Ներկայացնում ենք GPT‑Rosalind‑ի նոր կարողությունները
Կենսագիտությունների ոլորտին տրամադրում ենք ավելի մեծ ինտելեկտ՝ հիմնված իրական գիտական աշխատահոսքերի վրա։
Ներկայացնում ենք մեր GPT‑Rosalind շարքի նոր մոդելի թարմացում, որը հատուկ ստեղծվել է կենսագիտությունների հետազոտությունների համար ձեռնարկության մասշտաբով։ Այն համադրում է GPT‑5.5‑ի ագենտային կոդավորման և գործիքների օգտագործման կարողությունները՝ մոդելի ավելի ուժեղ ինտելեկտի հետ դեղերի հայտնաբերման հիմնական ոլորտներում, ինչպիսիք են դեղաքիմիան և գենոմիկան, միաժամանակ բարձրացնելով արդյունավետությունը կենսագիտությունների ավելի լայն վերլուծական, նախագծման և փորձարարական աշխատահոսքերում։
Կենսագիտություններում առաջընթացը կախված է տվյալների և ապացույցների համադրումից տարբեր մասշտաբներում և մոդալություններում՝ մոլեկուլներ, գեներ, ուղիներ և կենդանի համակարգեր։ Մեր գնահատումներում թարմացված GPT‑Rosalind‑ը ցույց է տալիս արդյունավետության լայն աճ կենսաբանության փորձագետների հետազոտական առաջադրանքներում, բարդ դեղաքիմիական հարցումներում, քանակական կենսաբանության և թաց լաբորատոր խնդիրների լուծման մեջ։
GPT‑Rosalind‑ն այժմ հասանելի է հետազոտական նախադիտման ձևաչափով իրավասու կազմակերպություններին ամբողջ աշխարհում՝ մեր վստահելի հասանելիության տեղակայման կառուցվածքի միջոցով։
GPT‑Rosalind‑ի իրական ազդեցությունը չափելու և շարունակաբար բարելավելու համար մենք նախագծեցինք LifeSciBench-ը՝ արտաքին փորձագետների կողմից գնահատվող հենանիշ, որը կենտրոնացած է կենսագիտությունների հետազոտության հիմնարար կողմերի վրա։ Ի տարբերություն գործող հենանիշների, որոնք մեկուսացված գնահատում են մոդելի աշխատանքի կամ կենսաբանական ոլորտի մեկ բաղադրիչ, LifeSciBench-ը գիտականորեն արժեքավոր աշխատանքը դիտարկում է ծայրից ծայր՝ առաջադրանքներ վերցնելով կենսագիտությունների հետազոտության համար առանցքային վեց աշխատահոսքային ոլորտներից՝ ապացույցների մշակում, վերլուծություն, նախագծում և օպտիմալացում, գիտական հիմնավորում, վավերացում և գործառնություններ, ինչպես նաև թարգմանություն և հաղորդակցություն։ Մենք օգտագործում ենք այս հենանիշը՝ առաջընթացը կենսագիտությունների հետազոտության կարիքներին և իրականություններին համապատասխանեցնելու համար։
GPT‑Rosalind‑ը առաջատար արդյունավետություն է ցույց տալիս ոլորտի և ակադեմիական փորձագետների կողմից բացահայտված գիտականորեն արժեքավոր առաջադրանքներում։
Գիտական ապացույցների քաղում, համադրում և աուդիտ հոդվածներից, նկարներից, աղյուսակներից և փորձարարական գրառումներից։
Գնահատման օրինակ
We’re preparing for a Type B FDA meeting on AAV9-microDys-X, an AAV9-based micro-dystrophin gene therapy for Duchenne muscular dystrophy that expresses a 138 kDa construct from an MCK promoter, and we want a hard-nosed critique of whether our current package really supports accelerated approval on micro-dystrophin expression as a surrogate endpoint reasonably likely to predict clinical benefit.
Study context: open-label Phase 1b/2 in 12 ambulatory boys age 4–7 with confirmed DMD and out-of-frame rod-domain deletions. The package is:
- Pre-treatment vastus lateralis biopsies: 0–3% of healthy-control dystrophin by quantitative Western blot using MANEX1A against the N-terminal actin-binding domain.
- 12-week post-treatment contralateral vastus lateralis biopsies: mean micro-dystrophin 38% of healthy control (range 18–61%) by the same Western blot, normalized to total protein by Coomassie staining.
- Post-treatment immunofluorescence: sarcolemmal signal in 75–95% of fibers using a polyclonal anti-dystrophin C-terminal antibody.
- 48-week function: mean NSAA change +1.4 points from baseline versus −0.6 in an external published natural-history registry cohort (p = 0.03 by unpaired t-test).
- Safety: transient transaminitis in 8/12 patients managed with steroid taper; one resolved myocarditis; no deaths.
- Biodistribution/persistence: AAV9 vector genomes detectable in muscle at 12 weeks at a mean of 2.3 vector genomes per nucleus.
- Eligibility: no baseline anti-AAV9 neutralizing antibodies (titer <1:400) and no exon-44 deletions.
Please pressure-test this package item by item: where would FDA or a skeptical reviewer say the evidence, as presented, fails to support our conclusion, and what additional data, analyses, or design changes would be needed to close those gaps if possible? For anything not specified, assume what is known from other clinical-grade 138 kDa micro-dystrophin programs and relevant clinical trials through December 31, 2025 also applies.
Թեկնածուի պատասխանը
Եզրակացություն. Ներկայացված տեսքով այս փաթեթը բավարար ուժեղ չէ՝ աջակցելու արագացված հաստատումը միկրո-դիստրոֆինի արտահայտման հիման վրա որպես փոխնակ վերջնակետ, որը ողջամտորեն հավանական է կանխատեսի կլինիկական օգուտ։ Սկեպտիկ FDA վերանայողը, հավանաբար, կենսամարկերի, ֆունկցիոնալ, դիմացկունության, անվտանգության և ընդհանրացվելիության ապացույցները կհամարեր էապես անբավարար աջակցված։
Փաթեթի տարր | Հիմնական ձախողման ռեժիմ | Ինչ է անհրաժեշտ |
|---|---|---|
Western blot քանակավորում | MANEX1A-ն կապում է N-ծայրային էպիտոպ, որը ընդհանուր է էնդոգեն ամբողջական դիստրոֆինի և միկրո-դիստրոֆին տրանսգենի համար, ուստի անալիզը մաքուր կերպով չի տարբերակում տրանսգենը մնացորդային/ռևերտանտ դիստրոֆինից։ 138 kDa միկրո-դիստրոֆինի քանակավորումը առողջ ամբողջական դիստրոֆինի ստանդարտի նկատմամբ նույնպես անվավեր է։ | Օգտագործեք ռեկոմբինանտ միկրո-դիստրոֆինի ստանդարտ և օրթոգոնալ մեթոդ, որը տարբերակում է տրանսգենը էնդոգեն դիստրոֆինից, օրինակ՝ թիրախավորված զանգվածային սպեկտրոմետրիա կամ տրանսգեն-սպեցիֆիկ/էպիտոպ-սպեցիֆիկ անալիզ։ |
Իմունոֆլուորեսցենցիա | C-ծայրային պոլիկլոնալ հակամարմինը վատ է համապատասխանում, քանի որ 138 kDa կոնստրուկտը չունի C-ծայրային դոմեն։ Շատ DMD հիվանդներ ունեն ռևերտանտ թելեր, իսկ ռևերտանտ դիստրոֆինը կարող է պահպանել C-ծայրային էպիտոպներ։ Ռևերտանտ թելերը կարող են տարիքի հետ կլոնալորեն ընդարձակվել՝ շեղելով IF ազդանշանը, հատկապես ավելի մեծ տղաների մոտ։ | Կրկնեք IF-ը հակամարմնով այն էպիտոպի դեմ, որը առկա է տրանսգենում, բայց բացակայում է ռևերտանտ դիստրոֆինում։ Քանակավորեք տրանսգեն-դրական թելերը ռևերտանտ թելերից առանձին։ |
Փոխնակ վերջնակետի վավերություն | Փաթեթը խառնում է սպիտակուցի քանակը կլինիկական ֆունկցիայի հետ։ «Առողջ հսկիչ սպիտակուցային զանգվածի 38%»-ը չի նշանակում նորմալ դիստրոֆինի ֆունկցիայի 38%, քանի որ միկրո-դիստրոֆինը կառուցվածքով կրճատված է։ | Էմպիրիկորեն վավերացրեք կապը միկրո-դիստրոֆինի զանգվածային տոկոսի, սարկոլեմալ տեղակայման, ներքևային ֆունկցիոնալ վերականգնման և կլինիկական օգուտի միջև՝ նախքան արտահայտումը որպես փոխնակ վերջնակետ դիտարկելը։ |
Բիոպսիայի դիզայն | Բուժումից առաջ և հետո հակակողմնային vastus lateralis բիոպսիաները ներմուծում են ձախ-աջ և ներմկանային տարածական փոփոխականություն։ Հիվանդության առաջընթացը և ֆիբրո-ճարպային փոխարինումը կարող են նաև փոխել ընդհանուր սպիտակուցով նորմալացված ազդանշանը։ | Ստանդարտացրեք բիոպսիայի տեղը՝ օգտագործելով հետևողական անատոմիական կողմնորոշիչներ, նորմալացրեք մկան-սպեցիֆիկ սպիտակուցներով և զուգահեռ չափեք ֆիբրո-ճարպային կազմը։ |
NSAA համեմատիչ/վիճակագրություն | Արտաքին բնական պատմության կոհորտը պատահականացված համաժամանակյա հսկիչ չէ։ Փորձարկման իրավասությունը, աջակցող խնամքը, մասնակցության ազդեցությունները, սկզբնական NSAA-ն, ստերոիդային ռեժիմը, տարիքը և էքսոնի դասը կարող են բոլորը շեղել համեմատությունը։ Չզույգված t-թեստը բավարար չէ։ Բացի այդ, +1.4 NSAA փոփոխությունը այս տարիքային խմբի համար թեստ-վերաթեստ փոփոխականության սահմաններում է։ | Կատարեք պատահականացված համաժամանակյա պլացեբո-վերահսկվող ուսումնասիրություն կամ առնվազն օգտագործեք ճշգրտված վերլուծություններ՝ հաշվի առնելով սկզբնական NSAA-ն, տարիքը, ստերոիդային ռեժիմը, էքսոնի դասը և այլ խառնիչ գործոններ։ |
Տարիքային պատուհանի խառնում | 4–7 տարեկան տղաները զարգացման պատուհանում են, որտեղ չբուժված քայլող DMD հիվանդները կարող են ձեռք բերել շարժողական ֆունկցիա, նախքան անկումը գերակշռի։ 48-շաբաթյա NSAA փոփոխությունը խառնում է զարգացման աճը, հիվանդության առաջընթացը և հնարավոր բուժման ազդեցությունը։ | Օգտագործեք համաժամանակյա պատահականացված հսկիչ՝ տարիքային շերտավորմամբ, որպեսզի առանձնացնեք զարգացման հետագիծը բուժման ազդեցությունից։ |
Նախորդ կլինիկական նախադեպ | Բաց պիտակով միկրո-դիստրոֆինի ֆունկցիոնալ ազդանշանները հուսալիորեն չեն կանխատեսել հաստատող օգուտը. հրապարակված նախադեպը ներառում է միկրո-դիստրոֆինի գենային թերապիայի հաստատող փորձարկումներ, որոնք չեն վերարտադրել բաց պիտակով NSAA բարելավումները։ | Մի ապավինեք բաց պիտակով NSAA փոփոխությանը որպես վճռորոշ աջակցություն։ Պահանջեք վերահսկվող ֆունկցիոնալ ապացույցներ։ |
Կոնստրուկտի կառուցվածքային սահմանափակումներ | 138 kDa կոնստրուկտը ջնջում է spectrin կրկնությունները R16/17, որոնք պարունակում են nNOS կապման տեղեր։ nNOS-ի հավաքագրման կորուստը կարող է խաթարել ֆունկցիոնալ սիմպաթոլիզը և իշեմիայից պաշտպանությունը վարժության ժամանակ՝ ստեղծելով փրկման մեխանիստական առաստաղ՝ անկախ արտահայտման մակարդակից։ | Ավելացրեք մեխանիստական ուսումնասիրություններ, որոնք ցույց են տալիս՝ արդյոք այս կոնկրետ կոնստրուկտը վերականգնում է համապատասխան դիստրոֆին-կապված համալիրի ֆունկցիան, nNOS տեղակայումը, վարժության ֆիզիոլոգիան և մկանային պաշտպանությունը։ |
AAV դիմացկունություն | Վեկտորային գենոմները 12 շաբաթում չեն հաստատում դիմացկուն արտահայտում։ AAV9 գենոմները հիմնականում ոչ ինտեգրվող էպիսոմներ են և ժամանակի ընթացքում կարող են նվազել։ Վեկտոր-գենոմի պահպանությունը նույնը չէ, ինչ սպիտակուցի կայուն արտահայտությունը։ | Չափեք տրանսգեն սպիտակուցի երկայնական արտահայտումը և ֆունկցիոնալ կենսամարկերի դիմացկունությունը 12 շաբաթից հետո։ |
Իմունային/անվտանգության պրոֆիլ | Տրանսամինիտը 8/12 հիվանդների մոտ համահունչ է AAV-տրանսդուկցված բջիջների նկատմամբ իմունային պատասխանին, բայց մեխանիզմը հաստատված չէ։ Միոկարդիտի մեկ դեպքը մտահոգիչ է՝ հաշվի առնելով AAV9-ի սրտային տրոպիզմը։ | Տրամադրեք ավելի խորը իմունային մոնիթորինգ, լյարդի/սրտի անվտանգության բնութագրում և ուժեղացված սրտային հետևում։ |
Հիվանդների ընտրություն/ընդհանրացվելիություն | Հակա-AAV9 չեզոքացնող հակամարմին-դրական հիվանդների բացառումը սահմանափակում է ընդհանրացվելիությունը։ Էքսոն-44 ջնջումներով հիվանդների բացառումը սահմանափակում է կիրառելիությունը DMD-ի այդ ենթախմբի համար։ n=12-ը չափազանց փոքր է՝ ավելի լայն DMD պոպուլյացիայում անվտանգությունն ու արդյունավետությունը բնութագրելու համար։ | Հնարավորության դեպքում ընդլայնեք իրավասությունը կամ նախապես սահմանեք շերտավորված վերլուծություններ ըստ հակամարմնային կարգավիճակի, գենոտիպի/էքսոնի դասի, տարիքի և սկզբնական ֆունկցիայի՝ նախքան արդյունքը լայն հաստատման համար օգտագործելը։ |
Կարգավորող եզրակացություն. Փաթեթը կարող է ցույց տալ կենսաբանական ակտիվություն, բայց դեռ չի հաստատում, որ չափված միկրո-դիստրոֆինի արտահայտումը հուսալի փոխնակ է, որը ողջամտորեն հավանական է կանխատեսի կլինիկական օգուտ։ Հիմնական բացերն են անալիզի սպեցիֆիկությունը, անվավեր քանակավորման ստանդարտները, ռևերտանտ թելերի հնարավոր խառնող ազդեցությունը, պատահականացված հսկիչի բացակայությունը, տարիքային NSAA խառնումը, անորոշ դիմացկունությունը և չլուծված անվտանգության/ընդհանրացվելիության խնդիրները։
Բացը փակելու համար ծրագրին պետք է վերահսկվող, տարիքով շերտավորված կլինիկական դիզայն՝ տրանսգեն-սպեցիֆիկ արտահայտման անալիզներով, օրթոգոնալ սպիտակուցային քանակավորմամբ, հյուսվածքային կազմի վերահսկումներով, երկայնական դիմացկունության տվյալներով, կրճատված կոնստրուկտի մեխանիստական ֆունկցիոնալ անալիզներով և ավելի ուժեղ անվտանգության մոնիթորինգով, հատկապես լյարդային և սրտային։
Ցուցանիշների չափանիշներ և գնահատականներ
GPT‑Rosalind‑ը դեղաքիմիայում հասնում է ոլորտի առաջատար արդյունավետության. սա ոլորտ է, որը կենտրոնացած է մոլեկուլները օգտակար դեղերի վերածելու վրա։ Մենք նախագծեցինք MedChemBench-ը՝ իրատեսական դեղաքիմիական աշխատահոսքերը արտացոլելու համար՝ գնահատելով քիմիական կառուցվածքի մուլտիմոդալ ըմբռնումը, կառուցվածք-ակտիվություն կապը (SAR), դեղի ուժգնության, թունավորության և ներծծման, բաշխման, նյութափոխանակության, արտազատման (ADME) կանխատեսումը, բազմապարամետրային առաջատար միացության օպտիմալացման որոշումների կայացումը և ռետրոսինթեզը։ GPT‑Rosalind‑ը MedChemBench-ում գերազանցում է GPT‑5.5‑ին՝ 27.5% ընդդեմ 25.1%, միաժամանակ օգտագործելով 7.2%-ով պակաս թոքեններ։
GPT‑Rosalind‑ը ցույց է տալիս ավելի լավ մուլտիմոդալ համադրում և մեխանիստական հիմնավորում դեղաքիմիայում։
GeneBench-ում՝ գենոմիկայի և քանակական կենսաբանության երկարաժամկետ, ծայրից ծայր վերլուծության մեր ագենտային գնահատման մեջ, GPT‑Rosalind‑ը օգտագործում է 31%-ով պակաս թոքեններ, քան GPT‑5.5‑ը, միաժամանակ հասնելով ավելի բարձր ճշգրտության՝ 21.6% ընդդեմ 20.4%։ GeneBench-ը գնահատում է ագենտային արդյունավետությունը երկարաժամկետ քանակական առաջադրանքներում. իրատեսական գիտական տվյալների հիման վրա կարո՞ղ է արդյոք ագենտը պլանավորել վավեր վերլուծություն, QC, մոդելավորում և ուղղումներ՝ որոշումների համար համապատասխան պատասխանների հասնելու համար։ Ներառված խնդիրները ընդգրկում են տարբեր ոլորտներ՝ ներառյալ ֆունկցիոնալ գենոմիկան, տարածական տրանսկրիպտոմիկան, պրոտեոմիկան, էպիգենոմիկան և կիրառական գենետիկան։
GPT‑Rosalind‑ը օգտագործում է 31%-ով պակաս թոքեններ, քան GPT‑5.5‑ը՝ միաժամանակ բարելավելով ճշգրտությունը։
Մենք ներկայացնում ենք նոր գնահատում՝ ստուգելու GPT‑Rosalind‑ի կարողությունը օգնելու գիտնականներին իրական աշխարհում լաբորատոր աշխատանք կատարելիս։ LabWorkBench-ը ստուգում է մոդելի կարողությունը կապելու խաթարումները փորձարարական արդյունքների հետ իրական թաց լաբորատոր արձանագրություններում, որոնք օգտագործվում են գիտնականների կողմից՝ խնդիրների լուծումից մինչև օպտիմալացում նպատակներով։ LabWorkBench-ի օգտագործած տվյալները սեփականատիրական են և հետևաբար չաղտոտված։ GPT‑Rosalind‑ը ստանում է 63.2%՝ GPT‑5.5‑ի 55.8%-ի դիմաց, միաժամանակ օգտագործելով 5.3%-ով պակաս թոքեններ։
Իրական, գործնական լաբորատոր փորձարկումների արձանագրությունների աջակցության մասով GPT‑Rosalind‑ը զգալի առաջընթաց է ցույց տալիս GPT‑5.5‑ի համեմատ՝ միաժամանակ բարելավելով թոքենների արդյունավետությունը։
Մենք ստեղծեցինք Life Sciences Research(բացվում է նոր պատուհանում) և Life Sciences NGS Analysis(բացվում է նոր պատուհանում) plugin-ները՝ GPT‑Rosalind-ի բարձրացած ինտելեկտը լրացնելու կրկնվող գիտական աշխատահոսքերի գործնական կատարման շերտով։ Միասին այս plugin-ները նույն աշխատատարածք են բերում աղբյուրավորված ապացույցների որոնումը, կենսաբանական մեկնաբանությունը և կենսաինֆորմատիկ կատարումը՝ օգնելով հետազոտողներին կապել արտաքին ապացույցները ներքին օմիքս վերլուծությունների հետ՝ պահպանելով արտեֆակտներն ու ծագումնաբանությունը։ Բոլոր օգտատերերն այժմ կարող են մուտք գործել երկու plugin-ներին Codex-ի միջոցով։ GPT‑Rosalind‑ի իրավասու ձեռնարկատիրական օգտատերերը կարող են նաև օգտագործել GPT‑Rosalind‑ը այս plugin-ները աշխատեցնելու համար։
Codex-ը որպես գիտնականների դինամիկ աշխատասեղան ավելի լավ օգտագործելու համար մենք ավելացրել ենք ինտերակտիվ դիտիչներ կենսաբանորեն բնիկ ֆայլերի տեսակների համար։ Հաջորդականության, հավասարեցման և կառուցվածքի դիտիչների սկզբնական հավաքածուն նախագծված է գիտնականներին ապացույցներին մոտ պահելու համար, մինչ GPT‑Rosalind‑ը հիմնավորում է աշխատահոսքի ընթացքում և անմիջապես պատասխանում է շարունակական հարցերին՝ օգտագործելով ակտիվ դիտիչը համատեքստում։
Վերևի ցուցադրությունը ցույց է տալիս այս կարողությունները գործողության մեջ՝ GPT‑Rosalind‑ի կազմակերպմամբ։ Մենք հետևում ենք գիտնականի, որը հետազոտում է հեղուկ ուռուցքային բիոպսիա՝ բացահայտելու մուտացիաներ և այլ մոլեկուլային փոփոխություններ, որոնք կարող են տեղեկացնել բուժումը։ Life Sciences NGS Analysis plugin-ը մշակված ctDNA գրառումների վերանայումը վերածում է ինտերակտիվ նոթատետրի՝ երևան հանելով կրկնվող փոփոխություններ, ցածր հաճախականության կանչեր և նմուշների հետագծեր, որոնք հետաքննությունը կենտրոնացնում են KRAS G12C-ի վրա։ Այնտեղից Life Sciences Research plugin-ը ավելացնում է աղբյուրավորված թիրախային, ինհիբիտորային և դիմադրության համատեքստ, իսկ բնիկ հաջորդականության, հավասարեցման և կառուցվածքի դիտիչները գիտնականին թույլ են տալիս ուղղակիորեն ուսումնասիրել մուտանտային մնացորդ 12-ը, դրա պահպանվածությունը RAS ընտանիքում և ինհիբիտորով կապված գրպանը։ Աշխատահոսքն ավարտվում է այդ ապացույցները կոնկրետ հետագա տարբերակների վերածելով, յուրաքանչյուր քայլն ու արտեֆակտը հասանելի թողնելով փորձագիտական վերանայման համար։
Life Sciences NGS Analysis plugin
scRNA-seq QC & անոտացիա
10x-ոճի մատրիցային փաթեթը վերածեք QC-ով զտված մեկբջջային արտեֆակտների, անոտացիաների և UMAP-ների, որոնք կարող եք ստուգել և վերանայել Codex-ում։ Life Sciences NGS Analysis plugin-ը հարցումը ուղղորդում է scrna-seq-qc-ին, տվյալներից ընտրում QC շեմերը, պահպանում ծագումնաբանությունը զտման և անոտացիայի շուրջ և երևան է հանում արգելափակիչներ, օրինակ՝ doublet-detection կախվածությունների բացակայությունը։
Bulk RNA-seq FASTQ QC
Bulk RNA-seq նմուշների թերթը, FASTQ փաթեթը և հղումային ֆայլերը վերածեք QC-ով վերանայված հաշվարկների փաթեթի, որը կարող եք ստուգել և կրկին օգտագործել Codex-ում։ Life Sciences NGS Analysis plugin-ը ուղղորդում է հարցումը, վավերացնում մուտքային տվյալները և վերադարձնում աուդիտի ենթակա գործարկման փաթեթ՝ MultiQC-ով, Salmon մատրիցներով, ծագումնաբանությամբ և հստակ վերապահումներով։
Մենք ընդլայնում ենք GPT‑Rosalind շարքի հասանելիությունը իրավասու կազմակերպությունների համար ամբողջ աշխարհում։ GPT‑Rosalind‑ը հասանելի կլինի հետազոտական նախադիտման ձևաչափով մեր վստահելի հասանելիության տեղակայման կառուցվածքի միջոցով այն կազմակերպությունների համար, որոնք կատարում են օրինական գիտական հետազոտություն հստակ հանրային օգուտով, ունեն ուժեղ կառավարում և անվտանգության վերահսկողություն, ինչպես նաև վերահսկվող հասանելիություն ձեռնարկատիրական մակարդակի անվտանգությամբ։
Այս գլոբալ ընդլայնման շրջանակում ուրախ ենք աջակցել Novo Nordisk-ի առաքելությանը՝ նորարարական բուժման տարբերակները հիվանդներին ավելի արագ հասցնելու՝ օգնելով GPT‑Rosalind‑ով մասշտաբավորել նրանց բժշկական հետազոտությունները։ Novo Nordisk-ը օգտագործում է առաջատար AI կարողություններ՝ օգնելու հետազոտողներին վերլուծել բարդ տվյալների հավաքածուներ, բացահայտել օգտակար օրինաչափություններ և ավելի արագ փորձարկել հիպոթեզներ։ GPT‑Rosalind‑ի ավելի ուժեղ կենսաբանական ըմբռնումը թիմերին կօգնի կապել ապացույցները գրականության, գենոմիկայի, տրանսկրիպտոմիկայի, հաջորդականության, կառուցվածքի և փորձարարական արդյունքների միջև՝ հեշտացնելով տվյալներից դեպի ավելի հստակ հետազոտական որոշումներ անցումը։
«Կենսագիտությունների հետազոտությունը բարդ է, տվյալներով հարուստ և միջդիսցիպլինար։ Հետազոտողների համար իմաստալի արժեք ապահովելու համար առաջադեմ AI մոդելները պետք է հիմնված լինեն վստահելի գիտական տվյալների վրա, կապված լինեն վավերացված գործիքների հետ և ինտեգրված լինեն այն իրական աշխատահոսքերում, որոնք հետազոտողները օգտագործում են ամեն օր։ Մենք գոհ ենք OpenAI-ի հետ մեր գործընկերությունից և այն հնարավորությունից, որ ուսումնասիրենք, թե ինչպես կարող է GPT‑Rosalind‑ը աջակցել դեղերի հայտնաբերման ավելի խիստ և գործնական մոտեցումներին»։
Միշալ Պատել, AI և թվային նորարարության խմբի փոխնախագահ, R&D - Novo Nordisk
Մենք այժմ նաև առաջարկում ենք OpenAI-ի կողմից կառավարվող աշխատատարածք իրավասու կազմակերպությունների համար, որոնք չունեն Enterprise հաշիվ։
Թարմացված GPT‑Rosalind‑ը հաջորդ քայլն է մեր ավելի լայն հանձնառության մեջ՝ ստեղծելու AI համակարգեր, որոնք կարող են օգնել արագացնել գիտական հայտնագործությունները՝ միաժամանակ ապահովելով, որ առաջադեմ կենսաբանական կարողությունները կիրառվեն համապատասխան պաշտպանիչ միջոցներով։ Մենք կշարունակենք բարելավել մոդելի կենսաբանական հիմնավորումը, ընդլայնել գործիքներով ծանրաբեռնված և երկարաժամկետ հետազոտական աշխատահոսքերի աջակցությունը և աշխատել տարբեր տարածաշրջանների իրավասու կազմակերպությունների հետ՝ իրական ազդեցությունը գնահատելու համար։
Սա նաև նշանակում է կենսագիտությունների AI-ի կիրառում մեծ ազդեցությամբ հանրօգուտ աշխատանքներում՝ դեղերի հայտնաբերումից և տրանսլյացիոն բժշկությունից մինչև հանրային առողջություն, պատրաստվածություն և կենսապաշտպանություն։ Rosalind Biodefense-ի և մեր վստահելի հասանելիության տեղակայման մոդելի միջոցով մենք նպատակ ունենք առաջատար կենսաբանական կարողությունները դնել այն հետազոտողների, հաստատությունների և պաշտպանների ձեռքում, որոնք աշխատում են մարդու առողջությունը բարելավելու և հասարակական դիմակայունությունը ուժեղացնելու համար։
Մենք կշարունակենք զարգացնել GPT‑Rosalind-ը, որպեսզի այն դառնա ավելի կարող գործընկեր գիտական հետազոտության ամբողջ կյանքի ցիկլում՝ օգնելով գիտնականներին ավելի արագ անցնել ճիշտ հարցերից դեպի ավելի հստակ ապացույցներ, ավելի լավ փորձեր և, ի վերջո, նոր բուժումներ հիվանդների համար։
