Memperkenalkan GPT‑Rosalind untuk penelitian ilmu hayati

Hari ini, kami memperkenalkan GPT‑Rosalind, model penalaran terdepan kami yang dibangun untuk mendukung penelitian di bidang biologi, penemuan obat, dan pengobatan translasional. Seri model ilmu hayati dioptimalkan untuk alur kerja ilmiah, menggabungkan penggunaan alat yang lebih baik dengan pemahaman yang lebih mendalam terkait kimia, rekayasa protein, dan genomika.

Rata-rata, dibutuhkan sekitar 10 hingga 15 tahun untuk beralih dari penemuan target ke persetujuan regulasi untuk obat baru di Amerika Serikat. Kemajuan yang dicapai pada tahap-tahap paling awal penemuan memberikan efek berlipat di tahap-tahap berikutnya, berupa pemilihan target yang lebih baik, hipotesis biologis yang lebih kuat, dan eksperimen dengan kualitas yang lebih tinggi. Kemajuan dalam ilmu hayati terhambat bukan hanya oleh sulitnya ilmu pengetahuan yang mendasarinya, tetapi juga oleh kompleksitas alur kerja penelitian itu sendiri. Para ilmuwan harus bekerja dengan literatur dalam jumlah besar, basis data khusus, data eksperimen, dan hipotesis yang terus berkembang untuk menghasilkan dan mengevaluasi ide-ide baru. Alur kerja ini sering kali memakan waktu, terfragmentasi, dan sulit diskalakan.

Kami percaya bahwa sistem AI canggih dapat membantu para peneliti menjalani alur kerja ini lebih cepat—bukan hanya dengan membuat pekerjaan yang sudah ada menjadi lebih efisien, tetapi juga dengan membantu para ilmuwan menjelajahi lebih banyak kemungkinan, menemukan keterkaitan yang mungkin terlewatkan, dan menghasilkan hipotesis yang lebih baik lebih cepat. Dengan mendukung sintesis bukti, pembuatan hipotesis, perencanaan eksperimen, dan tugas riset multi-langkah lainnya, model ini dirancang untuk membantu para peneliti mempercepat tahap awal penemuan. Seiring berjalannya waktu, sistem-sistem ini dapat membantu organisasi ilmu hayati menemukan terobosan yang jika tidak demikian tidak akan mungkin tercapai, dengan tingkat keberhasilan yang jauh lebih tinggi. 

GPT‑Rosalind kini tersedia sebagai pratinjau riset di ChatGPT, Codex, dan API bagi pelanggan yang memenuhi syarat melalui program akses tepercaya kami. Kami juga memperkenalkan plugin penelitian Ilmu Hayati yang dapat diakses secara gratis untuk Codex, yang membantu para ilmuwan menghubungkan model ke lebih dari 50 alat ilmiah dan sumber data. Kami bekerja sama dengan pelanggan seperti Amgen, Moderna, the Allen Institute, Thermo Fisher Scientific, dan lainnya untuk menerapkan GPT‑Rosalind di berbagai alur kerja yang mempercepat riset dan penemuan.

Nama model ini diambil dari nama Rosalind Franklin, yang penelitian ketatnya membantu mengungkap struktur DNA dan meletakkan landasan bagi biologi molekuler modern.

Seri model ilmu hayati GPT‑Rosalind dirancang untuk pekerjaan ilmiah modern yang mencakup bukti yang dipublikasikan, data, alat, dan eksperimen. Dalam evaluasi kami, model ini memberikan kinerja terbaik pada tugas-tugas yang memerlukan penalaran tentang molekul, protein, gen, jalur, dan biologi yang relevan dengan penyakit, serta lebih efektif dalam menggunakan alat dan basis data ilmiah dalam alur kerja multi-langkah seperti tinjauan literatur, interpretasi sekuen-ke-fungsi, perencanaan eksperimen, dan analisis data.

Ini adalah rilis pertama dalam seri model ilmu hayati GPT‑Rosalind kami, dan kami akan terus memperluas batas terdepan kemampuan penalaran biokimia model ini di seluruh alur kerja ilmiah jangka panjang yang sangat bergantung pada alat. Infrastruktur komputasi OpenAI memberi kami kemampuan untuk terus melatih, mengevaluasi, dan meningkatkan model domain yang semakin cakap terhadap tugas-tugas ilmiah nyata—membantu sistem ini menjadi lebih berguna seiring menjadi semakin kompleksnya alur kerja itu sendiri.

Kami bekerja sama dengan pelanggan farmasi, bioteknologi, dan riset terkemuka, serta organisasi teknologi ilmu hayati, untuk menerapkan GPT‑Rosalind di seluruh alur kerja yang mendorong penemuan.

Kami mengevaluasi GPT‑Rosalind di berbagai kemampuan yang mendasar bagi penemuan ilmiah dan penelitian industri. Evaluasi ini mengukur penalaran inti di berbagai subdomain ilmiah, termasuk mekanisme reaksi kimia; struktur protein, efek mutasi, dan interaksi; serta interpretasi filogenetik dari sekuen DNA. Evaluasi ini juga menilai apakah model dapat mendukung alur kerja penelitian nyata dengan menginterpretasikan output eksperimental, mengidentifikasi pola yang relevan bagi pakar, dan menyintesis informasi eksternal untuk merancang eksperimen lanjutan. Terakhir, evaluasi ini menguji apakah model dapat memilih dan menggunakan alat komputasional, basis data, dan kemampuan khusus domain yang tepat untuk meningkatkan penalaran mereka. Secara keseluruhan, evaluasi ini menunjukkan adanya kemajuan di seluruh proses penelitian ilmiah secara menyeluruh dan mengisyaratkan kemampuan yang lebih kuat untuk membantu peneliti mengerjakan tugas-tugas penemuan yang menantang.

Kami mengevaluasi GPT‑Rosalind pada serangkaian tolok ukur publik. Pada BixBench, tolok ukur yang dirancang berdasarkan bioinformatika dan analisis data dunia nyata, GPT‑Rosalind mencapai kinerja terdepan di antara model dengan skor yang dipublikasikan.

Pada LABBench2, tolok ukur yang mengukur kinerja pada berbagai tugas penelitian seperti penelusuran literatur, akses basis data, manipulasi sekuen, dan perancangan protokol, GPT‑Rosalind mengungguli GPT‑5.4 dalam 6 dari 11 tugas. Peningkatan yang paling menonjol berasal dari CloningQA, yang memerlukan perancangan menyeluruh reagen DNA dan enzim untuk protokol kloning molekuler.

Kami juga bermitra dengan Dyno Therapeutics, sebuah perusahaan yang memelopori terapi gen yang dirancang AI, untuk mengevaluasi model pada tugas prediksi dan generasi sekuen RNA ke fungsi menggunakan sekuen yang belum dipublikasikan dan tidak terkontaminasi. Kinerja dibandingkan dengan 57 skor historis dari ahli manusia di bidang AI-bio. Saat dievaluasi secara langsung di aplikasi Codex, submisi model "best-of-ten" menempati peringkat di atas persentil ke-95 dari para ahli manusia pada tugas prediksi, dan di sekitar persentil ke-84 dari para ahli manusia pada tugas pembuatan sekuen.

Evaluasi ini memberikan sinyal yang bermakna tentang kinerja pada jenis alur kerja yang diandalkan ilmuwan setiap hari untuk menghasilkan bukti, menganalisis data biologis yang kompleks, dan melangkah menuju kesimpulan biologis yang dapat dipertanggungjawabkan.

Ilmuwan dapat menggunakan plugin riset Ilmu Hayati⁠(terbuka di jendela baru) baru kami untuk Codex, yang tersedia hari ini di GitHub. Paket ini mencakup serangkaian keterampilan modular yang luas untuk sebagian besar alur kerja penelitian yang umum, dirancang untuk membantu pengguna bekerja di berbagai bidang, meliputi genetika manusia, genomika fungsional, struktur protein, biokimia, bukti klinis, dan penemuan studi publik.

Keahlian ini berfungsi sebagai lapisan orkestrasi yang membantu ilmuwan menangani pertanyaan yang luas, ambigu, dan melibatkan beberapa langkah dengan lebih efektif. Keahlian ini menyediakan akses ke lebih dari 50 basis data multi-omik publik, sumber literatur, dan alat biologi, serta menawarkan titik awal yang fleksibel untuk alur kerja umum yang dapat diulang seperti pencarian struktur protein, pencarian sekuen, tinjauan literatur, dan penemuan dataset publik.

Pengguna Enterprise yang memenuhi syarat dapat memanfaatkan plugin ini dalam alur kerja riset dengan GPT‑Rosalind untuk penalaran biologis yang lebih mendalam, sementara semua pengguna dapat menggunakan paket plugin dengan model utama kami.

Kami ingin kemampuan ini tersedia bagi para ilmuwan dan organisasi riset yang paling siap untuk memajukan kesehatan manusia, sembari tetap mempertahankan perlindungan yang kuat terhadap penyalahgunaan biologis. Model Ilmu Hayati diluncurkan melalui struktur penerapan akses tepercaya bagi pelanggan Enterprise yang memenuhi syarat di A.S. sebagai tahap awal, dengan kontrol terkait kelayakan, manajemen akses, dan tata kelola organisasi. Pada saat yang sama, kami juga membuat serangkaian konektor dan Plugin Riset Ilmu Hayati tersedia secara lebih luas, sehingga para peneliti dapat menggunakan model utama kami dengan lebih efektif untuk tugas riset ilmu hayati. 

Model Ilmu Hayati dikembangkan dengan kontrol keamanan tingkat perusahaan yang ditingkatkan dan manajemen akses yang diperkuat, sehingga memungkinkan penggunaan ilmiah profesional di lingkungan riset yang teratur. Kami mengevaluasi akses berdasarkan tiga prinsip inti: penggunaan yang bermanfaat, tata kelola dan pengawasan keamanan yang kuat, serta akses terkontrol dengan keamanan tingkat perusahaan. Dalam praktiknya, ini berarti organisasi yang berpartisipasi harus melakukan penelitian ilmiah yang sah dengan manfaat publik yang jelas; mempertahankan tata kelola, kepatuhan, dan kontrol pencegahan penyalahgunaan yang sesuai; serta membatasi akses hanya kepada pengguna yang disetujui di dalam lingkungan yang aman dan dikelola dengan baik. Organisasi juga harus menyetujui ketentuan pratinjau riset ilmu hayati dan mematuhi kebijakan penggunaan OpenAI, dan kami mungkin meminta informasi tambahan sebagai bagian dari proses orientasi atau partisipasi berkelanjutan.

Organisasi dapat meminta akses⁠ melalui proses peninjauan kualifikasi dan keamanan kami.

Selama pratinjau riset, penggunaan model ini tidak akan mengurangi kredit atau token yang ada—dengan pengawasan untuk mencegah penyalahgunaan. Kami akan membagikan detail selengkapnya tentang harga dan ketersediaan seiring berkembangnya program ini.

Model Ilmu Hayati dirancang untuk membantu organisasi ilmiah melakukan pekerjaan dengan kualitas yang lebih tinggi, dengan lebih cepat, di lingkungan yang memerlukan kapabilitas teknis dan kendali operasional. Tim Ilmu Hayati kami yang berdedikasi—serta mitra penasihat termasuk McKinsey & Company, Boston Consulting Group (BCG), dan Bain & Company—membantu organisasi mengidentifikasi kasus penggunaan berdampak tinggi, mengintegrasikan model ke dalam lingkungan perusahaan, dan mendorong hasil yang terukur. Jika Anda ingin mengetahui lebih lanjut mengenai cara Ilmu Hayati dari OpenAI dapat mendukung pekerjaan Anda, Anda dapat menghubungi tim Ilmu Hayati kami⁠.

Ini adalah rilis pertama dalam seri model Ilmu Hayati kami, dan kami melihatnya sebagai awal dari komitmen jangka panjang untuk mengembangkan AI yang dapat mempercepat penemuan ilmiah di bidang-bidang yang sangat penting bagi masyarakat, mulai dari kesehatan manusia hingga penelitian biologi yang lebih luas. Kami akan terus menyempurnakan penalaran biologis model, memperluas dukungan untuk alur kerja penelitian yang sarat penggunaan alat dan berjangka panjang, serta bekerja sama erat dengan lembaga-lembaga ilmiah terkemuka untuk mengevaluasi dampak di dunia nyata. Hal itu mencakup kemitraan yang sedang berlangsung dengan laboratorium nasional seperti Los Alamos National Laboratory, tempat kami mengeksplorasi desain protein dan katalis yang dibantu AI, termasuk kemampuan sistem AI untuk memodifikasi struktur biologis sambil mempertahankan atau meningkatkan sifat fungsional utama. 

Seiring berjalannya waktu, kami berharap sistem ini akan menjadi mitra penemuan yang semakin mumpuni—membantu para ilmuwan bergerak lebih cepat dari pertanyaan menjadi bukti, dari bukti menjadi wawasan, dan dari wawasan menjadi pengobatan baru bagi para pasien.