Wprowadzamy nowe możliwości do GPT‑Rosalind
Bardziej zaawansowane rozwiązania oparte na rzeczywistych przepływach pracy naukowej dla branży nauk przyrodniczych.
Wprowadzamy nową aktualizację modelu GPT‑Rosalind, stworzonego specjalnie do badań z zakresu nauk przyrodniczych na skalę przedsiębiorstwa. Łączy on możliwości kodowania agentowego i korzystania z narzędzi znane z GPT‑5.5 z wyższą inteligencją modelu w kluczowych domenach odkrywania leków, takich jak chemia medyczna i genomika, jednocześnie zwiększając wydajność w szerszym spektrum analiz, projektowaniu badań i eksperymentalnych procesów badawczych.
Postęp w naukach przyrodniczych zależy od zdolności do integrowania danych i dowodów w różnych skalach i modalnościach – od cząsteczek, genów i szlaków biologicznych po całe żywe organizmy. W naszych ewaluacjach zaktualizowany model GPT‑Rosalind wykazuje szeroką poprawę wydajności w zadaniach badawczych opracowanych przez ekspertów biologii, złożonych zagadnieniach z chemii medycznej, biologii ilościowej i rozwiązywaniu problemów związanych z pracą laboratoryjną (wet lab).
GPT‑Rosalind jest teraz dostępny w wersji Research Preview dla uprawnionych organizacji na całym świecie w ramach naszej struktury wdrożeniowej opartej na zaufanym dostępie.
Aby mierzyć rzeczywisty wpływ GPT‑Rosalind na badania naukowe oraz stale go doskonalić, zaprojektowaliśmy LifeSciBench — benchmark oceniany zewnętrznie przez ekspertów, skupiony na podstawowych aspektach badań w naukach przyrodniczych. W przeciwieństwie do istniejących benchmarków, które oceniają pojedynczy komponent wydajności modelu lub izolowaną dziedzinę biologii, LifeSciBench przyjmuje całościowe, kompleksowe spojrzenie na pracę o rzeczywistej wartości naukowej. Zadania w benchmarku pochodzą z sześciu kluczowych obszarów procesu badawczego w naukach biologicznych: zarządzania i interpretacji dowodów naukowych, analizy, projektowania i optymalizacji, rozumowania naukowego, walidacji i operacji badawczych oraz translacji i komunikacji. Wykorzystujemy ten punkt odniesienia, żeby dostosować postępy do potrzeb i realiów badań.
GPT‑Rosalind osiąga najlepsze wyniki w zadaniach naukowych wskazanych przez ekspertów branżowych i akademickich.
Ekstrakcja, porządkowanie i weryfikacja dowodów naukowych z artykułów, rycin, tabel i zapisów eksperymentalnych.
Przykładowa ocena
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.
Odpowiedź kandydata
Wniosek końcowy: w obecnej formie pakiet nie jest wystarczająco silny, aby uzasadnić przyspieszoną rejestrację opartą na ekspresji mikro-dystrofiny jako zastępczego punktu końcowego, który w sposób uzasadniony przewiduje korzyść kliniczną. Sceptyczny recenzent FDA prawdopodobnie uznałby dowody dotyczące biomarkerów, funkcjonalności, trwałości, bezpieczeństwa i możliwości uogólnienia są zdecydowanie niewystarczające.
Element pakietu | Tryb niepowodzenia | Co byłoby potrzebne |
|---|---|---|
Kwantyfikacja metodą western blot | MANEX1A wiąże N-terminalny epitop wspólny dla endogennej pełnej dystrofiny i transgenu mikro-dystrofiny, więc test nie odróżnia jednoznacznie transgenu od resztkowej/rewersyjnej dystrofiny. Kwantyfikacja mikro-dystrofiny 138 kDa względem standardu pełnej dystrofiny u zdrowej kontroli jest nieprawidłowa metodologicznie. | Rekombinowany standard mikro-dystrofiny oraz metoda ortogonalna odróżniająca transgen od dystrofiny endogennej, np. ukierunkowana spektrometria mas lub test swoisty dla transgenu/epitopu. |
Immunofluorescencja | Przeciwciało C-terminalne (poliklonalne) jest nieadekwatne, ponieważ konstrukcja 138 kDa nie zawiera domeny C-terminalnej. U wielu pacjentów z DMD występują włókna rewersyjne, które mogą zachowywać epitopy C-terminalne. Włókna te mogą klonalnie się rozszerzać z wiekiem, co może zawyżać sygnał IF, szczególnie u starszych chłopców. | Powtórzenie IF z przeciwciałem rozpoznającym epitop obecny w transgenie, ale nieobecny w dystrofinie rewersyjnej. Oddzielna kwantyfikacja włókien dodatnich dla transgenu i włókien rewersyjnych. |
Ważność zastępczego punktu końcowego | Pakiet miesza ilość białka z funkcją kliniczną. „38% masy białka zdrowej kontroli” nie oznacza 38% prawidłowej funkcji dystrofiny, ponieważ mikro-dystrofina jest strukturalnie skrócona. | Należy empirycznie sprawdzić zależność między procentową ilością mikro-dystrofiny, jej lokalizacją w sarkolemie, stopniem przywrócenia funkcji oraz rzeczywistą korzyścią kliniczną, zanim ekspresja zostanie uznana za wiarygodny zastępczy punkt końcowy. |
Projekt biopsji | Pobrane przed i po leczeniu próbki z mięśnia szerokiego bocznego po przeciwnej stronie wprowadzają zmienność przestrzenną między lewą a prawą stroną oraz wewnątrzmięśniową. Postęp choroby i zastąpienie tkanki tłuszczowo-włóknistej mogą również wpływać na sygnał znormalizowany względem całkowitej zawartości białka. | Należy ustandaryzować miejsce biopsji przy użyciu spójnych punktów anatomicznych, normalizować wyniki względem białek swoistych dla mięśnia i równolegle mierzyć skład tkanki włóknisto-tłuszczowej. |
Komparator NSAA / analiza statystyczna | Zewnętrzna kohorta historii naturalnej nie jest randomizowaną kontrolą równoczesną. Kwalifikacja do badania, opieka wspomagająca, efekty uczestnictwa, wyjściowy NSAA, schemat steroidoterapii, wiek i klasa eksonów mogą zniekształcać porównanie. Niesparowany test t nie jest wystarczający. Ponadto zmiana NSAA +1,4 mieści się w granicach zmienności między pomiarami dla danej grupy wiekowej. | Należy przeprowadzić randomizowane badanie z równoczesną grupą placebo lub przynajmniej zastosować analizy skorygowane o wyjściowy wynik NSAA, wiek, schemat steroidoterapii, klasę eksonów i inne czynniki zakłócające. |
Wpływ przedziału wiekowego | Chłopcy w wieku 4–7 lat są w oknie rozwojowym, w którym nieleczeni pacjenci z DMD mogą początkowo wykazywać poprawę funkcji ruchowych, zanim zacznie dominować pogorszenie. 48-tygodniowa zmiana NSAA odzwierciedla jednocześnie rozwój dziecka, progresję choroby i potencjalny efekt leczenia. | Aby oddzielić naturalną trajektorię rozwoju od efektu terapeutycznego, należy zastosować równoczesną randomizowaną grupę kontrolną ze stratyfikacją według wieku. |
Precedens kliniczny | Funkcjonalne sygnały skuteczności obserwowane w otwartych badaniach mikro-dystrofiny nie zawsze przekładały się na potwierdzenie korzyści w badaniach potwierdzających. Istnieją opublikowane przykłady terapii genowych opartych na mikro-dystrofinie, w których badania potwierdzające nie odtworzyły poprawy NSAA obserwowanej w badaniach otwartych. | Nie należy traktować zmian NSAA w badaniach otwartych jako rozstrzygającego dowodu skuteczności. Konieczne są kontrolowane dane funkcjonalne. |
Ograniczenia strukturalne konstruktu | Konstrukt o masie 138 kDa nie zawiera powtórzeń spektrynowych R16/17, które obejmują miejsca wiązania nNOS. Utrata rekrutacji nNOS może upośledzać funkcjonalną sympatolizę i ochronę przed niedokrwieniem podczas wysiłku, tworząc mechanistyczne ograniczenie skuteczności niezależne od poziomu ekspresji. | Należy przeprowadzić badania mechanistyczne wykazujące, czy ten konkretny konstrukt odtwarza właściwą funkcję kompleksu dystrofinowego, lokalizację nNOS, fizjologię wysiłku i ochronę mięśni. |
Trwałość AAV | Obecność genomów wektora po 12 tygodniach nie dowodzi trwałej ekspresji. Genomy AAV9 są głównie nieintegrującymi episomami i mogą z czasem zanikać. Utrzymywanie się genomu wektora to nie to samo co trwała ekspresja białka. | Należy ocenić długoterminową ekspresję transgenu oraz trwałość biomarkerów funkcjonalnych w okresie dłuższym niż 12 tygodni. |
Profil immunologiczny i bezpieczeństwo | Podwyższenie aktywności aminotransferaz u 8 z 12 pacjentów jest zgodne z odpowiedzią immunologiczną na komórki transdukowane AAV, jednak mechanizm tego zjawiska nie został potwierdzony. Przypadek zapalenia mięśnia sercowego budzi szczególne obawy ze względu na tropizm sercowy AAV9. | Należy przedstawić bardziej szczegółową ocenę odpowiedzi immunologicznej, dokładniejszą charakterystykę bezpieczeństwa wątroby i serca oraz rozszerzony program monitorowania kardiologicznego. |
Dobór pacjentów / możliwość uogólnienia wyników | Wykluczenie pacjentów z przeciwciałami neutralizującymi przeciwko AAV9 ogranicza możliwość uogólnienia wyników. Wykluczenie delecji eksonu 44 ogranicza zastosowanie do tej podgrupy chorych na DMD. Liczebność próby (n=12) jest zbyt mała, aby wiarygodnie ocenić bezpieczeństwo i skuteczność w szerszej populacji pacjentów z DMD. | W miarę możliwości należy poszerzyć kryteria kwalifikacji albo wstępnie określić analizy stratyfikowane według statusu przeciwciał, genotypu/klasy eksonów, wieku i wyjściowej sprawności funkcjonalnej przed wykorzystaniem wyników jako podstawy do szerokiej rejestracji. |
Wniosek regulacyjny: Pakiet może wykazywać aktywność biologiczną, ale nie dowodzi jeszcze, że zmierzona ekspresja mikro-dystrofiny jest wiarygodnym punktem końcowym zastępczym, który z uzasadnionym prawdopodobieństwem przewiduje korzyść kliniczną. Główne luki to niewystarczająca swoistość testu, nieprawidłowe standardy kwantyfikacji, możliwy wpływ włókien rewersyjnych, brak randomizowanej kontroli, wpływ wieku na wyniki NSAA, niepewna trwałość efektu oraz nierozwiązane kwestie bezpieczeństwa i możliwości uogólnienia wyników.
Aby je usunąć, program wymaga kontrolowanego badania klinicznego ze stratyfikacją według wieku, metod pomiaru ekspresji specyficznych dla transgenu, ortogonalnej kwantyfikacji białka, kontroli składu tkankowego, długoterminowych danych dotyczących trwałości efektu, funkcjonalnych badań mechanistycznych dla skróconego konstruktu oraz bardziej rozbudowanego monitorowania bezpieczeństwa, szczególnie w zakresie wątroby i serca.
Kryteria i oceny dla rubryk
GPT‑Rosalind osiąga wiodącą w branży wydajność w chemii medycznej, dziedzinie koncentrującej się na przekształcaniu cząsteczek w użyteczne leki. Zaprojektowaliśmy MedChemBench tak, aby odzwierciedlał realistyczne przepływy pracy w chemii medycznej, oceniając multimodalne rozumienie struktur chemicznych, zależność struktura–aktywność (SAR), przewidywanie siły działania leku, toksyczności oraz wchłaniania, dystrybucji, metabolizmu i wydalania (ADME), wieloparametrowe podejmowanie decyzji w optymalizacji związków wiodących oraz retrosyntezę. W benchmarku MedChemBench model GPT‑Rosalind przewyższa GPT‑5.5, uzyskując wynik 27,5% wobec 25,1%, przy użyciu o 7,2% mniejszej liczby tokenów.
GPT‑Rosalind wykazuje lepszą syntezę multimodalną i bardziej zaawansowane rozumowanie mechanistyczne w chemii medycznej.
W benchmarku GeneBench, stanowiącym agentową ocenę długoterminowych, kompleksowych analiz z zakresu genomiki i biologii ilościowej, GPT‑Rosalind wykorzystuje o 31% mniej tokenów niż GPT‑5.5, osiągając wyższą dokładność: 21,6% wobec 20,4%. GeneBench ocenia wydajność agentową w zadaniach o długim horyzoncie analitycznym. Sprawdza, czy na podstawie realistycznych danych naukowych agent potrafi zaplanować poprawną analizę, kontrolę jakości, modelowanie i korekty, aby dojść do odpowiedzi istotnych decyzyjnie? Uwzględnione zadania obejmują różne obszary, w tym genomikę funkcjonalną, transkryptomikę przestrzenną, proteomikę, epigenomikę i genetykę stosowaną.
GPT‑Rosalind wykorzystuje o 31% mniej tokenów niż GPT‑5.5, jednocześnie poprawiając dokładność.
Przedstawiamy nowy test, który ma sprawdzić, jak GPT‑Rosalind może pomóc naukowcom w codziennej pracy laboratoryjnej. LabWorkBench testuje zdolność modelu do łączenia zakłóceń eksperymentalnych z wynikami w rzeczywistych protokołach laboratoryjnych używanych przez naukowców zarówno do rozwiązywania problemów eksperymentalnych, jak i optymalizacji procedur. Dane używane przez LabWorkBench są zastrzeżone, a więc nie są obciążone ryzykiem kontaminacji. GPT‑Rosalind uzyskuje wynik 63,2% wobec 55,8% w przypadku GPT‑5.5, wykorzystując o 5,3% mniej tokenów.
W zakresie praktycznego wsparcia dotyczącego protokołów laboratoryjnych (wet lab), GPT‑Rosalind wykazuje istotnie lepsze wyniki niż GPT‑5.5, przy jednoczesnej poprawie efektywności wykorzystania tokenów.
Opracowaliśmy wtyczki Life Sciences Research(otwiera nowe okno) i Life Sciences NGS Analysis(otwiera nowe okno), aby rozszerzyć zaawansowane możliwości modelu GPT‑Rosalind o praktyczną warstwę wykonawczą dla powtarzalnych procesów badawczych. Razem te wtyczki integrują pozyskiwanie dowodów ze źródeł, interpretację biologiczną i wykonywanie analiz bioinformatycznych w jednym środowisku pracy. Dzięki temu badacze mogą łatwiej łączyć dowody zewnętrzne z wewnętrznymi analizami danych omicznych przy zachowaniu pełnej ścieżki pochodzenia danych oraz artefaktów analitycznych. Wszyscy użytkownicy mogą teraz uzyskać dostęp do obu wtyczek za pośrednictwem Codex. Uprawnieni użytkownicy korporacyjni GPT‑Rosalind mogą dodatkowo używać GPT‑Rosalind jako silnik obsługujący działanie tych wtyczek.
Aby lepiej wykorzystać Codex jako dynamiczny warsztat dla naukowców, dodaliśmy interaktywne przeglądarki dla biologicznie natywnych formatów plików. Początkowy zestaw przeglądarek sekwencji, dopasowań i struktur zaprojektowano tak, by naukowcy pozostawali blisko danych źródłowych, gdy GPT‑Rosalind rozumuje w całym przepływie pracy, oraz by bezpośrednio odpowiadać na pytania uzupełniające z użyciem aktualnie otwartego widoku.
Powyższa demonstracja pokazuje te możliwości w praktyce, koordynowane przez GPT‑Rosalind. Śledzimy naukowca badającego płynną biopsję guza, aby zidentyfikować mutacje i inne zmiany molekularne, które mogą mieć znaczenie terapeutyczne. Wtyczka Life Sciences NGS Analysis przekształca przegląd przetworzonych zapisów ctDNA w interaktywny notatnik, wydobywając powtarzające się zmiany, wywołania o niskiej częstości i trajektorie próbek, co zawęża analizę do mutacji KRAS G12C. Następnie wtyczka Life Sciences Research dostarcza kontekst oparty na źródłach dotyczących celów molekularnych, inhibitorów i mechanizmów oporności, a natywne przeglądarki sekwencji, dopasowań i struktur umożliwiają bezpośrednią analizę zmutowanego aminokwasu 12, jego konserwacji w rodzinie RAS oraz kieszeni wiążącej inhibitor. Proces kończy się przełożeniem tych danych na konkretne opcje dalszych działań, przy czym każdy krok i artefakt są dostępne do oceny eksperckiej.
Wtyczka Life Sciences NGS Analysis
Kontrola jakości i adnotacja danych scRNA-seq
Przekształć pakiet macierzy w formacie 10x w artefakty jednokomórkowe po kontroli jakości, adnotacje i mapy UMAP, które można przeglądać i modyfikować w Codex. Wtyczka Life Sciences NGS Analysis kieruje żądanie do scrna-seq-qc, dobiera progi kontroli jakości na podstawie danych, zachowuje pełną informację o pochodzeniu danych dotyczącą filtrowania i anotacji oraz zgłasza potencjalne problemy, takie jak brakujące zależności do wykrywania dubletów.
Kontrola jakości FASTQ z danych bulk RNA-seq
Przekształć zbiorczy arkusz próbek RNA-seq, pakiet FASTQ i pliki referencyjne w zestaw danych z kontrolą jakości, który możesz sprawdzać i ponownie wykorzystywać w Codex. Wtyczka Life Sciences NGS Analysis kieruje żądanie, waliduje dane wejściowe i zwraca audytowalny pakiet wynikowy z MultiQC, macierzami Salmon, pochodzeniem danych i wyraźnymi zastrzeżeniami.
Rozszerzamy dostęp do serii GPT‑Rosalind dla kwalifikujących się organizacji na całym świecie. GPT‑Rosalind będzie dostępny w wersji Research Preview poprzez nasz model zaufanego dostępu dla organizacji prowadzących rzetelne badania naukowe o wyraźnych korzyściach społecznych, posiadających odpowiednie mechanizmy nadzoru i bezpieczeństwa oraz kontrolę dostępu opartą na zabezpieczeniach klasy korporacyjnej.
W ramach tej globalnej ekspansji cieszymy się, że możemy wspierać misję Novo Nordisk polegającą na szybszym dostarczaniu pacjentom innowacyjnych opcji leczenia przez pomoc w skalowaniu ich badań medycznych z wykorzystaniem GPT‑Rosalind. Novo Nordisk wykorzystuje najnowocześniejsze możliwości AI, aby pomagać badaczom analizować złożone zbiory danych, odkrywać użyteczne wzorce i szybciej weryfikować hipotezy. Dzięki lepszemu rozumieniu biologii GPT‑Rosalind pomoże zespołom łączyć dowody z literatury naukowej, genomiki, transkryptomiki, analiz sekwencji i struktur oraz wyników eksperymentalnych, ułatwiając przejście od danych do trafniejszych decyzji badawczych.
„Badania w naukach biologicznych są złożone, bogate w dane i interdyscyplinarne. Aby dostarczać badaczom realną wartość, zaawansowane modele AI muszą być oparte na zaufanych danych naukowych, połączone ze zwalidowanymi narzędziami i zintegrowane z rzeczywistymi przepływami pracy, których badacze używają każdego dnia. Cieszymy się z partnerstwa z OpenAI i możliwości zbadania, jak GPT‑Rosalind może wspierać bardziej rygorystyczne i praktyczne podejścia do odkrywania leków”.
Mishal Patel, Group Vice President, AI & Digital Innovation, R&D – Novo Nordisk
Oferujemy też teraz przestrzeń roboczą zarządzaną przez OpenAI dla kwalifikujących się organizacji bez konta Enterprise.
Zaktualizowany GPT‑Rosalind to kolejny krok w naszym szerszym zobowiązaniu do budowania systemów AI, które mogą pomóc przyspieszać odkrycia naukowe przy jednoczesnym zapewnieniu odpowiednich zabezpieczeń dla zaawansowanych zastosowań biologicznych. Będziemy nadal ulepszać zdolności modelu w zakresie rozumowania biologicznego, rozszerzać wsparcie dla złożonych i długoterminowych procesów badawczych oraz współpracować z uprawnionymi organizacjami na całym świecie w celu oceny rzeczywistego wpływu tych rozwiązań.
Oznacza to także stosowanie AI dla nauk biologicznych do działań o dużym znaczeniu społecznym — od odkrywania leków i medycyny translacyjnej po zdrowie publiczne, gotowość i ochronę biologiczną. Poprzez Rosalind Biodefense i nasz model zaufanego dostępu chcemy udostępniać zaawansowane możliwości biologiczne badaczom, instytucjom i organizacjom odpowiedzialnym za ochronę zdrowia ludzi oraz wzmacnianie odporności społeczeństwa.
Będziemy nadal rozwijać GPT‑Rosalind, aby stał się jeszcze skuteczniejszym partnerem na każdym etapie procesu badawczego, pomagając naukowcom szybciej przechodzić od właściwych pytań do jaśniejszych dowodów, lepiej zaprojektowanych eksperymentów i wreszcie nowych terapii dla pacjentów.
