Memperkenalkan GPT‑Rosalind untuk penyelidikan sains hayat

Hari ini, kami memperkenalkan GPT‑Rosalind, model penaakulan sempadan kami yang dibina untuk menyokong penyelidikan merentasi biologi, penemuan ubat, dan perubatan translasi. Siri model sains hayat dioptimumkan untuk aliran kerja saintifik, menggabungkan penggunaan alat yang dipertingkatkan dengan pemahaman yang lebih mendalam merentas kimia, kejuruteraan protein, dan genomik.

Secara purata, ia mengambil masa kira-kira 10 hingga 15 tahun untuk bergerak daripada penemuan sasaran kepada kelulusan kawal selia bagi ubat baharu di Amerika Syarikat. Kemajuan yang dicapai pada peringkat terawal penemuan memberikan kesan berganda pada peringkat hiliran dalam bentuk pemilihan sasaran yang lebih baik, hipotesis biologi yang lebih kukuh dan eksperimen yang berkualiti lebih tinggi. Kemajuan dalam sains hayat dibatasi bukan sahaja oleh kesukaran sains yang mendasari, tetapi juga oleh kerumitan aliran kerja penyelidikan itu sendiri. Saintis mesti bekerja merentas pustaka yang luas, pangkalan data khusus, data eksperimen, dan hipotesis yang berkembang untuk menjana dan menilai idea baharu. Aliran kerja ini sering memakan masa, terpecah-pecah, dan sukar untuk diskala.

Kami percaya sistem AI termaju dapat membantu penyelidik bergerak melalui aliran kerja ini dengan lebih pantas—bukan sahaja dengan menjadikan kerja sedia ada lebih cekap, tetapi juga dengan membantu saintis meneroka lebih banyak kemungkinan, menonjolkan hubungan yang mungkin terlepas pandang, dan merumuskan hipotesis yang lebih baik dengan lebih cepat. Dengan menyokong sintesis bukti, penjanaan hipotesis, perancangan eksperimen, dan tugas penyelidikan berbilang langkah yang lain, model ini direka untuk membantu penyelidik mempercepatkan peringkat awal penemuan. Dari semasa ke semasa, sistem ini dapat membantu organisasi sains hayat menemui penemuan baharu yang mungkin sebenarnya tidak dapat dicapai, dengan kadar kejayaan yang jauh lebih tinggi. 

GPT‑Rosalind kini tersedia sebagai pratonton penyelidikan dalam ChatGPT, Codex, dan API untuk pelanggan yang layak melalui program akses dipercayai kami. Kami juga memperkenalkan pemalam penyelidikan Sains Hayat yang boleh diakses secara percuma untuk Codex, membantu saintis menghubungkan model kepada lebih 50 alat saintifik dan sumber data. Kami bekerjasama dengan pelanggan seperti Amgen, Moderna, Allen Institute, Thermo Fisher Scientific, dan lain-lain untuk menggunakan GPT‑Rosalind merentas aliran kerja yang mempercepatkan penyelidikan dan penemuan.

Model ini dinamakan sempena Rosalind Franklin, yang penyelidikan telitinya membantu mendedahkan struktur DNA dan meletakkan asas bagi biologi molekul moden.

Siri model sains hayat GPT‑Rosalind dibina untuk kerja saintifik moden merentasi bukti yang diterbitkan, data, alat, dan eksperimen. Dalam penilaian kami, ia memberikan prestasi terbaik pada tugas yang memerlukan penaakulan tentang molekul, protein, gen, laluan, dan biologi yang relevan dengan penyakit, serta lebih berkesan dalam menggunakan alat dan pangkalan data saintifik dalam aliran kerja berbilang langkah seperti semakan pustaka, tafsiran urutan kepada fungsi, perancangan eksperimen, dan analisis data.

Ini ialah keluaran pertama dalam siri model sains hayat GPT‑Rosalind kami, dan kami akan terus memperluas sempadan keupayaan penaakulan biokimia model ini merentasi aliran kerja saintifik berjangka panjang yang banyak bergantung pada alatan. Infrastruktur pengiraan OpenAI memberi kami keupayaan untuk terus melatih, menilai dan menambah baik model domain yang semakin berkebolehan berdasarkan tugas saintifik sebenar—membantu sistem ini menjadi lebih berguna apabila aliran kerja itu sendiri menjadi semakin kompleks.

Kami sedang bekerjasama dengan pelanggan farmaseutikal, bioteknologi, dan penyelidikan terkemuka, serta organisasi teknologi sains hayat, untuk menggunakan GPT‑Rosalind merentasi aliran kerja yang memacu penemuan.

Kami menilai GPT‑Rosalind merentasi pelbagai keupayaan yang asas kepada penemuan saintifik dan penyelidikan industri. Penilaian ini mengukur penaakulan teras merentas subdomain saintifik, termasuk mekanisme reaksi kimia; struktur protein, kesan mutasi dan interaksi; serta tafsiran filogenetik bagi urutan DNA. Ia juga menilai sama ada model boleh menyokong aliran kerja penyelidikan sebenar dengan mentafsir output eksperimen, mengenal pasti corak yang relevan kepada pakar, dan mensintesiskan maklumat luaran untuk mereka bentuk eksperimen susulan. Akhir sekali, ia menguji sama ada model boleh memilih dan menggunakan alat pengiraan, pangkalan data dan keupayaan khusus domain yang betul untuk meningkatkan penaakulan mereka. Secara keseluruhan, penilaian ini menunjukkan kemajuan merentas proses hujung ke hujung penyelidikan saintifik dan mencadangkan keupayaan yang lebih kukuh untuk membantu penyelidik menangani tugas penemuan yang mencabar.

Kami menilai GPT‑Rosalind pada satu siri penanda aras umum. Pada BixBench, penanda aras yang direka bentuk berdasarkan bioinformatik dan analisis data dunia sebenar, GPT‑Rosalind mencapai prestasi terunggul dalam kalangan model dengan skor yang diterbitkan.

PaDa LABBench2, penanda aras yang mengukur prestasi dalam pelbagai tugasan penyelidikan seperti pencarian pustaka, akses pangkalan data, manipulasi jujukan dan reka bentuk protokol, GPT‑Rosalind mengatasi GPT‑5.4 dalam 6 daripada 11 tugasan. Penambahbaikan yang paling ketara datang daripada CloningQA, yang memerlukan reka bentuk hujung ke hujung bagi reagen DNA dan enzim untuk protokol pengklonan molekul.

Kami juga bekerjasama dengan Dyno Therapeutics, sebuah syarikat yang menerajui terapi gen rekaan AI, untuk menilai model pada tugas ramalan dan penjanaan jujukan RNA kepada fungsi menggunakan jujukan yang belum diterbitkan dan tidak tercemar. Prestasi dibandingkan dengan 57 skor sejarah daripada pakar manusia dalam bidang AI-bio. Apabila dinilai secara langsung dalam aplikasi Codex, serahan model terbaik daripada sepuluh berada di atas persentil ke-95 pakar manusia bagi tugas ramalan dan sekitar persentil ke-84 pakar manusia bagi tugas penjanaan jujukan.

Penilaian ini memberikan isyarat yang bermakna tentang prestasi pada jenis aliran kerja yang saintis bergantung padanya setiap hari untuk menjana bukti, menganalisis data yang kompleks, dan bergerak ke arah kesimpulan biologi yang boleh dipertahankan.

Saintis boleh menggunakan pemalam penyelidikan Sains Hayat baharu kami⁠(dibuka dalam tetingkap baru) untuk Codex, yang tersedia di GitHub hari ini. Pakej ini merangkumi set kemahiran modular yang luas untuk kebanyakan aliran kerja penyelidikan yang lazim, direka untuk membantu pengguna bekerja merentasi genetik manusia, genomik fungsian, struktur protein, biokimia, bukti klinikal dan penemuan kajian umum.

Kemahiran ini bertindak sebagai lapisan orkestrasi yang membantu saintis menyelesaikan soalan yang luas, kabur, dan berbilang langkah dengan lebih berkesan. Mereka menyediakan akses kepada lebih daripada 50 pangkalan data multi-omik awam, sumber pustaka dan alat biologi, serta menawarkan titik permulaan yang fleksibel untuk aliran kerja lazim yang boleh diulang seperti carian struktur protein, carian jujukan, semakan pustaka dan penemuan set data awam.

Pengguna Enterprise yang layak boleh memanfaatkan pemalam ini dalam aliran kerja penyelidikan dengan GPT‑Rosalind untuk penaakulan biologi yang lebih mendalam, manakala semua pengguna boleh menggunakan pakej pemalam dengan model utama kami.

Kami mahu menyediakan keupayaan ini kepada saintis dan organisasi penyelidikan yang paling bersedia untuk memajukan kesihatan manusia, sambil mengekalkan langkah perlindungan yang kukuh terhadap penyalahgunaan biologi. Model Sains Hayat sedang dilancarkan melalui struktur pelaksanaan akses dipercayai untuk pelanggan Enterprise yang layak di A.S. pada peringkat awal, dengan kawalan terhadap kelayakan, pengurusan akses dan tadbir urus organisasi. Pada masa yang sama, kami menyediakan satu set penyambung dan Pemalam Penyelidikan Sains Hayat secara lebih meluas, supaya penyelidik dapat menggunakan model arus perdana kami dengan lebih berkesan untuk tugasan penyelidikan sains hayat. 

Model Sains Hayat dibangunkan dengan kawalan keselamatan gred perusahaan yang dipertingkatkan dan pengurusan akses yang diperkukuh, membolehkan penggunaan saintifik profesional dalam persekitaran penyelidikan yang ditadbir urus. Kami menilai akses berdasarkan tiga prinsip teras: penggunaan yang bermanfaat, tadbir urus yang kukuh serta pengawasan keselamatan, dan akses terkawal dengan keselamatan tahap perusahaan. Dalam amalan, ini bermaksud organisasi yang mengambil bahagian mesti menjalankan penyelidikan saintifik yang sah dengan manfaat awam yang jelas; mengekalkan tadbir urus, pematuhan, dan kawalan pencegahan penyalahgunaan yang sesuai; serta mengehadkan akses kepada pengguna yang diluluskan dalam persekitaran yang selamat dan diurus dengan baik. Organisasi juga mesti bersetuju dengan terma pratonton penyelidikan sains hayat dan mematuhi dasar penggunaan OpenAI, dan kami mungkin akan meminta maklumat tambahan sebagai sebahagian daripada proses orientasi atau penyertaan berterusan.

Organisasi boleh memohon akses⁠ melalui proses semakan kelayakan dan keselamatan kami.

Semasa pratonton penyelidikan, penggunaan model ini tidak akan menggunakan kredit atau token sedia ada—tertakluk kepada sekatan penyalahgunaan. Kami akan berkongsi lebih banyak butiran tentang harga dan ketersediaan apabila program ini berkembang.

Model Sains Hayat dibina untuk membantu organisasi saintifik menghasilkan kerja berkualiti lebih tinggi dengan lebih pantas, dalam persekitaran yang memerlukan kedua-dua keupayaan teknikal dan kawalan operasi. Pasukan Sains Hayat khusus kami—serta rakan kongsi penasihat termasuk McKinsey & Company, Boston Consulting Group (BCG) dan Bain & Company—membantu organisasi mengenal pasti kes penggunaan berimpak tinggi, mengintegrasikan model ke dalam persekitaran perusahaan dan memacu hasil yang boleh diukur. Jika anda ingin meneroka cara OpenAI Life Sciences dapat menyokong kerja anda, anda boleh menghubungi pasukan Sains Hayat kami⁠.

Ini ialah keluaran pertama dalam siri model Sains Hayat kami, dan kami melihatnya sebagai permulaan kepada komitmen jangka panjang untuk membangunkan AI yang boleh mempercepatkan penemuan saintifik dalam bidang yang amat penting kepada masyarakat, daripada kesihatan manusia hingga penyelidikan biologi yang lebih luas. Kami akan terus menambah baik penaakulan biologi model, memperluaskan sokongan untuk aliran kerja penyelidikan yang banyak bergantung pada alat dan berjangka panjang, serta bekerjasama rapat dengan institusi saintifik terkemuka untuk menilai impak dunia sebenar. Ini termasuk kerjasama berterusan dengan makmal kebangsaan seperti Los Alamos National Laboratory, tempat kami meneroka reka bentuk protein dan pemangkin berpandukan AI, termasuk keupayaan sistem AI untuk mengubah suai struktur biologi sambil mengekalkan atau menambah baik sifat fungsi utama. 

Dari semasa ke semasa, kami menjangkakan sistem ini akan menjadi rakan kongsi yang semakin berkeupayaan dalam penemuan—membantu saintis bergerak lebih pantas daripada soalan kepada bukti, daripada bukti kepada cerapan, dan daripada cerapan kepada rawatan baharu untuk pesakit.