Nieuwe mogelijkheden voor GPT‑Rosalind
Meer intelligentie, verankerd in echte wetenschappelijke workflows voor de life-sciencessector.
We introduceren een nieuwe modelupdate voor onze GPT‑Rosalind-serie, speciaal ontwikkeld voor life-sciencesonderzoek op ondernemingsschaal. Deze combineert de mogelijkheden van GPT‑5.5 voor agentic programmeren en toolgebruik met sterkere modelintelligentie in kerndomeinen van geneesmiddelenonderzoek, zoals medicinale chemie en genomica, en verbetert de prestaties in bredere analyse-, ontwerp- en experimentele workflows binnen de life sciences.
Vooruitgang in de life sciences hangt af van het samenbrengen van data en bewijs over verschillende schalen en modaliteiten heen: moleculen, genen, biologische pathways en levende systemen. In onze evaluaties laat de bijgewerkte GPT‑Rosalind brede prestatieverbeteringen zien bij onderzoekstaken van biologie-experts, complexe vragen in medicinale chemie, kwantitatieve biologie en probleemoplossing in het natte lab.
GPT‑Rosalind is nu wereldwijd als onderzoeks-preview beschikbaar voor in aanmerking komende organisaties via onze implementatiestructuur met vertrouwde toegang.
Om de impact van GPT‑Rosalind in de praktijk te meten en voortdurend te verbeteren, hebben we LifeSciBench ontworpen, een benchmark die extern door experts wordt beoordeeld en gericht is op fundamentele aspecten van life-sciencesonderzoek. In tegenstelling tot bestaande benchmarks die één onderdeel van modelprestaties of een biologisch domein afzonderlijk beoordelen, kijkt LifeSciBench end-to-end naar wetenschappelijk waardevol werk met taken uit zes workflowgebieden die centraal staan in life-sciencesonderzoek: bewijsverwerking, analyse, ontwerp en optimalisatie, wetenschappelijke redenering, validatie en operaties, en vertaling en communicatie. We gebruiken deze benchmark om vooruitgang af te stemmen op de behoeften en realiteit van life-sciencesonderzoek.
GPT‑Rosalind levert topprestaties op wetenschappelijk waardevolle taken die door experts uit industrie en academische wereld zijn geïdentificeerd.
GPT‑Rosalind behaalt toonaangevende prestaties in de medicinale chemie, een vakgebied dat zich richt op het omzetten van moleculen in bruikbare geneesmiddelen. We hebben MedChemBench ontworpen om realistische workflows in medicinale chemie te weerspiegelen, met evaluatie van multimodaal begrip van chemische structuren; structuur-activiteitsrelaties (SAR); voorspelling van geneesmiddelpotentie, toxiciteit en absorptie, distributie, metabolisme en excretie (ADME); multiparameterbesluitvorming voor lead-optimalisatie; en retrosynthese. GPT‑Rosalind presteert beter dan GPT‑5.5 op MedChemBench, met 27,5% tegenover 25,1%, terwijl het 7,2% minder tokens gebruikt.
GPT‑Rosalind laat betere multimodale synthese en mechanistische redenering zien in de medicinale chemie.
Op GeneBench, onze agentic evaluatie voor end-to-endanalyse over een lange horizon in genomica en kwantitatieve biologie, gebruikt GPT‑Rosalind 31% minder tokens dan GPT‑5.5 en behaalt het een hogere nauwkeurigheid van 21,6% tegenover 20,4%. GeneBench beoordeelt agentic prestaties op kwantitatieve taken met een lange horizon: kan een agent, op basis van realistische wetenschappelijke data, geldige analyse, QC, modellering en correcties plannen om tot besluitrelevante antwoorden te komen? De opgenomen problemen bestrijken uiteenlopende domeinen, waaronder functionele genomica, ruimtelijke transcriptomica, proteomica, epigenomica en toegepaste genetica.
GPT‑Rosalind gebruikt 31% minder tokens dan GPT‑5.5 en verbetert tegelijk de nauwkeurigheid.
We introduceren een nieuwe evaluatie om te testen hoe goed GPT‑Rosalind wetenschappers kan helpen die in de praktijk labwerk uitvoeren. LabWorkBench test het vermogen van het model om verstoringen te koppelen aan experimentele uitkomsten in echte natte-labprotocollen die door wetenschappers worden gebruikt, voor doelen van probleemoplossing tot optimalisatie. De data die LabWorkBench gebruikt zijn bedrijfseigen en daarom niet door trainingsdata gecontamineerd. GPT‑Rosalind scoort 63,2% tegenover 55,8% voor GPT‑5.5, terwijl het 5,3% minder tokens gebruikt.
Bij hulp met echte natte-labprotocollen laat GPT‑Rosalind aanzienlijke verbeteringen zien ten opzichte van GPT‑5.5, met een betere tokenefficiëntie.
We hebben de plug-ins Life Sciences Research(opent in een nieuw venster) en Life Sciences NGS Analysis(opent in een nieuw venster) gebouwd om de toegenomen intelligentie van GPT‑Rosalind uit te breiden met een praktische uitvoeringslaag voor herhaalbare wetenschappelijke workflows. Samen brengen deze plug-ins bewijsopvraging met bronnen, biologische interpretatie en bio-informatische uitvoering samen in dezelfde werkruimte, zodat onderzoekers extern bewijs kunnen verbinden met interne omics-analyses en tegelijk artefacten en herkomst behouden. Alle gebruikers hebben nu via Codex toegang tot beide plug-ins. Gekwalificeerde enterprisegebruikers van GPT‑Rosalind kunnen daarnaast GPT‑Rosalind gebruiken om deze plug-ins aan te sturen.
Om Codex beter te benutten als dynamische werkbank voor wetenschappers, hebben we interactieve viewers toegevoegd voor biologisch native bestandstypen. De eerste reeks sequence-, alignment- en structure-viewers is ontworpen om wetenschappers dicht bij het bewijs te houden terwijl GPT‑Rosalind door een workflow redeneert en vervolgvragen rechtstreeks beantwoordt met de actieve viewer in context.
De demo hierboven toont deze mogelijkheden in actie, georkestreerd door GPT‑Rosalind. We volgen een wetenschapper die een liquid biopsy van een tumor onderzoekt om mutaties en andere moleculaire veranderingen te identificeren die richting kunnen geven aan de behandeling. De Life Sciences NGS Analysis-plug-in zet een review van verwerkte ctDNA-gegevens om in een interactief notebook en brengt terugkerende afwijkingen, laagfrequente calls en monstertrajecten naar voren, waardoor het onderzoek zich richt op KRAS G12C. Vervolgens voegt de Life Sciences Research-plug-in brongebonden context over target, remmers en resistentie toe, terwijl de native sequence-, alignment- en structure-viewers de wetenschapper in staat stellen mutant residu 12, de conservering ervan binnen de RAS-familie en de remmergebonden pocket direct te inspecteren. De workflow eindigt met het vertalen van dat bewijs naar concrete vervolgopties, waarbij elke stap en elk artefact beschikbaar is voor expertbeoordeling.
Life Sciences NGS Analysis-plug-in
scRNA-seq-QC & annotatie
Zet een matrixbundel in 10x-stijl om in QC-gefilterde single-cell-artefacten, annotaties en UMAPs die je in Codex kunt inspecteren en herzien. De Life Sciences NGS Analysis-plug-in routeert de aanvraag naar scrna-seq-qc, kiest QC-drempels op basis van de data, behoudt herkomst rond filtering en annotatie, en toont blokkades zoals ontbrekende afhankelijkheden voor doublet-detectie.
Bulk RNA-seq FASTQ-QC
Zet een bulk RNA-seq-samplesheet, FASTQ-bundel en referentiebestanden om in een door QC beoordeelde countsbundel die je in Codex kunt inspecteren en hergebruiken. De Life Sciences NGS Analysis-plug-in routeert de aanvraag, valideert de invoer en retourneert een auditbare run-envelop met MultiQC, Salmon-matrices, herkomst en expliciete kanttekeningen.
We breiden de toegang tot de GPT‑Rosalind-serie wereldwijd uit naar in aanmerking komende organisaties. GPT‑Rosalind komt als onderzoeks-preview beschikbaar via onze implementatiestructuur met vertrouwde toegang voor organisaties die legitiem wetenschappelijk onderzoek uitvoeren met duidelijk publiek nut, beschikken over sterke governance, stevig veiligheidstoezicht en gecontroleerde toegang met beveiliging op enterpriseniveau.
Als onderdeel van deze wereldwijde uitbreiding ondersteunen we graag de missie van Novo Nordisk om innovatieve behandelopties sneller bij patiënten te brengen door hun medisch onderzoek met GPT‑Rosalind op te schalen. Novo Nordisk benut frontier-AI-mogelijkheden om onderzoekers te helpen complexe datasets te analyseren, nuttige patronen te ontdekken en hypothesen sneller te testen. Het sterkere biologische begrip van GPT‑Rosalind helpt teams bewijs te verbinden uit literatuur, genomica, transcriptomica, sequenties, structuren en experimentele resultaten, waardoor het makkelijker wordt om van data naar duidelijkere onderzoeksbeslissingen te gaan.
'Life-sciencesonderzoek is complex, datarijk en interdisciplinair. Om betekenisvolle waarde voor onderzoekers te leveren, moeten geavanceerde AI-modellen verankerd zijn in vertrouwde wetenschappelijke data, verbonden zijn met gevalideerde tools en geïntegreerd zijn in de praktische workflows die onderzoekers dagelijks gebruiken. We zijn blij met onze samenwerking met OpenAI en de kans om te verkennen hoe GPT‑Rosalind strengere, praktische benaderingen van geneesmiddelenontdekking kan ondersteunen.'
Mishal Patel, Group Vice President, AI & Digital Innovation, R&D, Novo Nordisk
We bieden nu ook een door OpenAI beheerde werkruimte aan voor gekwalificeerde organisaties zonder Enterprise-account.
De bijgewerkte GPT‑Rosalind is de volgende stap in onze bredere inzet om AI-systemen te bouwen die wetenschappelijke ontdekkingen kunnen versnellen, terwijl geavanceerde biologische capaciteiten met passende waarborgen worden ingezet. We blijven de biologische redenering van het model verbeteren, ondersteuning uitbreiden voor tool-intensieve en langlopende onderzoeksworkflows, en samenwerken met gekwalificeerde organisaties in verschillende regio’s om de impact in de praktijk te evalueren.
Dit betekent ook dat AI voor life sciences wordt toegepast op werk met grote publieke impact, van geneesmiddelenontdekking en translationele geneeskunde tot volksgezondheid, paraatheid en biologische verdediging. Via Rosalind Biodefense en ons implementatiemodel met vertrouwde toegang willen we frontier-biologische capaciteiten in handen geven van de onderzoekers, instellingen en verdedigers die werken aan betere menselijke gezondheid en sterkere maatschappelijke veerkracht.
We blijven GPT‑Rosalind uitbouwen tot een capabelere partner in de volledige levenscyclus van wetenschappelijk onderzoek, zodat wetenschappers sneller van de juiste vragen naar duidelijker bewijs, betere experimenten en uiteindelijk nieuwe behandelingen voor patiënten kunnen gaan.
