Tutvustame GPT‑Rosalindi eluteaduste uuringute jaoks

Täna tutvustame GPT‑Rosalindi, meie tipptasemel arutlusmudelit, mis on loodud toetama uuringuid bioloogias, ravimite avastamises ja translatiivses meditsiinis. Eluteaduste mudeliseeria on optimeeritud teaduslike töövoogude jaoks, ühendades tööriistade täiustatud kasutamise sügavama arusaamisega keemiast, valguinseneeriast ja genoomikast.

USA-s võtab uue ravimi arendamine aega keskmiselt 10–15 aastat, alustades haigustekitaja tuvastamisest kuni ametliku heakskiiduni ametiasutuste poolt. Avastusprotsessi varasemates etappides saavutatud edusammud võimenduvad hilisemates faasides parema haigustekitaja valiku, tugevamate bioloogiliste hüpoteeside ja kvaliteetsemate katsetena. Edasiminekut eluteadustes ei piira mitte ainult alusteaduse keerukus, vaid ka uurimistöövoogude endi keerukus. Uute ideede genereerimiseks ja hindamiseks peavad teadlased töötama läbi suurtes kogustes kirjandust, spetsialiseeritud andmebaase, katseandmeid ja arenevaid hüpoteese. Need töövood on sageli aeganõudvad, fragmenteeritud ja raskesti skaleeritavad.

Usume, et arenenud tehisintellektisüsteemid saavad aidata uurijatel neid töövooge kiiremini läbida—mitte ainult muutes olemasoleva töö tõhusamaks, vaid aidates teadlastel uurida rohkem võimalusi, tuua esile seoseid, mis muidu võiksid märkamata jääda, ja jõuda kiiremini paremate hüpoteesideni. Toetades tõendite sünteesi, hüpoteeside genereerimist, katsete planeerimist ja teisi mitmeetapilisi uurimisülesandeid, on see mudel loodud aitama uurijatel kiirendada avastamise varaseid etappe. Aja jooksul võivad need süsteemid aidata eluteaduste organisatsioonidel avastada läbimurdeid, mis muidu poleks võimalikud, ja seda palju suurema edukuse määraga. 

GPT‑Rosalind on nüüd ChatGPT‑s, Codexis ja API kaudu kvalifitseeritud klientidele kättesaadav uurimistasemel eelvaatena meie usaldusväärse juurdepääsu programmi kaudu. Samuti tutvustame vabalt juurdepääsetavat eluteaduste uurimise pistikprogrammi Codexile, mis aitab teadlastel ühendada mudeleid enam kui 50 teadusliku tööriista ja andmeallikaga. Teeme koostööd klientidega nagu Amgen, Moderna, Alleni Instituut, Thermo Fisher Scientific ja teised, et rakendada GPT‑Rosalindi töövoogudes, mis kiirendavad uuringuid ja avastusi.

Mudel on saanud oma nime Rosalind Franklini järgi, kelle põhjalik teadustöö aitas paljastada DNA struktuuri ja pani aluse kaasaegsele molekulaarbioloogiale.

GPT‑Rosalindi eluteaduste mudeliseeria on loodud kaasaegseks teadustööks avaldatud tõendite, andmete, tööriistade ja katsetega. Meie hinnangu kohaselt pakub see parimat jõudlust ülesannetes, mis nõuavad arutlust molekulide, valkude, geenide, biokeemiliste radade ja haigusspetsiifilise bioloogia üle, ning on tõhusam teaduslike tööriistade ja andmebaaside kasutamisel mitmeetapilistes töövoogudes, nagu kirjanduse ülevaade, jada-funktsiooni tõlgendamine, katsete planeerimine ja andmeanalüüs.

See on meie GPT‑Rosalindi eluteaduste mudeliseeria esimene väljalase ning jätkame mudeli biokeemilise arutluse võimekuse piiride avardamist pikaajalistes ja tööriistamahukates teaduslikes töövoogudes. OpenAI arvutustaristu annab meile võimaluse jätkata üha võimekamate valdkonnamudelite treenimist, hindamist ja täiustamist reaalsete teaduslike ülesannete abil—aidates neil süsteemidel muutuda kasulikumaks, kuna töövood ise muutuvad keerukamaks.

Teeme koostööd juhtivate farmaatsia-, biotehnoloogia- ja teadusklientidega, aga ka eluteaduste tehnoloogiaorganisatsioonidega, et rakendada GPT‑Rosalindi töövoogudes, mis viivad avastusteni.

Hindasime GPT‑Rosalindi mitmete võimekuste osas, mis on teaduslike avastuste ja tööstusuuringute jaoks fundamentaalsed. Need hindamised mõõdavad peamist arutlusvõimet teaduslikes alamvaldkondades, sealhulgas keemiliste reaktsioonide mehhanismides; valkude struktuuris, mutatsioonide mõjudes ja interaktsioonides; ning DNA järjestuste fülogeneetilises tõlgendamises. Samuti hindavad need, kas mudelid suudavad toetada reaalseid uurimistöövooge, tõlgendades katsetulemusi, tuvastades ekspertidele olulisi mustreid ja sünteesides välist teavet järelkatsete kavandamiseks. Lõpetuseks testivad need, kas mudelid suudavad valida ja kasutada õigeid arvutustööriistu, andmebaase ja valdkonnaspetsiifilisi võimalusi, et oma arutluskäiku täiendada. Kokkuvõttes näitavad need hindamised edusamme kogu teadusuuringute protsessis ja viitavad tugevamale võimele aidata uurijatel töötada läbi keerulisi avastusülesandeid.

Hindasime GPT‑Rosalindi mitmete avalike võrdlustestide põhjal. BixBenchil, mis on reaalmaailma bioinformaatika ja andmeanalüüsi ümber loodud võrdlustest, saavutas GPT‑Rosalind avaldatud tulemustega mudelite seas parima jõudluse.

Võrdlustestil LABBench2, mis mõõdab jõudlust mitmesugustes uurimisülesannetes, nagu kirjanduse otsing, juurdepääs andmebaasidele, jadade manipuleerimine ja protokollide disain, edestab GPT‑Rosalind GPT‑5.4 mudelit kuues ülesandes üheteistkümnes. Kõige märkimisväärsem paranemine tuleneb CloningQA-st, mis nõuab molekulaarse kloonimise protokollide jaoks DNA ja ensüümi reaktiivide täiemahulist disaini.

Samuti tegime koostööd tehisintellekti abil disainitud geeniteraapiate teerajaja Dyno Therapeuticsiga, et hinnata mudelit RNA jada-funktsiooni ennustamise ja genereerimise ülesandes, kasutades avaldamata ja saastamata jadasid. Jõudlust võrreldi tehisintellekti-bioloogia valdkonna inimekspertide 57 varasema tulemusega. Hinnatuna otse Codexi rakenduses, paigutusid mudeli kümne parima vastuse hulgast valitud esitused ennustusülesandes kõrgemale kui 95 protsenti inimekspertidest ning järjestuse genereerimise ülesandes ligikaudu 84 protsendi inimekspertide tasemele.

Need hindamised pakuvad olulist signaali jõudlusest seda tüüpi töövoogudes, millele teadlased toetuvad iga päev, et genereerida tõendeid, analüüsida keerulisi andmeid ja liikuda põhjendatud bioloogiliste järeldusteni.

Teadlased saavad kasutada meie uut Codexile mõeldud eluteaduste uurimise pistikprogrammi⁠(avaneb uues aknas), mis on tänasest saadaval GitHubis. See pakett sisaldab laiaulatuslikku modulaarsete oskuste komplekti enamike tavaliste uurimistöövoogude jaoks ning see on loodud aitama kasutajatel töötada inimgeneetika, funktsionaalse genoomika, valgu struktuuri, biokeemia, kliiniliste tõendite ja avalike uuringute avastamise valdkondades.

Need oskused toimivad orkestreerimiskihina, mis aitab teadlastel tõhusamalt töötada läbi laiahaardelisi, ebamääraseid ja mitmeetapilisi küsimusi. Need pakuvad juurdepääsu enam kui 50 avalikule multi-oomika andmebaasile, kirjandusallikale ja bioloogiatööriistale ning pakuvad paindlikku lähtepunkti tavalistele korduvatele töövoogudele, nagu valgu struktuuri otsing, jadaotsing, kirjanduse ülevaade ja avalike andmestike avastamine.

Kvalifitseeruvad Enterprise'i kasutajad saavad seda pistikprogrammi kasutada uurimistöövoogudes koos GPT‑Rosalindiga sügavamaks bioloogiliseks arutluseks, samal ajal kui kõik kasutajad saavad pistikprogrammi paketti kasutada koos meie põhimudelitega.

Soovime teha need võimekused kättesaadavaks teadlastele ja uurimisorganisatsioonidele, kellel on parimad võimalused inimeste tervise edendamiseks, säilitades samal ajal tugevad kaitsemeetmed bioloogilise väärkasutuse vastu. Eluteaduste mudel tuuakse esialgu turule usaldusväärse juurdepääsu juurutusstruktuuri kaudu USA kvalifitseeritud Enterprise'i klientidele, koos kontrollidega sobivuse, juurdepääsu haldamise ja organisatsiooni valitsemise üle. Samal ajal teeme hulga konnektoreid ja eluteaduste uurimise pistikprogrammi kättesaadavamaks ka laiemalt, et teadlased saaksid meie põhimudeleid eluteaduste uurimisülesannetes tõhusamalt kasutada. 

Eluteaduste mudel töötati välja tugevdatud ettevõttetaseme turvakontrollide ja rangema juurdepääsu haldusega, võimaldades professionaalset teaduslikku kasutamist reguleeritud uurimiskeskkondades. Hindame juurdepääsu kolme peamise põhimõtte alusel: kasulik kasutamine, tugev juhtimine ja ohutusjärelevalve ning kontrollitud juurdepääs koos ettevõttetaseme turvalisusega. Praktikas tähendab see, et osalevad organisatsioonid peavad läbi viima legitiimseid teadusuuringuid, millel on selge avalik kasu; säilitama asjakohased juhtimis-, vastavus- ja väärkasutuse ennetamise kontrollid; ning piirama juurdepääsu ainult heakskiidetud kasutajatele turvalistes, hästi hallatavates keskkondades. Organisatsioonid peavad nõustuma ka eluteaduste uurimistasemel eelvaate tingimustega ja järgima OpenAI kasutuspoliitikaid ning me võime osana liitumisprotsessist või jätkuvast osalemisest nõuda lisateavet.

Organisatsioonid saavad taotleda juurdepääsu⁠ meie kvalifitseerimis- ja ohutuskontrolli protsessi kaudu.

Uurimistasemel eelvaate ajal ei tarbi selle mudeli kasutamine olemasolevaid krediite ega tokeneid—arvestades kuritarvitamise kaitsemeetmeid. Programmi laienedes jagame hinna ja kättesaadavuse kohta rohkem üksikasju.

Eluteaduste mudel on loodud aitama teadusorganisatsioonidel teha kvaliteetsemat tööd kiiremini keskkondades, mis nõuavad nii tehnilist võimekust kui operatiivset kontrolli. Meie pühendunud eluteaduste meeskond—nagu ka nõustamispartnerid, sealhulgas McKinsey & Company, Boston Consulting Group (BCG) ja Bain & Company—aitavad organisatsioonidel tuvastada suure mõjuga kasutusjuhtumeid, integreerida mudelit ettevõttekeskkondadesse ja saavutada mõõdetavaid tulemusi. Kui soovid uurida, kuidas OpenAI eluteaduste mudel saab sinu tööd toetada, võid võtta ühendust meie eluteaduste meeskonnaga⁠.

See on meie eluteaduste mudeliseeria esimene väljalase ja me näeme seda kui algust pikaajalisele pühendumusele luua tehisintellekt, mis suudab kiirendada teaduslikke avastusi ühiskonnale sügavalt olulistes valdkondades, alates inimeste tervisest kuni laiemate bioloogiliste uuringuteni. Jätkame mudeli bioloogilise arutlusvõime täiustamist, toetuse laiendamist tööriistamahukatele ja pikaajalistele uurimistöövoogudele ning tihedat koostööd juhtivate teadusasutustega reaalse maailma mõju hindamiseks. See hõlmab käimasolevaid partnerlusi riiklike laboritega, nagu Los Alamose riiklik laboratoorium, kus me uurime tehisintellekti juhitud valkude ja katalüsaatorite disaini, sealhulgas tehisintellektisüsteemide võimet muuta bioloogilisi struktuure, säilitades või parandades samal ajal peamisi funktsionaalseid omadusi. 

Aja jooksul ootame, et need süsteemid muutuvad üha võimekamateks partneriteks avastusprotsessis—aidates teadlastel liikuda kiiremini küsimusest tõenditeni, tõenditest uute teadmisteni ning uutest teadmistest uute ravimeetoditeni patsientidele.