जीवन विज्ञान संशोधनासाठी GPT‑Rosalind सादर करत आहोत

आज, आम्ही GPT‑Rosalind सादर करत आहोत, जीवशास्त्र, औषध शोध आणि ट्रान्सलेशनल मेडिसिनमधील संशोधनाला समर्थन देण्यासाठी तयार केलेले आमचे अत्याधुनिक रीझनिंग मॉडेल. जीवन विज्ञानांसाठीची मॉडेल मालिका वैज्ञानिक वर्कफ्लोसाठी अनुकूलित आहे आणि रसायनशास्त्र, प्रथिन अभियांत्रिकी आणि जीनोमिक्समध्ये अधिक सखोल समजासह सुधारित साधनवापराचा संगम साधते.

सरासरी, युनायटेड स्टेट्समध्ये नवीन औषधासाठी लक्ष्य शोधापासून नियामक मंजुरीपर्यंत पोहोचण्यासाठी साधारण 10 ते 15 वर्षे लागतात. शोध प्रक्रियेच्या अगदी सुरुवातीच्या टप्प्यांवर झालेली प्रगती पुढील टप्प्यांमध्ये अधिक चांगली लक्ष्य-निवड, अधिक मजबूत जैविक गृहीतके, आणि उच्च-गुणवत्तेचे प्रयोग यांमध्ये अधिक वाढते. जीवन विज्ञानातील प्रगती केवळ मूलभूत विज्ञानाच्या कठीणतेमुळेच नव्हे, तर संशोधन कार्यप्रवाहांच्या जटिलतेमुळेही मर्यादित होते. नवीन कल्पना निर्माण आणि त्यांचे मूल्यांकन करण्यासाठी, शास्त्रज्ञांना मोठ्या प्रमाणातील साहित्यसंपदा, विशेषीकृत डेटाबेस, प्रायोगिक डेटा आणि विकसित होत असलेल्या गृहीतकांवर काम करावे लागते. हे कार्यप्रवाह अनेकदा वेळखाऊ, विखुरलेले आणि स्केल करणे कठीण असतात.

आमचा विश्वास आहे की प्रगत AI सिस्टीम्स संशोधकांना या वर्कफ्लोमधून अधिक वेगाने पुढे जाण्यास मदत करू शकतात—केवळ विद्यमान काम अधिक कार्यक्षम बनवून नव्हे, तर शास्त्रज्ञांना अधिक शक्यता एक्सप्लोर करण्यास, अन्यथा दुर्लक्षित राहू शकणारे संबंध समोर आणण्यास, आणि अधिक चांगल्या गृहीतकांपर्यंत लवकर पोहोचण्यास मदत करून. पुरावा संश्लेषण, गृहितक निर्मिती, प्रायोगिक नियोजन आणि इतर बहु-टप्प्यांच्या संशोधन कार्यांना समर्थन देऊन, हे मॉडेल संशोधकांना शोधाच्या सुरुवातीच्या टप्प्यांना गती देण्यास मदत करण्यासाठी डिझाइन केले आहे. कालांतराने, या प्रणाली जीवन विज्ञान क्षेत्रातील संस्थांना अन्यथा शक्य झाले नसते असे महत्त्वपूर्ण शोध लावण्यास, आणि तेही यशाचे प्रमाण खूप जास्त असण्यासह, मदत करू शकतात. 

GPT‑Rosalind आता ChatGPT, Codex, आणि API मध्ये पात्र ग्राहकांसाठी आमच्या trusted access program द्वारे रिसर्च प्रिव्ह्यू म्हणून उपलब्ध आहे. आम्ही Codex साठी एक मुक्तपणे उपलब्ध लाइफ सायन्सेस रिसर्च प्लगइनही सादर करत आहोत, जे शास्त्रज्ञांना मॉडेल्सना 50 हून अधिक वैज्ञानिक साधने आणि डेटा स्रोतांशी जोडण्यात मदत करते. आम्ही Amgen, Moderna, Allen Institute, Thermo Fisher Scientific आणि इतरांसारख्या ग्राहकांसोबत काम करत आहोत, जेणेकरून संशोधन आणि शोध यांना गती देणाऱ्या विविध कार्यप्रवाहांमध्ये GPT‑Rosalind लागू करता येईल.

या मॉडेलचे नाव रोझालिंड फ्रँकलिन यांच्या नावावर ठेवले आहे, ज्यांच्या कठोर संशोधनामुळे DNA ची रचना उलगडण्यास मदत झाली आणि आधुनिक आण्विक जीवशास्त्राचा पाया घातला.

GPT‑Rosalind जीवन विज्ञान मॉडेल मालिका प्रकाशित पुरावे, डेटा, साधने आणि प्रयोग यांमध्ये आधुनिक वैज्ञानिक कार्यासाठी तयार केली आहे. आमच्या मूल्यमापनांमध्ये, रेणू, प्रथिने, जनुके, प्रक्रियात्मक मार्ग आणि रोग-संबंधित जीवशास्त्र यांवर रीझनिंग आवश्यक असलेल्या कामांमध्ये ते सर्वोत्तम कार्यप्रदर्शन देते, आणि साहित्य समीक्षा, अनुक्रम-ते-कार्य व्याख्या, प्रयोग नियोजन आणि डेटा विश्लेषण यांसारख्या बहु-चरणीय कार्यप्रवाहांमध्ये वैज्ञानिक साधने आणि डेटाबेस वापरण्यात ते अधिक प्रभावी आहे.

हे आमच्या GPT‑Rosalind लाइफ सायन्सेस मॉडेल मालिकेतील पहिले रिलीज आहे आणि आम्ही दीर्घ-कालावधीच्या, साधन-केंद्रित वैज्ञानिक कार्यप्रवाहांमध्ये मॉडेलच्या जैवरासायनिक रीझनिंग क्षमतांच्या अत्याधुनिक सीमांचा विस्तार करत राहू. OpenAI ची compute infrastructure आम्हाला वास्तविक वैज्ञानिक कार्यांविरुद्ध अधिकाधिक सक्षम डोमेन मॉडेल्सचे प्रशिक्षण, मूल्यांकन आणि सुधारणा करत राहण्याची क्षमता देते—ज्यामुळे कार्यप्रवाह स्वतः अधिक जटिल होत असताना या प्रणाली अधिक उपयुक्त बनतात.

आम्ही शोधाला चालना देणाऱ्या वर्कफ्लोजमध्ये GPT‑Rosalind लागू करण्यासाठी अग्रगण्य औषधनिर्माण, जैवतंत्रज्ञान, आणि संशोधन क्षेत्रातील ग्राहकांसह, तसेच जीवन विज्ञान तंत्रज्ञान संस्थांसोबत काम करत आहोत.

आम्ही GPT‑Rosalind चे मूल्यांकन वैज्ञानिक शोध आणि उद्योग संशोधनासाठी महत्त्वपूर्ण असलेल्या विविध क्षमतांवर केले. ही मूल्यांकने वैज्ञानिक उपक्षेत्रांमधील मुख्य रीझनिंगचे मोजमाप करतात, ज्यामध्ये रासायनिक अभिक्रिया यंत्रणा, प्रथिनांची संरचना, उत्परिवर्तनांचे परिणाम आणि परस्परसंवाद, तसेच DNA अनुक्रमांचे वंशवृक्षीय अर्थलक्षण यांचा समावेश आहे. ते प्रायोगिक परिणामांचे विश्लेषण करून, तज्ञांसाठी महत्त्वाचे नमुने ओळखून आणि पुढील प्रयोगांची रचना करण्यासाठी बाह्य माहितीचे संश्लेषण करून मॉडेल्स वास्तविक संशोधन प्रक्रियेला समर्थन देऊ शकतात का, याचेही मूल्यांकन करतात. शेवटी, ते मॉडेल्स त्यांच्या रीझनिंगला बळकटी देण्यासाठी योग्य संगणकीय साधने, डेटाबेसेस आणि क्षेत्र-विशिष्ट क्षमता निवडू आणि वापरू शकतात का, याची चाचणी करतात. एकत्रितपणे, ही मूल्यांकन वैज्ञानिक संशोधनाच्या संपूर्ण प्रक्रियेत झालेली प्रगती दर्शवतात आणि संशोधकांना आव्हानात्मक शोधकार्यांवर काम करण्यात मदत करण्याची अधिक सक्षम क्षमता सूचित करतात.

आम्ही GPT‑Rosalind चे सार्वजनिक बेंचमार्क्सच्या मालिकेवर मूल्यांकन केले. वास्तविक-जगातील जैवमाहितीशास्त्र आणि डेटा विश्लेषणाभोवती डिझाइन केलेल्या BixBench या बेंचमार्कवर, GPT‑Rosalind ने प्रकाशित गुण असलेल्या मॉडेल्समध्ये आघाडीची कामगिरी केली.

LABBench2 वर, साहित्य पुनर्प्राप्ती, डेटाबेस प्रवेश, सिक्वेन्स हाताळणी आणि प्रोटोकॉल डिझाइन यांसारख्या संशोधन कार्यांच्या श्रेणीवरील कामगिरी मोजणाऱ्या बेंचमार्कमध्ये, GPT‑Rosalind ने 11 पैकी 6 कामांमध्ये GPT‑5.4 पेक्षा चांगली कामगिरी केली. सर्वात लक्षणीय सुधारणा CloningQA कडून येते, ज्यासाठी आण्विक क्लोनिंग प्रोटोकॉल्ससाठी DNA आणि एन्झाइम अभिकर्मकांचे संपूर्ण डिझाइन आवश्यक असते.

आम्ही AI-डिझाइन केलेल्या जीन थेरपीमध्ये अग्रणी असलेल्या Dyno Therapeutics या कंपनीसोबतही भागीदारी केली, जेणेकरून अप्रकाशित, दूषित नसलेल्या सिक्वेन्सेसचा वापर करून RNA सिक्वेन्स-टू-फंक्शन प्रेडिक्शन आणि जनरेशन टास्कवर मॉडेलचे मूल्यमापन करता येईल. AI-बायो क्षेत्रातील मानवी तज्ज्ञांच्या 57 ऐतिहासिक स्कोअर्सशी कामगिरीची तुलना करण्यात आली. Codex अ‍ॅपमध्ये थेट मूल्यांकन केल्यावर, दहा पैकी सर्वोत्तम मॉडेल सबमिशन्स प्रेडिक्शन कार्यात मानवी तज्ज्ञांच्या 95व्या पर्सेंटाइलपेक्षा वर आणि सीक्वेन्स जनरेशन कार्यात मानवी तज्ज्ञांच्या सुमारे 84व्या पर्सेंटाइलवर क्रमांकित झाले.

ही मूल्यांकनं शास्त्रज्ञ दररोज अवलंबून असलेल्या कार्यप्रवाहांवरील कामगिरीचा अर्थपूर्ण संकेत देतात, ज्यांच्या मदतीने ते पुरावे निर्माण करतात, जटिल डेटाचे विश्लेषण करतात आणि समर्थनीय जैविक निष्कर्षांकडे वाटचाल करतात.

शास्त्रज्ञ Codex साठी आमचे नवीन Life Sciences research plugin⁠(नवीन विंडोमध्ये उघडेल) वापरू शकतात, जे आज GitHub मध्ये उपलब्ध आहे. या पॅकेजमध्ये सर्वाधिक सामान्य संशोधन कार्यप्रवाहांसाठी मॉड्युलर कौशल्यांचा व्यापक संच समाविष्ट आहे, जो वापरकर्त्यांना मानवी आनुवंशिकी, कार्यात्मक जीनोमिक्स, प्रथिन रचना, जैवरसायनशास्त्र, क्लिनिकल पुरावे आणि सार्वजनिक अभ्यास शोध यांमध्ये काम करण्यास मदत करण्यासाठी डिझाइन केलेला आहे.

ही कौशल्ये समन्वय स्तर म्हणून काम करतात, ज्यामुळे वैज्ञानिकांना व्यापक, संदिग्ध आणि बहु-टप्प्यांच्या प्रश्नांवर अधिक प्रभावीपणे काम करण्यास मदत होते. ते 50 पेक्षा अधिक सार्वजनिक मल्टी-ओमिक्स डेटाबेस, साहित्य स्रोत आणि जीवशास्त्रीय साधनांमध्ये प्रवेश प्रदान करतात, तसेच प्रथिन संरचना शोध, अनुक्रम शोध, साहित्य पुनरावलोकन आणि सार्वजनिक डेटासेट शोध यांसारख्या सामान्य पुनरावृत्ती करता येण्याजोग्या कार्यप्रवाहांसाठी एक लवचिक प्रारंभबिंदू उपलब्ध करून देतात.

पात्र Enterprise वापरकर्ते सखोल biological रीझनिंगसाठी GPT‑Rosalind सह research workflows मध्ये या plugin चा लाभ घेऊ शकतात, तर सर्व वापरकर्ते आमच्या mainline मॉडेल्ससह plugin package वापरू शकतात.

जैविक गैरवापराविरुद्ध कणखर सुरक्षात्मक उपाय कायम ठेवत, आम्हाला या क्षमता मानवी हेल्थच्या प्रगतीसाठी सर्वोत्तम स्थितीत असलेल्या शास्त्रज्ञ आणि संशोधन संस्थांना उपलब्ध करून द्यायच्या आहेत. लाइफ सायन्सेस मॉडेल सुरुवातीला अमेरिकेतील पात्र एंटरप्राइझ ग्राहकांसाठी विश्वसनीय-प्रवेश डिप्लॉयमेंट संरचनेद्वारे लॉन्च होत आहे, ज्यामध्ये पात्रता, प्रवेश व्यवस्थापन आणि संस्थात्मक शासन यांवरील नियंत्रणे समाविष्ट आहेत. त्याच वेळी, आम्ही कनेक्टर्सचा एक संच आणि लाइफ सायन्सेस रिसर्च प्लगइन अधिक व्यापकपणे उपलब्ध करून देत आहोत, ज्यामुळे संशोधक लाइफ सायन्सेस संशोधन कार्यांसाठी आमची मुख्य मॉडेल अधिक प्रभावीपणे वापरू शकतील. 

लाइफ सायन्सेस मॉडेल वर्धित एंटरप्राइझ-ग्रेड सुरक्षा नियंत्रणांसह आणि बळकट प्रवेश व्यवस्थापनासह विकसित करण्यात आले होते, ज्यामुळे नियंत्रित संशोधन वातावरणांमध्ये व्यावसायिक वैज्ञानिक वापर सक्षम होतो. आम्ही तीन मूलभूत तत्त्वांच्या आधारे प्रवेशाचे मूल्यांकन करतो: फायद्याचा वापर, मजबूत गव्हर्नन्स आणि सुरक्षा देखरेख, तसेच एंटरप्राइझ-ग्रेड सुरक्षेसह नियंत्रित प्रवेश. व्यवहारात, याचा अर्थ असा आहे की सहभागी संस्थांनी स्पष्ट सार्वजनिक हित असलेले वैध वैज्ञानिक संशोधन करत असले पाहिजे; योग्य गव्हर्नन्स, अनुपालन आणि गैरवापर-प्रतिबंधक नियंत्रणे कायम ठेवली पाहिजेत; आणि सुरक्षित व सु-व्यवस्थापित वातावरणांमध्ये प्रवेश केवळ मंजूर वापरकर्त्यांपुरताच मर्यादित ठेवला पाहिजे. संस्थांनी जीवन विज्ञान संशोधन पूर्वावलोकन अटींनाही मान्य करणे आवश्यक आहे आणि OpenAI च्या वापराची धोरणे पाळणे आवश्यक आहे, तसेच ऑनबोर्डिंगच्या प्रक्रियेचा भाग म्हणून किंवा सततच्या सहभागाचा भाग म्हणून आम्ही अतिरिक्त माहिती मागू शकतो.

संस्था आमच्या पात्रता आणि सुरक्षा पुनरावलोकन प्रक्रियेद्वारे प्रवेश विनंती करू शकतात⁠.

रिसर्च प्रीव्ह्यूदरम्यान, या मॉडेलचा वापर केल्याने विद्यमान क्रेडिट्स किंवा टोकन खर्च होणार नाहीत—अब्यूज गार्डरेल्सच्या अधीन. कार्यक्रमाचा विस्तार होत असताना, आम्ही प्राइसिंग आणि उपलब्धतेबद्दल अधिक तपशील प्रदान करू.

लाइफ सायन्सेस मॉडेल वैज्ञानिक संस्थांना उच्च-गुणवत्तेचे काम अधिक जलद करण्यासाठी, तांत्रिक क्षमता आणि कार्यकारी नियंत्रण आवश्यक असलेल्या वातावरणांमध्ये मदत करण्यासाठी तयार केले गेले आहे. आमची समर्पित लाइफ सायन्सेस टीम—तसेच McKinsey & Company, Boston Consulting Group (BCG), आणि Bain & Company यांसह सल्लागार भागीदार—संस्थांना उच्च-प्रभावी उपयोग प्रकरणे ओळखण्यात, एंटरप्राइझ वातावरणांमध्ये मॉडेल समाकलित करण्यात, आणि मोजता येण्याजोगे परिणाम साध्य करण्यात मदत करतात. जर तुम्हाला OpenAI जीवन विज्ञान तुमच्या कामाला कसे सहाय्य करू शकते हे जाणून घ्यायचे असेल, तर तुम्ही आमच्या जीवन विज्ञान टीमशी संपर्क साधा⁠.

ही आमच्या लाइफ सायन्सेस मॉडेल मालिकेतील पहिली आवृत्ती आहे, आणि आम्ही याकडे अशा AI तयार करण्याच्या दीर्घकालीन बांधिलकीची सुरुवात म्हणून पाहतो, जी मानवी हेल्थपासून व्यापक जैविक संशोधनापर्यंत समाजासाठी महत्त्वाच्या क्षेत्रांमध्ये वैज्ञानिक शोधांना गती देऊ शकते. आम्ही मॉडेलच्या जैविक रीझनिंगमध्ये सुधारणा करत राहू, साधन-केंद्रित आणि दीर्घकालीन संशोधन कार्यप्रवाहांसाठी समर्थन वाढवू, आणि वास्तविक-जगातील परिणामांचे मूल्यांकन करण्यासाठी आघाडीच्या वैज्ञानिक संस्थांसोबत जवळून काम करत राहू. यामध्ये लॉस आलामोस नॅशनल लॅबोरेटरीसारख्या राष्ट्रीय प्रयोगशाळांसोबतच्या सतत सुरू असलेल्या भागीदाऱ्यांचा समावेश आहे, जिथे आम्ही AI-मार्गदर्शित प्रथिन आणि उत्प्रेरक डिझाइनचा शोध घेत आहोत, तसेच AI प्रणालींना महत्त्वपूर्ण कार्यात्मक गुणधर्म जतन करत किंवा सुधारत जैविक संरचनांमध्ये बदल करण्याची क्षमता याचाही समावेश आहे. 

कालांतराने, आम्हाला अपेक्षा आहे की या प्रणाली शोधप्रक्रियेतील अधिकाधिक सक्षम भागीदार बनतील—ज्यामुळे वैज्ञानिकांना प्रश्नांपासून पुराव्यापर्यंत, पुराव्यापासून अंतर्दृष्टीपर्यंत, आणि अंतर्दृष्टीपासून रुग्णांसाठी नवीन उपचारांपर्यंत अधिक वेगाने पोहोचण्यास मदत होईल.