Esittelyssä GPT‑Rosalind elämäntieteiden tutkimukseen
Uusi tarkoitukseen suunniteltu malli nopeuttamaan tieteellistä tutkimusta ja lääkekehitystä.
Tänään esittelemme GPT‑Rosalindin, edistyneen päättelymallimme, joka on suunniteltu tukemaan biologian, lääkeaineiden löytämisen ja translaationaalisen lääketieteen tutkimusta. Elämäntieteiden malli on optimoitu tieteellisiin työnkulkuihin, yhdistäen parannetun työkalujen käytön syvempään ymmärrykseen kemian, proteiinitekniikan ja genomiikan osa-alueilla.
Keskimäärin uuden lääkkeen kehittäminen kohteen tunnistamisesta viranomaishyväksyntään kestää Yhdysvalloissa noin 10–15 vuotta. Löytötyön varhaisimmissa vaiheissa saavutetut edistysaskeleet kertautuvat myöhemmissä vaiheissa parempana kohteiden valintana, vahvempina biologisina hypoteeseina ja laadukkaampina kokeina. Elämäntieteiden edistystä rajoittaa paitsi taustalla olevan tieteen vaikeus myös itse tutkimustyönkulkujen monimutkaisuus. Tutkijoiden on työskenneltävä laajojen kirjallisuusmäärien, erikoistuneiden tietokantojen, kokeellisten tietojen ja kehittyvien hypoteesien parissa tuottaakseen ja arvioidakseen uusia ideoita. Nämä työnkulut ovat usein aikaa vieviä, hajanaisia ja vaikeasti skaalautuvia.
Uskomme, että edistyneet tekoälyjärjestelmät voivat auttaa tutkijoita etenemään näissä työnkuluissa nopeammin – ei vain tehostamalla nykyistä työtä, vaan myös auttamalla tutkijoita tutkimaan enemmän mahdollisuuksia, tuomaan esiin yhteyksiä, jotka muuten saattaisivat jäädä huomaamatta, ja muodostamaan parempia hypoteeseja nopeammin. Tukemalla todisteiden syntetisointia, hypoteesien muodostamista, kokeiden suunnittelua ja muita monivaiheisia tutkimustehtäviä tämä malli on suunniteltu auttamaan tutkijoita nopeuttamaan tutkimuksen alkuvaiheita. Ajan myötä nämä järjestelmät voisivat auttaa elämäntieteiden organisaatioita tekemään läpimurtoja, joita ei muuten olisi mahdollista saavuttaa, huomattavasti suuremmalla onnistumisprosentilla.
GPT‑Rosalind on nyt saatavilla ennakkoversiona ChatGPT:ssä, Codexissa ja API:ssa hyväksytyille asiakkaille luotetun käyttöoikeuden ohjelmamme kautta. Otamme myös käyttöön vapaasti käytettävän Life Sciences -tutkimuslisäosan Codexiin, joka auttaa tutkijoita yhdistämään malleja yli 50 tieteelliseen työkaluun ja datalähteeseen. Teemme yhteistyötä asiakkaiden, kuten Amgenin, Modernan, Allen Instituten ja Thermo Fisher Scientificin, sekä muiden kanssa soveltaaksemme GPT‑Rosalindia työnkulkuihin, jotka nopeuttavat tutkimusta ja löytöjä.
Malli on nimetty Rosalind Franklinin mukaan. Hänen tinkimätön tutkimustyönsä auttoi paljastamaan DNA:n rakenteen ja loi perustan modernille molekyylibiologialle.
Katso, miten tarkoitukseen suunniteltu mallimme nopeuttaa tutkimustyönkulkuja raakadatasta perusteltuihin löytöpäätöksiin.
GPT‑Rosalind‑elämäntieteiden malli on suunniteltu nykyaikaiseen tieteelliseen työhön julkaistun näytön, datan, työkalujen ja kokeiden parissa. Arvioinneissamme se tarjoaa parhaan suorituskyvyn tehtävissä, jotka edellyttävät molekyylejä, proteiineja, geenejä, reittejä ja sairauksien kannalta merkityksellistä biologiaa koskevaa päättelyä, ja se hyödyntää tieteellisiä työkaluja ja tietokantoja tehokkaammin monivaiheisissa työnkuluissa, kuten kirjallisuuskatsauksessa, sekvenssistä toimintaan ulottuvassa tulkinnassa, kokeiden suunnittelussa ja data-analyysissä.
Tämä on GPT‑Rosalind‑elämäntieteiden mallisarjamme ensimmäinen julkaisu, ja jatkamme mallin biokemiallisten päättelykykyjen rajojen laajentamista pitkäkestoisissa, runsaasti työkaluja hyödyntävissä tieteellisissä työnkuluissa. OpenAI:n laskentainfrastruktuuri antaa meille mahdollisuuden jatkaa yhä kyvykkäämmän toimialakohtaisen mallin kouluttamista, arviointia ja parantamista todellisia tieteellisiä tehtäviä vasten – mikä auttaa näitä järjestelmiä tulemaan hyödyllisemmiksi samalla kun työnkulut itse muuttuvat yhä monimutkaisemmiksi.
Tutustu siihen, miten ratkaisukokonaisuutemme muuttuvat näyttöön perustuvista tutkimusoivalluksista vaikuttaviin kokeisiin ja edelleen mitattaviksi parannuksiksi tutkimustyönkuluissasi.
Teemme yhteistyötä johtavien lääke-, bioteknologia- ja tutkimusalan asiakkaiden sekä elämäntieteiden teknologiaorganisaatioiden kanssa hyödyntääksemme GPT‑Rosalindia työnkuluissa, jotka edistävät innovaatioita.
”Elämäntieteiden ala vaatii tarkkuutta jokaisessa vaiheessa.” Kysymykset ovat erittäin monimutkaisia, data on hyvin ainutlaatuista ja panokset ovat uskomattoman korkeat. Ainutlaatuinen yhteistyömme OpenAI:n kanssa antaa meille mahdollisuuden hyödyntää heidän edistyksellisimpiä kyvykkyyksiään ja työkalujaan uusilla ja innovatiivisilla tavoilla, mikä voi nopeuttaa lääkkeiden toimittamista potilaille.
Arvioimme GPT‑Rosalindia useiden tieteellisen löydön ja teollisen tutkimuksen kannalta keskeisten kyvykkyyksien osalta. Nämä arvioinnit mittaavat keskeistä päättelyä tieteen osa-alueilla, kuten kemiallisten reaktioiden mekanismeissa; proteiinien rakenteessa, mutaatioiden vaikutuksissa ja vuorovaikutuksissa; sekä DNA-sekvenssien fylogeneettisessä tulkinnassa. Ne arvioivat myös, voivatko mallit tukea todellisia tutkimustyönkulkuja tulkitsemalla kokeellisia tuloksia, tunnistamalla asiantuntijoille merkityksellisiä malleja ja yhdistelemällä ulkoista tietoa jatkokokeiden suunnittelua varten. Lopuksi testataan, voivatko mallit valita ja hyödyntää oikeita laskennallisia työkaluja, tietokantoja ja alakohtaisia ominaisuuksia päättelykykynsä parantamiseksi. Yhdessä nämä arvioinnit osoittavat edistystä tieteellisen tutkimuksen koko prosessissa ja viittaavat parempaan kykyyn auttaa tutkijoita selviytymään haastavista tutkimustehtävistä.
Arvioimme GPT‑Rosalindia useilla julkisilla vertailuarvoilla. BixBenchissä, tosielämän bioinformatiikan ja data-analyysin ympärille suunnitellussa vertailuarvossa, GPT‑Rosalind saavutti johtavan suorituskyvyn niiden mallien joukossa, joiden tulokset on julkaistu.
LABBench2-vertailutestissä, joka mittaa suorituskykyä monenlaisissa tutkimustehtävissä, kuten kirjallisuushaussa, tietokantakäytössä, sekvenssien käsittelyssä ja protokollasuunnittelussa, GPT‑Rosalind suoriutuu paremmin kuin GPT‑5.4 kuudessa tehtävässä yhdestätoista. Merkittävin parannus tulee CloningQA:sta, joka edellyttää DNA- ja entsyymireagenssien suunnittelua alusta loppuun molekyylikloonausprotokollia varten.
Teimme myös yhteistyötä Dyno Therapeuticsin kanssa, joka on tekoälyn suunnittelemien geeniterapioiden edelläkävijäyritys. Yhteistyön tavoitteena oli arvioida mallia RNA-sekvenssien toiminnon ennustamis- ja generointitehtävässä käyttäen julkaisemattomia, kontaminoitumattomia sekvenssejä. Suorituskykyä verrattiin 57 aiempaan tulokseen, jotka olivat peräisin tekoälybioalan ihmisasiantuntijoilta. Suoraan Codex-sovelluksessa arvioituna mallin kymmenen parhaan suorituksen joukosta paras sijoittui ennustustehtävässä ihmisasiantuntijoiden 95. prosenttipisteen yläpuolelle ja sekvenssien generointitehtävässä noin ihmisasiantuntijoiden 84. prosenttipisteeseen.
Nämä arvioinnit antavat merkittävän kuvan siitä, miten hyvin ne työnkulut toimivat, joihin tutkijat luottavat päivittäin tuottaessaan näyttöä, analysoidessaan monimutkaisia tietoja ja päätyessään perusteltuihin biologisiin johtopäätöksiin.
Tutkijat voivat käyttää uutta Codexin Elämäntieteiden tutkimuslisäosaa(avautuu uudessa ikkunassa), joka on saatavilla GitHubissa jo tänään. Tämä paketti sisältää laajan joukon modulaarisia taitoja yleisimpiin tutkimustyönkulkuihin, ja se on suunniteltu auttamaan käyttäjiä työskentelemään ihmisgenetiikan, funktionaalisen genomiikan, proteiinirakenteiden, biokemian, kliinisen näytön ja julkisten tutkimusten löytämisen parissa.
Nämä taidot toimivat orkestrointikerroksena, joka auttaa tutkijoita käsittelemään laajoja, epäselviä ja monivaiheisia kysymyksiä tehokkaammin. Ne tarjoavat pääsyn yli 50 julkiseen multiomiikkatietokantaan, kirjallisuuslähteeseen ja biologian työkaluun sekä joustavan lähtökohdan yleisille toistettaville työnkuluille, kuten proteiinirakenteen hakuun, sekvenssihakuun, kirjallisuuskatsaukseen ja julkisten tietoaineistojen löytämiseen.
Kelpoiset Enterprise-käyttäjät voivat hyödyntää tätä laajennusta tutkimustyönkuluissa yhdessä GPT‑Rosalindin kanssa syvempää biologista päättelyä varten, kun taas kaikki käyttäjät voivat käyttää laajennuspakettia päämalleillamme.
Haluamme saattaa nämä ominaisuudet sellaisten tutkijoiden ja tutkimusorganisaatioiden saataville, joilla on parhaat edellytykset edistää ihmisten terveyttä, samalla kun ylläpidämme vahvoja suojatoimia biologista väärinkäyttöä vastaan. Elämäntieteiden malli otetaan alkuvaiheessa käyttöön Yhdysvalloissa kelpoisille Enterprise-asiakkaille luotettuun käyttöön perustuvan käyttöönottomallin kautta. Siihen sisältyy hallintakeinoja kelpoisuuden, käyttöoikeuksien hallinnoinnin ja organisaation hallinnoinnin osalta. Samalla tuomme laajemmin saataville joukon yhdistimiä sekä Life Sciences Research Pluginin, jotta tutkijat voivat käyttää ensisijaisia mallejamme tehokkaammin elämäntieteen tutkimuksissa.
Life Sciences -malli on kehitetty korotetuilla yritystason tietoturvakontrolleilla ja vahvistetulla käyttöoikeuksien hallinnalla, mikä mahdollistaa ammattimaisen tieteellisen käytön hallinnoiduissa tutkimusympäristöissä. Arvioimme käyttöoikeuksia kolmen keskeisen periaatteen perusteella: hyödyllinen käyttö, vahva hallinta ja turvallisuusvalvonta sekä hallittu käyttöoikeuksien hallinta yritystason tietoturvalla. Käytännössä tämä tarkoittaa, että osallistuvien organisaatioiden on harjoitettava laillista tieteellistä tutkimusta, josta on selkeää julkista hyötyä; ylläpidettävä asianmukaisia hallinta-, vaatimustenmukaisuus- ja väärinkäytön estämiseen liittyviä valvontatoimia; sekä rajoitettava pääsy hyväksytyille käyttäjille turvallisissa ja hyvin hallinnoiduissa ympäristöissä. Organisaatioiden on myös hyväksyttävä elämäntieteiden tutkimuksen ennakkokatseluehdot ja noudatettava OpenAI:n käyttöehtoja, ja voimme pyytää lisätietoja osana rekisteröitymistä tai osallistumisen jatkamista.
Organisaatiot voivat pyytää käyttöoikeutta kelpoisuus- ja turvallisuustarkastusprosessimme kautta.
Tutkimusesikatselun aikana tämän mallin käyttö ei kuluta olemassa olevia krediittejä tai tokeneita – väärinkäytön vastaisten turvasääntöjen puitteissa. Kerromme lisää hinnoittelusta ja saatavuudesta ohjelman laajentuessa.
Elämäntieteiden malli on suunniteltu auttamaan tieteellisiä organisaatioita tekemään työtään nopeammin ja laadukkaammin ympäristöissä, jotka edellyttävät sekä teknistä kyvykkyyttä että operatiivista hallintaa. Omistautunut elämäntieteiden tiimimme sekä neuvonantajakumppanit, kuten McKinsey & Company, Boston Consulting Group (BCG) ja Bain & Company, auttavat organisaatioita tunnistamaan vaikuttavia käyttötapauksia, integroimaan mallin yritysympäristöihin ja saavuttamaan mitattavia tuloksia. Jos haluat tutkia tapoja, joilla OpenAI Life Sciences voi tukea työtäsi, voit ottaa yhteyttä elämäntieteiden tiimiimme.
Tämä on Life Sciences -mallisarjamme ensimmäinen julkaisu, ja pidämme sitä pitkän aikavälin sitoumuksen alkuna rakentaa tekoälyä, joka voi nopeuttaa tieteellisiä löytöjä yhteiskunnalle syvästi tärkeillä alueilla aina ihmisten terveydestä laajempaan biologiseen tutkimukseen. Jatkamme mallin biologisen päättelyn parantamista, laajennamme tukea työkaluvaltaisille ja pitkän aikajänteen tutkimustyönkuluille sekä teemme tiivistä yhteistyötä johtavien tieteellisten instituutioiden kanssa arvioidaksemme todellista vaikutusta. Tähän sisältyvät myös käynnissä olevat yhteistyöhankkeet kansallisten laboratorioiden, kuten Los Alamos National Laboratoryn, kanssa, joissa tutkimme tekoälyn ohjaamaa proteiinien ja katalyyttien suunnittelua, mukaan lukien tekoälyjärjestelmien kyky muokata biologisia rakenteita säilyttäen tai parantaen keskeisiä toiminnallisia ominaisuuksia.
Ajan myötä odotamme näiden järjestelmien kehittyvän yhä kyvykkäämmiksi kumppaneiksi tutkimustyössä, auttaen tutkijoita etenemään nopeammin kysymyksestä näyttöön, näytöstä oivallukseen ja oivalluksesta uusiin hoitoihin potilaille.
