Új funkciók bevezetése a GPT‑Rosalindbe
Nagyobb intelligencia, valós tudományos munkafolyamatokra alapozva az élettudományi iparág számára.
Bemutatjuk GPT‑Rosalind sorozatunk új modellfrissítését, amelyet kifejezetten vállalati szintű élettudományi kutatásokra fejlesztettünk ki. Ez ötvözi a GPT‑5.5 ügynöki kódolási és eszközhasználati képességeit a gyógyszerkutatás olyan alapvető területein, mint a gyógyszerkémia és a genomika, miközben javítja a teljesítményt az élettudományok szélesebb körű elemzési, tervezési és kísérleti munkafolyamataiban.
Az élettudományok fejlődése a különböző méretek és modalitások – molekulák, gének, útvonalak és élő rendszerek – adatainak és bizonyítékainak szintetizálásától függ. Értékeléseink szerint a frissített GPT‑Rosalind széles körű teljesítménynövekedést mutat a biológiai szakértők kutatási feladataiban, a komplex gyógyszerkémiai lekérdezésekben, a kvantitatív biológiában és a laboratóriumi hibaelhárításban.
A GPT‑Rosalind mostantól kutatási előzetesként érhető el jogosult szervezetek számára világszerte, megbízható hozzáférésű bevezetési struktúránkon keresztül.
A GPT‑Rosalind valós világban gyakorolt hatásának mérésére és folyamatos fejlesztésére kidolgoztuk a LifeSciBench-et, egy külső szakértők által értékelt teljesítménymérő rendszert, amely az élettudományi kutatás alapvető területeire összpontosít. A modell teljesítményének egyetlen elemét vagy a biológiai területet elkülönítve értékelő meglévő mércékkel ellentétben a LifeSciBench átfogó képet ad a tudományosan értékes munkáról, mivel az élettudományi kutatás hat központi munkafolyamat-területéről merít feladatokat: bizonyítékok kezelése, elemzés, tervezés és optimalizálás, tudományos érvelés, validálás és műveletek, valamint fordítás és kommunikáció. Ezt a mércét használjuk arra, hogy a haladást az élettudományi kutatás igényeihez és valós körülményeihez igazítsuk.
A GPT‑Rosalind az iparági és tudományos szakértők által azonosított, tudományosan értékes feladatok teljesítményét vezeti.
A GPT‑Rosalind iparágvezető teljesítményt ér el a gyógyszerkémia területén, amely a molekulák hasznos gyógyszerekké alakítására összpontosít. A MedChemBench-et úgy terveztük, hogy tükrözze a gyógyszerkémiai munkafolyamatok valós körülményeit, értékelve a multimodális kémiai szerkezet megértését; a szerkezet-aktivitás összefüggést (SAR); a gyógyszer hatékonyságának, toxicitásának, valamint felszívódásának, eloszlásának, metabolizmusának és kiválasztódásának (ADME) előrejelzését; a többparaméteres vezetőmolekula-optimalizálási döntéshozatalt; valamint a retroszintézist. A GPT‑Rosalind a MedChemBench-en 27,5%-kal felülmúlja a GPT‑5.5‑öt (25,1%), miközben 7,2%-kal kevesebb tokent használ.
A GPT‑Rosalind jobb multimodális szintézist és mechanisztikus érvelést mutat gyógyszerkémiában.
A GeneBench-en – amely a genomika és a kvantitatív biológia területén végzett, hosszú távú, végpontok közötti elemzésekre irányuló, ügynökalapú értékelésünk – a GPT‑Rosalind 31%-kal kevesebb tokent használ, mint a GPT‑5.5, miközben 21,6%-os pontosságot ér el a 20,4%-os értékkel szemben. A GeneBench a hosszú távú kvantitatív feladatokra vonatkozó ügynöki teljesítményt értékeli: reális tudományos adatok alapján képes-e egy ügynök érvényes elemzést, minőség-ellenőrzést, modellezést és korrekciókat tervezni, hogy döntéshozatalhoz szükséges válaszokhoz jusson? A felvetett problémák számos területet ölelnek fel, beleértve a funkcionális genomikát, a térbeli transzkriptomikát, a proteomikát, az epigenomikát és az alkalmazott genetikát.
A GPT‑Rosalind 31%-kal kevesebb tokent használ, mint a GPT‑5.5, miközben javítja a pontosságot.
Bevezetünk egy új értékelést, hogy teszteljük a GPT‑Rosalind képességét arra, hogy segítse a tudósokat a valós világban végzett laboratóriumi munkában. A LabWorkBench azt teszteli, hogy a modell képes-e összekapcsolni a zavaró tényezőket a tudósok által használt valós laboratóriumi protokollok kísérleti eredményeivel, a hibaelhárítástól az optimalizálásig terjedő célok érdekében. A LabWorkBench által használt adatok saját tulajdonúak, így nem szennyezettek. A GPT‑Rosalind 63,2%-os pontszámot ért el a GPT‑5,5 55,8%-os pontszámával szemben, miközben 5,3%-kal kevesebb tokent használt.
A valós laboratóriumi protokollok feldolgozása terén a GPT‑Rosalind jelentős előnyt mutat a GPT‑5.5‑höz képest, miközben javítja a tokenhatékonyságot is.
A Life Sciences Research(új ablakban nyílik meg) és a Life Sciences NGS Analysis(új ablakban nyílik meg) bővítményeket azzal a céllal fejlesztettük ki, hogy a GPT‑Rosalind fokozott intelligenciáját egy gyakorlati végrehajtási réteggel egészítsük ki, amely ismétlődő tudományos munkafolyamatokhoz használható. Ezek a bővítmények együttesen egyesítik a forrásból származó bizonyítékok lekérését, a biológiai értelmezést és a bioinformatikai végrehajtást egyazon munkaterületen, segítve a kutatókat a külső bizonyítékok és a belső omikális elemzések összekapcsolásában, miközben megőrzik az artefaktumokat és a származást. Mostantól minden felhasználó hozzáférhet mindkét bővítményhez a Codexen keresztül. A jogosult GPT‑Rosalind vállalati felhasználók emellett a GPT‑Rosalindot is felhasználhatják e bővítmények működtetéséhez.
Annak érdekében, hogy a Codexet jobban kihasználhassák a tudósok dinamikus munkapultként, interaktív nézőket adtunk hozzá a biológiailag natív fájltípusokhoz. A szekvencia-, igazítási és szerkezet-nézők kezdeti készlete úgy lett kialakítva, hogy a tudósok közel maradjanak az adatokhoz, miközben a GPT‑Rosalind végigköveti a munkafolyamatot, és a kontextusban aktív néző segítségével közvetlenül megválaszolja a további kérdéseket.
A fenti bemutató a GPT‑Rosalind által összehangoltan mutatja be ezeket a funkciókat a gyakorlatban. Egy tudóst követünk nyomon, aki folyékony tumorbiopszia eredményeit vizsgálja a kezeléshez hasznosítható mutációk és egyéb molekuláris változások azonosítása céljából. Az Élettudományok NGS-elemző bővítmény a feldolgozott ctDNA-rekordok áttekintését interaktív jegyzetfüzet formájában jeleníti meg, kiemelve az ismétlődő eltéréseket, az alacsony gyakoriságú eredményeket és a minták alakulását, így a vizsgálat középpontjába a KRAS G12C mutációt állítva. Ezt követően a Life Sciences Research bővítmény hozzáadja a forrásból származó célmolekulát, gátlót és rezisztencia-kontextust, míg a natív szekvencia-, igazítási és szerkezet-megjelenítők lehetővé teszik a tudós számára, hogy közvetlenül megvizsgálja a 12-es mutáns maradékot, annak konzervativitását a RAS családban, valamint a gátlóhoz kötődő zsebet. A munkafolyamat azzal zárul, hogy ezeket a bizonyítékokat konkrét további lépésekre fordítja, és minden lépés és eredmény szakértői felülvizsgálatra rendelkezésre áll.
Life Sciences NGS Analysis bővítmény
scRNA-seq minőség-ellenőrzés és annotáció
Alakítson egy 10x-stílusú mátrixcsomagot QC-szűrt egysejtes artefaktumokká, annotációkká és UMAP-ekké, amelyeket a Codexben megvizsgálhat és módosíthat. A Life Sciences NGS Analysis bővítmény továbbítja a kérést az scrna-seq-qc-nek, kiválasztja a QC-küszöbértékeket az adatokból, megőrzi a származási információkat a szűrés és az annotáció körül, és feltárja az akadályokat, például a hiányzó kettős detektálási függőségeket.
Tömeges RNA-seq FASTQ QC
Alakítsa át a tömeges RNA-seq mintalapot, a FASTQ-csomagot és a referenciafájlokat egy minőség-ellenőrzésen átesett számlálási csomaggá, amelyet a Codexben megtekinthet és újra felhasználhat. Az Élettudományi NGS-elemzés bővítmény továbbítja a kérést, ellenőrzi a bemeneti adatokat, majd visszaküld egy nyomon követhető futási csomagot, amely tartalmazza a MultiQC-t, a Salmon-mátrixokat, a származási adatokat és a kifejezett figyelmeztetéseket.
Kiterjesztjük a GPT‑Rosalind sorozathoz való hozzáférést a jogosult szervezetek számára világszerte. A GPT‑Rosalind kutatási előnézetben lesz elérhető a megbízható hozzáférésű telepítési struktúránkon keresztül azoknak a szervezeteknek, amelyek egyértelmű közhaszonnal járó, legitim tudományos kutatást végeznek, erős irányítási és biztonsági felügyelettel rendelkeznek, valamint vállalati szintű biztonsággal ellenőrzött hozzáféréssel rendelkeznek.
E globális terjeszkedés részeként örömmel támogatjuk a Novo Nordisk azon küldetését, hogy innovatív kezelési lehetőségeket juttasson el gyorsabban a betegekhez, azáltal, hogy a GPT‑Rosalind segítségével támogatjuk orvosi kutatásaik kiterjesztését. A Novo Nordisk a legmodernebb mesterséges intelligencia-technológiákat alkalmazza annak érdekében, hogy a kutatók gyorsabban tudják elemezni a komplex adathalmazokat, hasznos összefüggéseket fedezzenek fel és hipotéziseiket gyorsabban tesztelhessék. A GPT‑Rosalind mélyebb biológiai ismeretei segítenek a csapatoknak összekapcsolni a szakirodalomban, a genomikában, a transzkriptomikában, a szekvenciákban, a szerkezetekben és a kísérleti eredményekben található bizonyítékokat, így könnyebbé téve az adatokból a világosabb kutatási döntések meghozatalát.
„Az élettudományi kutatás komplex, adatgazdag és interdiszciplináris. Ahhoz, hogy érdemi értéket nyújtsanak a kutatók számára, a fejlett AI-modelleknek megbízható tudományos adatokon kell alapulniuk, validált eszközökhöz kell kapcsolódniuk, és be kell épülniük a kutatók által mindennap használt valós munkafolyamatokba. Örülünk az OpenAI-jal kötött partnerségünknek és annak a lehetőségnek, hogy feltárjuk, hogyan támogathatja a GPT‑Rosalind a gyógyszerkifejlesztés szigorúbb, gyakorlatiasabb megközelítéseit.”
Mishal Patel, csoportszintű alelnök, AI és digitális innováció, K+F – Novo Nordisk
Mostantól OpenAI által kezelt munkaterületet is kínálunk minősített szervezeteknek Enterprise-fiók nélkül.
A frissített GPT‑Rosalind a következő lépés azon átfogó elkötelezettségünkben, hogy olyan AI-rendszereket építsünk, amelyek segítenek felgyorsítani a tudományos felfedezéseket, miközben biztosítják, hogy a fejlett biológiai képességeket megfelelő biztonsági intézkedések mellett alkalmazzák. Folytatni fogjuk a modell biológiai érvelésének fejlesztését, bővítjük a támogatást az eszközigényes és hosszú távú kutatási munkafolyamatok számára, és együttműködünk a régiókban működő minősített szervezetekkel a valós világra gyakorolt hatások értékelése érdekében.
Ez azt is jelenti, hogy az élettudományi mesterséges intelligenciát nagy hatással bíró, közjót szolgáló munkákra alkalmazzuk, a gyógyszerkutatástól és a transzlációs orvostudománytól a közegészségügyig, a felkészültségig és a biológiai védelemig. A Rosalind Biodefense és a megbízható hozzáférésű bevezetési modellünk révén célunk, hogy a legkorszerűbb biológiai képességeket azoknak a kutatóknak, intézményeknek és védelmi szakembereknek adjuk a kezébe, akik az emberi egészség javításán és a társadalmi reziliencia erősítésén dolgoznak.
Tovább építjük a GPT‑Rosalind rendszert, hogy a tudományos kutatás teljes életciklusában még képességesebb partnerré váljon, segítve a tudósokat abban, hogy gyorsabban jussanak el a megfelelő kérdésektől a világosabb bizonyítékokig, jobb kísérletekig és végső soron új kezelésekig a betegek számára.
