Ipinakikilala ang GPT‑Rosalind para sa pananaliksik sa agham ng buhay

Ngayon, ipinakikilala namin ang GPT‑Rosalind, ang aming frontier na nangangatuwirang modelo na binuo upang suportahan ang pananaliksik sa biyolohiya, pagtuklas ng gamot, at naisasaling medisina. Ang serye ng modelo para sa agham ng buhay ay na-optimize para sa mga siyentipikong daloy ng trabaho, na pinagsasama ang pinahusay na paggamit ng mga tool at mas malalim na pag-unawa sa kimika, engineering ng protina, at genomika.

Sa karaniwan, umaabot ng humigit-kumulang 10 hanggang 15 taon mula sa pagtuklas ng target hanggang sa pag-apruba ng mga regulator para sa isang bagong gamot sa Estados Unidos. Ang mga pakinabang na nakamit sa pinakamaagang mga yugto ng pagtuklas ay lumalago pa sa mga susunod na yugto bilang mas mahusay na pagpili ng target, mas matitibay na biyolohikal na teorya, at mas mataas na kalidad na mga eksperimento. Ang pag-unlad sa agham ng buhay ay nalilimitahan hindi lamang ng hirap ng pinagbabatayang agham, kundi pati ng pagiging kumplikado ng mga daloy ng trabaho sa pananaliksik. Kailangang magtrabaho ang mga siyentipiko sa napakalawak na koleksyon ng literatura, mga espesyal na database, data mula sa eksperimento, at umuunlad na mga teorya upang makabuo at masuri ang mga bagong ideya. Ang mga daloy ng trabaho na ito ay kadalasang nakakaubos ng oras, watak-watak, at mahirap sukatin.

Naniniwala kami na makakatulong ang mga advanced na sistema ng AI sa mga mananaliksik na mas mabilis na makausad sa mga daloy ng trabaho na ito—hindi lang sa pamamagitan ng mas episyenteng paggawa sa kasalukuyang trabaho, kundi sa pagtulong din sa mga siyentipiko na tuklasin ang mas maraming posibilidad, matukoy ang mga koneksyon na maaaring hindi mapansin, at mas maagang makabuo ng mas mahuhusay na teorya. Sa pamamagitan ng pagsuporta sa pagbubuo ng ebidensya, pagbuo ng teorya, pagpaplano ng eksperimento, at iba pang mga gawain sa pananaliksik na may maraming hakbang, ang modelo ay dinisenyo upang tulungan ang mga mananaliksik na mapabilis ang mga unang yugto ng pagtuklas. Sa paglipas ng panahon, maaaring makatulong ang mga sistemang ito sa mga organisasyon sa agham ng buhay na makatuklas ng mga pambihirang tagumpay na hindi sana magiging posible sa ibang paraan, na may mas mataas na antas ng tagumpay. 

Available na ngayon ang GPT‑Rosalind bilang preview ng pananaliksik sa ChatGPT, Codex, at sa API para sa mga kwalipikadong customer sa pamamagitan ng aming pinagkakatiwalaang programa sa pag-access. Ipinapakilala rin namin ang malayang maa-access na plugin sa pananaliksik sa Agham ng Buhay para sa Codex, na tumutulong sa mga siyentipiko na ikonekta ang mga modelo sa mahigit 50 siyentipikong tool at pinagkukunan ng data. Nakikipagtulungan kami sa mga customer tulad ng Amgen, Moderna, Allen Institute, Thermo Fisher Scientific, at iba pa upang gamitin ang GPT‑Rosalind sa iba’t ibang daloy ng trabaho na nagpapabilis sa pananaliksik at pagtuklas.

Ang modelo ay ipinangalan kay Rosalind Franklin, na ang masusing pananaliksik ay nakatulong sa pagbubunyag ng instraktura ng DNA at naglatag ng mga pundasyon para sa makabagong molekular na biyolohiya.

Ang serye ng modelo ng GPT‑Rosalind para sa Agham ng Buhay ay binuo para sa makabagong gawaing siyentipiko sa mga na-publish na ebidensya, data, mga tool, at mga eksperimento. Sa aming mga pagsusuri, naghahatid ito ng pinakamahusay na pagganap sa mga gawaing nangangailangan ng pangangatuwiran tungkol sa mga molekula, protina, gene, dalyuan, at biyolohiya na may kaugnayan sa sakit, at mas epektibo ito sa paggamit ng mga siyentipikong tool at database sa mga daloy ng trabaho na maraming hakbang tulad ng pagsusuri ng literatura, interpretasyon ng sequence-to-function, pagpaplano ng eksperimento, at pagsusuri ng data.

Ito ang unang labas sa aming serye ng mga modelo ng GPT‑Rosalind sa agham ng buhay, at patuloy naming palalawakin ang mga kakayahan sa biyokemikal na pangangautwiran ng mga frontier ng modelo sa iba't ibang siyentipikong daloy ng trabaho na matagalan at nangangailangan ng matinding paggamit ng mga tool. Ang imprastraktura ng compute ng OpenAI ay nagbibigay sa amin ng kakayahang magpatuloy sa pagsasanay, pagsusuri, at pagpapahusay ng lalong mas may kakayahang mga modelong partikular sa domain laban sa mga tunay na gawaing siyentipiko—na tumutulong sa mga sistemang ito na maging mas kapaki-pakinabang habang nagiging mas kumplikado ang mismong mga daloy ng trabaho.

Nakikipagtulungan kami sa mga nangungunang customer sa parmasyutika, bioteknolohiya, at pananaliksik, pati na rin sa mga organisasyon ng teknolohiya sa agham ng buhay, upang gamitin ang GPT‑Rosalind sa mga daloy ng trabaho na nagtataguyod ng pagtuklas.

Sinuri namin ang GPT‑Rosalind sa iba't ibang kakayahan na mahalaga sa siyentipikong pagtuklas at pananaliksik sa industriya. Sinusukat ng mga pagsusuring ito ang pangunahing pangangatuwiran sa iba't ibang subdomain ng agham, kabilang ang mga mekanismo ng reaksiyong kemikal; istraktura ng protina, mga epekto ng mutasyon, at mga interaksyon; at phylogenetic na interpretasyon ng mga DNA sequence. Sinusuri rin nila kung makakasuporta ang mga modelo sa mga totoong daloy ng trabaho sa pananaliksik sa pamamagitan ng pagpapaliwanag ng mga output ng eksperimento, pagtukoy ng mga pattern na mahalaga sa mga eksperto, at pagsasama-sama ng panlabas na impormasyon upang magdisenyo ng mga kasunod na eksperimento. Sa huli, sinusubok nila kung kayang pumili at gumamit ng mga modelo ng tamang mga computational tool, database, at mga kakayahang partikular sa domain upang mapahusay ang kanilang pangangatuwiran. Kung pagsasama-samahin, ipinapakita ng mga pagsusuring ito ang pag-unlad ang proseso ng siyentipikong pananaliksik mula simula hanggang katapusan at nagpapahiwatig ng mas matibay na kakayahang tulungan ang mga mananaliksik na malampasan ang mga mapanghamong gawain sa pagtuklas.

Sinuri namin ang GPT‑Rosalind sa isang serye ng mga pampublikong pamantayan. Sa BixBench, isang pamantayan na dinisenyo batay sa tunay na bioinformatics at pagsusuri ng data, nakamit ng GPT‑Rosalind ang nangungunang pagganap sa mga modelo na may nailathalang mga marka.

Sa LABBench2, isang pamantayan na sumusukat sa pagganap sa hanay ng mga gawain sa pananaliksik tulad ng pagkuha ng literatura, pag-access sa database, pagmamanipula ng sequence at disenyo ng protokol, nahihigitan ng GPT‑Rosalind ang GPT‑5.4 sa 6 sa 11 gawain. Ang pinaka-kapansin-pansing pagpapabuti ay nagmumula sa CloningQA, na nangangailangan ng komprehensibong pagdidisenyo ng DNA at mga enzyme reagent para sa mga protokol ng molekular na pag-clone.

Nakipagsosyo rin kami sa Dyno Therapeutics, isang kumpanyang nangunguna sa mga terapiya ng gen na dinisenyo ng AI, upang suriin ang modelo sa prediksyon at pagbuo ng RNA sequence-to-function gamit ang mga hindi nailathala at hindi kontaminadong sequence. Ikinumpara ang pagganap sa 57 na dating marka mula sa mga eksperto sa larangan ng AI-bio. Kapag direktang sinuri sa Codex app, ang mga isinumiteng sampu sa pinakamahuhusay na modelo ay nakaangat sa ika-95 porsiyento ng mga eksperto sa gawaing prediksyon at nasa humigit-kumulang ika-84 porsiyento ng mga eksperto sa gawaing pagbuo ng sequence.

Ang mga pagsusuring ito ay nagbibigay ng makabuluhang senyales ng pagganap sa mga uri ng daloy ng trabaho na inaasahan ng mga siyentipiko araw-araw upang makabuo ng ebidensya, suriin ang masalimuot na data, at umusad tungo sa mga mapangangatuwiranang biyolohikal na konklusyon.

Maaaring gamitin ng mga siyentipiko ang aming bagong plugin sa pananaliksik sa Agham ng Buhay⁠(magbubukas sa bagong window) para sa Codex, available na ngayon sa GitHub. Kasama sa package na ito ang malawak na hanay ng mga modyular na kasanayan para sa karamihan ng mga karaniwang daloy ng trabaho sa pananaliksik, na dinisenyo upang tulungan ang mga user na magtrabaho sa pantaong henetiko, pungsyonal na genomika, istraktura ng protina, biokimika, klinikal na ebidensya, at pagtuklas ng mga pampublikong pag-aaral.

Ang mga kasanayang ito ay nagsisilbing patong ng orkestrasyon na tumutulong sa mga siyentipiko na mas mapagtrabahuhan ang malalawak, hindi malinaw, at maraming hakbang na mga tanong nang mas epektibo. Nagbibigay ang mga ito ng access sa mahigit 50 pampublikong multi-omics database, mga sanggunian sa literatura, at mga kasangkapang pangbiyolohiya, at nag-aalok ng nababagong panimulang punto para sa mga karaniwan at nauulit na daloy ng trabaho gaya ng paghahanap ng istraktura, paghahanap ng sequence, pagsusuri ng literatura, at pagtuklas ng mga pampublikong dataset.

Maaaring gamitin ng mga kwalipikadong user ng Enterprise ang plugin na ito sa mga daloy ng trabaho ng pananaliksik kasama ang GPT‑Rosalind para sa mas malalim na biyolohikal na pangangatuwiran, habang pwedeng gamitin ng lahat ng user ang package ng plugin sa aming mga mainline na modelo.

Gusto naming gawing available ang mga kakayahang ito sa mga siyentipiko at organisasyon ng pananaliksik na nasa pinakamainam na posisyon upang isulong ang kalusugan ng tao, habang pinapanatili ang matitibay na mga pananggalang laban sa maling paggamit sa biyolohiya. Ang modelo ng Agham ng Buhay ay inilulunsad sa pamamagitan ng istraktura ng pag-deploy ng pinagkakatiwalaang pag-access para sa mga kwalipikadong customer ng Enterprise sa U.S. sa simula, na may mga kontrol sa pagiging kwalipikado, pamamahala ng access, at pamamahala ng organisasyon. Kasabay nito, ginagawa rin naming mas malawak ang pagiging available ng hanay ng mga konektor at ang Plugin sa Pananaliksik sa Agham ng Buhay, upang mas epektibong magamit ng mga mananaliksik ang aming mga pangunahing modelo para sa mga gawain sa pananaliksik sa agham ng buhay. 

Ang modelo ng Agham ng Buhay ay binuo gamit ang pinataas na mga kontrol sa seguridad na pang-enterprise at pinatatag na pamamahala ng pag-access, na nagbibigay-daan sa propesyonal na siyentipikong paggamit sa mga pinamamahalaang environment ng pananaliksik. Sinusuri namin ang pag-access batay sa tatlong pangunahing prinsipyo: kapaki-pakinabang na paggamit, matatag na pamamahala at pangangasiwa sa kaligtasan, at kontroladong pag-access na may seguridad na pang-enterprise. Sa praktika, nangangahulugan ito na ang mga kalahok na organisasyon ay dapat nagsasagawa ng lehitimong siyentipikong pananaliksik na may malinaw na pampublikong benepisyo; nagpapanatili ng mga naaangkop na kontrol sa pamamahala, pagsunod, at pag-iwas sa maling paggamit; at naghihigpit ng pag-access sa mga aprubadong user sa loob ng ligtas at maayos na pinamamahalaang environment. Dapat ding sumang-ayon ang mga organisasyon sa mga tuntunin ng preview para sa pananaliksik sa Agham ng Buhay at sumunod sa mga patakaran sa paggamit ng OpenAI, at maaari kaming humingi ng karagdagang impormasyon bilang bahagi ng pag-onbaord o patuloy na paglahok.

Maaaring humiling ng access⁠ ang mga organisasyon sa pamamagitan ng aming proseso ng pagsusuri sa kwalipikasyon at kaligtasan.

Sa panahon ng preview ng pananaliksik, ang paggamit ng modelong ito ay hindi gagamit ng mga umiiral nang kredito o token—pero napapailalim sa mga patakaran laban sa pang-abuso. Magbabahagi kami ng higit pang mga detalye tungkol sa pagpepresyo at availability habang lumalawak ang programa.

Ang modelong Agham ng Buhay ay binuo upang tulungan ang mga organisasyong pang-agham na makapagsagawa ng mas mataas na kalidad na trabaho nang mas mabilis, sa mga environment na nangangailangan ng parehong teknikal na kakayahan at kontrol sa pamamalakad. Ang aming dedikadong team para sa Agham ng Buhay—pati na rin ang mga katuwang sa pagpapayo kabilang ang McKinsey & Company, Boston Consulting Group (BCG), at Bain & Company—ay tumutulong sa mga organisasyon na tukuyin ang mga kaso ng paggamit na may mataas na epekto, isama ang modelo sa mga environment na pang-enterprise, at maghatid ng nasusukat na mga resulta. Kung gusto mong tuklasin ang mga paraan para masuportahan ng Agham ng Buhay ng OpenAI ang iyong trabaho, pwede kang makipag-ugnayan sa aming team ng Agham ng Buhay⁠.

Ito ang unang labas sa aming serye ng mga modelo para sa Agham ng Buhay, at tinuturing namin ito bilang simula ng pangmatagalang pangako sa pagbuo ng AI na makapagpapabilis ng siyentipikong pagtuklas sa mga larangang may malalim na kahalagahan sa lipunan, mula sa kalusugan ng tao hanggang sa mas malawak na pananaliksik sa biyolohiya. Patuloy naming pagbubutihin ang biyolohikal na pangangatuwiran ng modelo, palalawakin ang suporta para sa mga daloy ng trabaho matagalan at matinding paggamit ng mga tool, at makikipagtulungan nang husto sa mga nangungunang institusyong siyentipiko upang suriin ang epekto sa totoong mundo. Kabilang dito ang patuloy na pakikipagtulungan sa mga pambansang laboratoryo gaya ng Los Alamos National Laboratory, kung saan sinusuri namin ang disenyo ng protina at katalista na ginagabayan ng AI, kabilang ang kakayahan ng mga sistema ng AI na baguhin ang mga biyolohikal na istraktura habang pinananatili o pinahuhusay ang mahahalagang katangian na gumagana. 

Sa pagdaan ng panahon, inaasahan namin na ang mga sistemang ito ay maging lalong mas may-kakayahang mga katuwang sa pagtuklas—na tumutulong sa mga siyentipiko na mas mabilis na lumipat mula sa tanong tungo sa ebidensya, mula sa ebidensya tungo sa pananaw, at mula sa pananaw tungo sa mga bagong paggamot para sa mga pasyente.