νόσους, και είναι πιο αποτελεσματικό στη χρήση επιστημονικών εργαλείων και βάσεων δεδομένων σε ροές εργασίας πολλαπλών βημάτων, όπως είναι η ανασκόπηση της βιβλιογραφίας, η ερμηνεία από αλληλουχία σε λειτουργία, ο πειραματικός σχεδιασμός και η ανάλυση δεδομένων.

Αυτή είναι η πρώτη διάθεση από τη σειρά μοντέλων GPT‑Rosalind για τις βιοεπιστήμες και θα συνεχίσουμε να διευρύνουμε τους κορυφαίους τομείς των δυνατοτήτων βιοχημικής συλλογιστικής του μοντέλου σε επιστημονικές ροές εργασίας μακράς χρονικής κλίμακας με εντατική χρήση εργαλείων. Η υπολογιστική υποδομή της OpenAI μάς δίνει τη δυνατότητα να συνεχίσουμε την εκπαίδευση, την αξιολόγηση και τη βελτίωση ολοένα και πιο ικανών μοντέλων ανά τομέα σε πραγματικές επιστημονικές εργασίες, βοηθώντας αυτά τα συστήματα να γίνονται πιο χρήσιμα καθώς οι ίδιες οι ροές εργασίας γίνονται πιο σύνθετες.

Συνεργαζόμαστε με κορυφαίους πελάτες στους τομείς των φαρμακευτικών προϊόντων, της βιοτεχνολογίας και της έρευνας, καθώς και με οργανισμούς τεχνολογίας βιοεπιστημών, για να εφαρμόσουμε το GPT‑Rosalind σε ροές εργασίας που προάγουν την ανακάλυψη.

Αξιολογήσαμε το GPT‑Rosalind σε ένα εύρος ικανοτήτων που είναι θεμελιώδεις για την επιστημονική ανακάλυψη και τη βιομηχανική έρευνα. Αυτές οι αξιολογήσεις μετρούν τη βασική συλλογιστική σε επιστημονικούς υποτομείς, συμπεριλαμβανομένων των μηχανισμών χημικών αντιδράσεων, της δομής των πρωτεϊνών, των επιδράσεων των μεταλλάξεων και των αλληλεπιδράσεων, καθώς και της φυλογενετικής ερμηνείας αλληλουχιών DNA. Αξιολογούν, επίσης, κατά πόσον τα μοντέλα μπορούν να υποστηρίξουν πραγματικές ερευνητικές ροές εργασίας, ερμηνεύοντας πειραματικά αποτελέσματα, εντοπίζοντας μοτίβα που είναι σημαντικά για τους ειδικούς και συνθέτοντας εξωτερικές πληροφορίες για τον σχεδιασμό επακόλουθων πειραμάτων. Τέλος, δοκιμάζουν αν τα μοντέλα μπορούν να επιλέγουν και να χρησιμοποιούν τα κατάλληλα υπολογιστικά εργαλεία, τις βάσεις δεδομένων και δυνατότητες ειδικές για τον εκάστοτε τομέα, ώστε να ενισχύσουν τη συλλογιστική τους. Συνδυαστικά, αυτές οι αξιολογήσεις καταδεικνύουν πρόοδο σε όλη τη διαδικασία επιστημονικής έρευνας από άκρο σε άκρο και υποδηλώνουν ισχυρότερη ικανότητα υποστήριξης των ερευνητών στην αντιμετώπιση απαιτητικών εργασιών ανακάλυψης.

Αξιολογήσαμε το GPT‑Rosalind σε μια σειρά από δημόσιους δείκτες αξιολόγησης. Στο BixBench, έναν δείκτη αξιολόγησης που έχει σχεδιαστεί γύρω από τη βιοπληροφορική και την ανάλυση δεδομένων του πραγματικού κόσμου, το GPT‑Rosalind πέτυχε κορυφαίες επιδόσεις μεταξύ των μοντέλων με δημοσιευμένες βαθμολογίες.

Στο LABBench2, έναν δείκτη αξιολόγησης που μετρά την απόδοση σε ένα εύρος ερευνητικών εργασιών, όπως είναι η ανάκτηση βιβλιογραφίας, η πρόσβαση σε βάσεις δεδομένων, ο χειρισμός ακολουθιών και ο σχεδιασμός πρωτοκόλλων, το GPT‑Rosalind υπερέχει του GPT‑5.4 στις 6 από τις 11 εργασίες. Η πιο αξιοσημείωτη βελτίωση προέρχεται από το CloningQA, το οποίο απαιτεί ολοκληρωμένο σχεδιασμό αντιδραστηρίων DNA και ενζύμων για πρωτόκολλα μοριακής κλωνοποίησης.

Συνεργαστήκαμε, επίσης, με την Dyno Therapeutics, μια εταιρεία που πρωτοπορεί στις γονιδιακές θεραπείες που έχουν σχεδιαστεί με ΤΝ, προκειμένου να αξιολογήσουμε το μοντέλο σε μια εργασία πρόβλεψης ακολουθίας-σε-λειτουργία και δημιουργίας ακολουθιών RNA, χρησιμοποιώντας αδημοσίευτες, αμόλυντες ακολουθίες. Η απόδοση συγκρίθηκε με 57 ιστορικές βαθμολογίες από ειδικούς στον τομέα της βιολογίας μέσω ΤΝ. Όταν αξιολογήθηκαν απευθείας στην εφαρμογή Codex, οι καλύτερες από δέκα υποβολές του μοντέλου κατατάχθηκαν πάνω από το 95ο εκατοστημόριο των ανθρώπινων ειδικών στην εργασία πρόβλεψης και γύρω στο 84ο εκατοστημόριο των ειδικών στην εργασία δημιουργίας ακολουθιών.

Αυτές οι αξιολογήσεις παρέχουν μια ουσιαστική ένδειξη απόδοσης στις ροές εργασίας στις οποίες βασίζονται καθημερινά οι επιστήμονες για να παράγουν τεκμήρια, να αναλύουν σύνθετα δεδομένα και να προβαίνουν προς τεκμηριωμένα βιολογικά συμπεράσματα.

Οι επιστήμονες μπορούν να χρησιμοποιήσουν το νέο μας plugin έρευνας για τις βιοεπιστήμες⁠(ανοίγει σε νέο παράθυρο) για το Codex, που είναι διαθέσιμο από σήμερα στο GitHub. Αυτό το πακέτο περιλαμβάνει ένα ευρύ σύνολο αρθρωτών δεξιοτήτων για τις πιο συνήθεις ροές εργασίας έρευνας, το οποίο έχει σχεδιαστεί προκειμένου να βοηθά τους χρήστες να εργάζονται σε τομείς όπως είναι η ανθρώπινη γενετική, η λειτουργική γονιδιωματική, η δομή πρωτεϊνών, η βιοχημεία, τα κλινικά στοιχεία και η ανακάλυψη δημόσιων μελετών.

Αυτές οι δεξιότητες λειτουργούν ως ένα επίπεδο ενορχήστρωσης που βοηθά τους επιστήμονες να επεξεργάζονται πιο αποτελεσματικά ευρείες, ασαφείς και πολλαπλών βημάτων ερωτήσεις. Παρέχουν πρόσβαση σε περισσότερες από 50 δημόσιες βάσεις πολυομικών δεδομένων, πηγές βιβλιογραφίας και εργαλεία βιολογίας, και προσφέρουν ένα ευέλικτο σημείο εκκίνησης για συνήθεις επαναλαμβανόμενες ροές εργασίας, όπως είναι η αναζήτηση δομής πρωτεϊνών, η αναζήτηση αλληλουχιών, η ανασκόπηση βιβλιογραφίας και ο εντοπισμός δημόσιων συνόλων δεδομένων.

Οι επιλέξιμοι χρήστες του Enterprise μπορούν να αξιοποιήσουν αυτό το plugin σε ροές εργασίας έρευνας με το GPT‑Rosalind για βαθύτερη βιολογική συλλογιστική, ενώ όλοι οι χρήστες μπορούν να χρησιμοποιούν το πακέτο προσθέτων με τα κύρια μοντέλα μας.

Θέλουμε να διαθέσουμε αυτές τις δυνατότητες στους επιστήμονες και τους ερευνητικούς οργανισμούς που βρίσκονται στην καλύτερη θέση να προάγουν την ανθρώπινη υγεία, διατηρώντας παράλληλα ισχυρές δικλίδες προστασίας κατά της βιολογικής κακής χρήσης. Το μοντέλο για τις βιοεπιστήμες λανσάρεται αρχικά στις ΗΠΑ μέσω μιας δομής ανάπτυξης με αξιόπιστη πρόσβαση για πελάτες Enterprise που πληρούν τις προϋποθέσεις, με ελέγχους σχετικά με την επιλεξιμότητα, τη διαχείριση πρόσβασης και την οργανωτική διακυβέρνηση. Ταυτόχρονα, διαθέτουμε ευρύτερα ένα σύνολο συνδέσμων και το plugin Life Sciences Research, ώστε οι ερευνητές να μπορούν να χρησιμοποιούν τα κύρια μοντέλα μας πιο αποτελεσματικά για ερευνητικές εργασίες στις βιοεπιστήμες. 

Το μοντέλο για τις βιοεπιστήμες αναπτύχθηκε με ενισχυμένα στοιχεία ελέγχου ασφαλείας εταιρικού επιπέδου και ενισχυμένη διαχείριση πρόσβασης, επιτρέποντας την επαγγελματική επιστημονική χρήση σε ελεγχόμενα ερευνητικά περιβάλλοντα. Αξιολογούμε την πρόσβαση βάσει τριών βασικών αρχών: ωφέλιμη χρήση, ισχυρή διακυβέρνηση και εποπτεία ασφάλειας, και ελεγχόμενη πρόσβαση με ασφάλεια εταιρικού επιπέδου. Στην πράξη, αυτό σημαίνει ότι οι συμμετέχοντες οργανισμοί πρέπει να διεξάγουν νόμιμη επιστημονική έρευνα με σαφές κοινωνικό συμφέρον, να διατηρούν κατάλληλους μηχανισμούς διακυβέρνησης, συμμόρφωσης και πρόληψης κακής χρήσης, και να περιορίζουν την πρόσβαση σε εγκεκριμένους χρήστες εντός ασφαλών, ορθά διαχειριζόμενων περιβαλλόντων. Οι οργανισμοί πρέπει επίσης να συμμορφώνονται με τους όρους της προεπισκόπησης έρευνας στις βιοεπιστήμες και με τις πολιτικές χρήσης της OpenAI, και ενδέχεται να ζητήσουμε πρόσθετες πληροφορίες στο πλαίσιο της ένταξης ή της συνεχιζόμενης συμμετοχής.

Οι οργανισμοί μπορούν να ζητήσουν πρόσβαση⁠ μέσω της διαδικασίας αξιολόγησης προδιαγραφών και ελέγχου ασφάλειας.

Κατά τη διάρκεια της προεπισκόπησης έρευνας, η χρήση αυτού του μοντέλου δεν θα καταναλώνει υπάρχουσες μονάδες ή token — υπόκειται σε δικλείδες ασφαλείας για την προστασία από κατάχρηση. Θα κοινοποιήσουμε περισσότερες λεπτομέρειες σχετικά με τη χρέωση και τη διαθεσιμότητα καθώς το πρόγραμμα επεκτείνεται.

Το μοντέλο για τις βιοεπιστήμες έχει σχεδιαστεί προκειμένου να βοηθά τους επιστημονικούς οργανισμούς να επιτελούν έργο υψηλότερης ποιότητας, ταχύτερα, σε περιβάλλοντα που απαιτούν τόσο τεχνικές δυνατότητες όσο και επιχειρησιακό έλεγχο. Η εξειδικευμένη ομάδα για τις βιοεπιστήμες —καθώς και συμβουλευτικοί συνεργάτες, όπως η McKinsey & Company, η Boston Consulting Group (BCG) και η Bain & Company— βοηθούν τους οργανισμούς να εντοπίζουν σενάρια χρήσης υψηλού αντίκτυπου, να ενσωματώνουν το μοντέλο σε εταιρικά περιβάλλοντα και να επιτυγχάνουν μετρήσιμα αποτελέσματα. Αν θέλετε να εξερευνήσετε τρόπους με τους οποίους η OpenAI για τις Βιοεπιστήμεες μπορεί να υποστηρίξει το έργο σας, μπορείτε να επικοινωνήσετε με την ομάδα μας για τις Βιοεπιστήμες⁠.

Αυτή είναι η πρώτη κυκλοφορία στη σειρά μοντέλων μας για τις βιοεπιστήμες και τη θεωρούμε ως την αρχή μιας μακροπρόθεσμης δέσμευσης για την ανάπτυξη ΤΝ που μπορεί να επιταχύνει την επιστημονική ανακάλυψη σε τομείς που έχουν ουσιαστική σημασία για την κοινωνία, από την ανθρώπινη υγεία έως την ευρύτερη βιολογική έρευνα. Θα συνεχίσουμε να βελτιώνουμε τη βιολογική συλλογιστική του μοντέλου, να επεκτείνουμε την υποστήριξη για ερευνητικές ροές εργασίας με εκτεταμένη χρήση εργαλείων και μακρύ χρονικό ορίζοντα και να συνεργαζόμαστε στενά με κορυφαία επιστημονικά ιδρύματα για να αξιολογούμε τον αντίκτυπο στον πραγματικό κόσμο. Μεταξύ άλλων, αυτές οι προσπάθειες περιλαμβάνουν συνεχιζόμενες συνεργασίες με εθνικά εργαστήρια, όπως το Los Alamos National Laboratory, όπου διερευνούμε τον σχεδιασμό πρωτεϊνών και καταλυτών με καθοδήγηση από την ΤΝ, συμπεριλαμβανομένης της δυνατότητας των συστημάτων ΤΝ να τροποποιούν βιολογικές δομές διατηρώντας ή βελτιώνοντας βασικές λειτουργικές ιδιότητες. 

Με την πάροδο του χρόνου, αναμένουμε ότι αυτά τα συστήματα θα εξελιχθούν σε όλο και πιο ικανούς συνεργάτες στην ανακάλυψη — βοηθώντας τους επιστήμονες να μεταβαίνουν ταχύτερα από την ερώτηση στα στοιχεία, από τα στοιχεία στην πληροφορία και από την πληροφορία σε νέες θεραπείες για τους ασθενείς.