เพิ่มศักยภาพใหม่ให้กับ GPT‑Rosalind
ยกระดับความชาญฉลาดของ AI โดยอิงกับเวิร์กโฟลว์ทางวิทยาศาสตร์ที่ใช้งานจริงในอุตสาหกรรมวิทยาศาสตร์ชีวภาพ
เรากำลังเปิดตัวการอัปเดตโมเดลใหม่สำหรับซีรีส์ GPT‑Rosalind ของเรา ซึ่งออกแบบมาโดยเฉพาะสำหรับการวิจัยด้านวิทยาศาสตร์ชีวภาพระดับองค์กร ผสานความสามารถของ GPT‑5.5 ในด้านการเขียนโค้ดแบบเอเจนต์และการใช้เครื่องมือ พร้อมความชาญฉลาดของโมเดลที่แข็งแกร่งยิ่งขึ้นในสาขาหลักของการค้นพบยา เช่น เคมีทางยาและจีโนมิกส์ พร้อมทั้งยกระดับประสิทธิภาพการวิเคราะห์ การออกแบบ และขั้นตอนการทดลองในสาขาวิทยาศาสตร์ชีวภาพในวงกว้าง
ความก้าวหน้าในวิทยาศาสตร์ชีวภาพขึ้นอยู่กับการสังเคราะห์ข้อมูลและหลักฐานจากหลายระดับและหลายรูปแบบ ตั้งแต่โมเลกุล ยีน วิถีชีวภาพ ไปจนถึงระบบสิ่งมีชีวิต ในการประเมินผลของเรา GPT‑Rosalind รุ่นอัปเดตแสดงให้เห็นถึงประสิทธิภาพที่ดีขึ้นในวงกว้างสำหรับงานวิจัย ที่ดำเนินการโดยผู้เชี่ยวชาญด้านชีววิทยา รวมถึงความสามารถในการตอบคำถามเชิงลึกด้านเคมีทางยา ชีววิทยาเชิงปริมาณ และการแก้ไขปัญหาในห้องปฏิบัติการเปียก
ขณะนี้ GPT‑Rosalind เปิดให้ใช้งานในรูปแบบตัวอย่างสำหรับการวิจัยแก่หน่วยงานที่มีคุณสมบัติตามเกณฑ์ทั่วโลก ผ่านโครงสร้างการใช้งานที่ปลอดภัยและเชื่อถือได้ของเรา
เพื่อประเมินและยกระดับผลกระทบเชิงประจักษ์ของ GPT‑Rosalind อย่างต่อเนื่อง เราจึงได้พัฒนา LifeSciBench ซึ่งเป็นเกณฑ์มาตรฐานที่ได้รับการประเมินโดยผู้เชี่ยวชาญภายนอก โดยมุ่งเน้นไปที่การวัดทักษะพื้นฐานที่สำคัญในงานวิจัยด้านวิทยาศาสตร์ชีวภาพ LifeSciBench ต่างจากเกณฑ์มาตรฐานที่มีอยู่เดิมที่มุ่งเน้นการประเมินสมรรถนะของโมเดลเพียงด้านเดียวหรือแยกส่วนตามโดเมนทางชีวภาพ LifeSciBench นำเสนอการประเมินแบบครบวงจรสำหรับงานวิจัยที่มีคุณค่าทางวิทยาศาสตร์ โดยครอบคลุมภารกิจจาก 6 ด้านหลักของกระบวนการทำงานในวิทยาศาสตร์ชีวภาพ ได้แก่ การจัดการหลักฐาน การวิเคราะห การออกแบบและปรับปรุงประสิทธิภา การใช้เหตุผลเชิงวิทยาศาสตร์ การตรวจสอบความถูกต้องและการปฏิบัติงาน รวมถึงการแปลความและการสื่อสาร เราใช้เกณฑ์มาตรฐานนี้เพื่อปรับทิศทางความก้าวหน้าให้สอดคล้องกับความต้องการและความเป็นจริงของการวิจัยด้านวิทยาศาสตร์ชีวภาพ
GPT‑Rosalind มีประสิทธิภาพนำหน้าในงานที่มีคุณค่าทางวิทยาศาสตร์ ซึ่งระบุโดยผู้เชี่ยวชาญในอุตสาหกรรมและแวดวงวิชาการ
การสกัดข้อมูล การปรับข้อมูลให้สอดคล้องกัน และการตรวจสอบความถูกต้องของหลักฐานทางวิทยาศาสตร์จากงานวิจัย แผนภาพ ตาราง และบันทึกผลการทดลอง
ตัวอย่างการประเมิน
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.
การตอบกลับของผู้สมัคร
สรุปโดยรวม: ข้อมูลที่นำเสนอในชุดนี้ยังไม่มีน้ำหนักเพียงพอที่จะสนับสนุนการขออนุมัติแบบเร่งด่วน โดยอาศัยระดับการแสดงออกของไมโครไดสโทรฟินเป็นตัวบ่งชี้ทดแทน ที่คาดว่าจะสามารถทำนายประโยชน์ทางคลินิกได้อย่างสมเหตุสมผล ผู้ตรวจสอบของ FDA ที่มีความกังออาจมองว่าหลักฐานในส่วนของตัวบ่งชี้ทางชีวภาพ ประสิทธิภาพการทำงาน ความคงทน ความปลอดภัย และความสามารถในการสรุปผลทั่วไปนั้นยังขาดข้อมูลสนับสนุนที่เพียงพอ
องค์ประกอบในชุดข้อมูล | รูปแบบความล้มเหลวที่สำคัญ | สิ่งที่จำเป็นต้องใช้ |
|---|---|---|
การหาปริมาณโดยวิธี Western Blot | เนื่องจาก MANEX1A จับกับอิพิโทปบริเวณ N-terminal ซึ่งมีร่วมกันทั้งในไดสโทรฟินเต็มรูปแบบตามธรรมชาติและไมโครไดสโทรฟินทรานส์ยีน การทดสอบนี้จึงไม่สามารถแยกความแตกต่างระหว่างทรานส์ยีนกับไดสโทรฟินที่หลงเหลือหรือที่เกิดการย้อนกลับได้อย่างแม่นยำ การวัดปริมาณไมโครไดสโทรฟินขนาด 138 kDa โดยเทียบกับมาตรฐานของโปรตีนไดสโทรฟินเต็มรูปแบบจากคนสุขภาพดีนั้น ไม่ถือว่ามีความถูกต้องในเชิงหลักการ | ควรใช้สารมาตรฐานไมโครไดสโทรฟินชนิดรีคอมบิแนนท์ (recombinant) ร่วมกับวิธีการวิเคราะห์แบบเสริม ที่สามารถจำแนกทรานส์ยีนออกจากไดสโทรฟินดั้งเดิมได้ เช่น การวิเคราะห์ด้วยเทคนิค Targeted Mass Spectrometry หรือการใช้การทดสอบที่จำเพาะต่อทรานส์ยีนหรืออิพิโทป |
Immunofluorescence | แอนติบอดีชนิดโพลีโคลนอลที่จับกับส่วน C-terminal นั้นไม่เหมาะสมอย่างยิ่ง เพราะโครงสร้างขนาด 138 kDa นี้ไม่มีโดเมนส่วน C-terminal ผู้ป่วย DMD หลายรายมีภาวะเส้นใยกล้ามเนื้อแบบ Revertant ซึ่งไดสโทรฟินที่ถูกผลิตขึ้นในเส้นใยดังกล่าวอาจยังคงมีอิพิโทปบริเวณ C-terminal หลงเหลืออยู่ เส้นใยกล้ามเนื้อชนิด revertant อาจมีการเพิ่มจำนวนแบบโคลนตามอายุที่เพิ่มขึ้น ซึ่งส่งผลให้เกิดความคลาดเคลื่อนต่อสัญญาณจากการทดสอบ โดยเฉพาะในกลุ่มเด็กชายที่มีอายุมากขึ้น | ควรทำการตรวจด้วยวิธี IF ซ้ำ โดยใช้แอนติบอดีที่จำเพาะต่ออิพิโทปซึ่งปรากฏอยู่ในทรานส์ยีนแต่ไม่มีอยู่ในไดสโทรฟินที่เกิดจากการย้อนกลับ ควรทำการวิเคราะห์เชิงปริมาณโดยแยกส่วนระหว่างเส้นใยกล้ามเนื้อที่แสดงออกทรานส์ยีนออกจากเส้นใยชนิด Revertant |
ความสมเหตุสมผลของตัวบ่งชี้ทดแทน | ชุดข้อมูลนี้สับสนระหว่างปริมาณของโปรตีนกับหน้าที่หรือผลทางคลินิกของโปรตีนนั้น “38% ของมวลโปรตีนในกลุ่มควบคุมที่มีสุขภาพดี” ไม่ได้หมายความว่าเป็น 38% ของการทำงานของดิสโทรฟินปกติ เนื่องจากไมโครดิสโทรฟินมีโครงสร้างที่ถูกตัดทอน | จำเป็นต้องมีการตรวจสอบความถูกต้องเชิงประจักษ์ถึงความสัมพันธ์ระหว่างร้อยละของมวลไมโครไดสโทรฟิน การกระจายตัวที่เยื่อหุ้มเซลล์ การฟื้นฟูการทำงานในขั้นตอนถัดมา และผลลัพธ์ทางคลินิก ก่อนที่จะนำการแสดงออกของโปรตีนมาใช้เป็นตัวบ่งชี้ทดแทน |
การออกแบบการตรวจชิ้นเนื้อ | การเก็บตัวอย่างชิ้นเนื้อจากกล้ามเนื้อต้นขาด้านนอก (vastus lateralis) ทั้งก่อนและหลังการรักษาจากขาคนละข้างนั้น ก่อให้เกิดความแปรปรวนเชิงพื้นที่ทั้งระหว่างขาซ้าย-ขวา และภายในมวลกล้ามเนื้อเอง การลุกลามของโรค และกระบวนการแทนที่ด้วยเนื้อเยื่อพังผืดและไขมัน อาจส่งผลเปลี่ยนแปลงต่อค่าสัญญาณที่ถูกปรับฐานด้วยโปรตีนรวมได้ | ควรทำการกำหนดตำแหน่งการตัดชิ้นเนื้อให้เป็นมาตรฐานโดยใช้จุดสังเกตทางกายวิภาคที่ชัดเจน ปรับเทียบระดับโปรตีนด้วยโปรตีนเฉพาะของกล้ามเนื้อ และวัดสัดส่วนของเนื้อเยื่อพังผืดและไขมันไปพร้อมกัน |
ตัวเปรียบเทียบและสถิติของ NSAA | การใช้กลุ่มประชากรที่ศึกษาจากประวัติการดำเนินโรคตามธรรมชาติจากภายนอก ไม่สามารถนำมาทดแทนการสุ่มกลุ่มควบคุมที่เกิดขึ้นในเวลาเดียวกันได้ ความน่าเชื่อถือของการเปรียบเทียบผลลัพธ์มีความเสี่ยงที่จะถูกบิดเบือนโดยปัจจัยแวดล้อมต่างๆ เช่น เกณฑ์การคัดเลือกผู้เข้าทดสอบ การดูแลรักษาต่อเนื่อง พฤติกรรมที่เปลี่ยนไปจากการเข้าร่วมวิจัย สมรรถภาพพื้นฐาน (NSAA) ประวัติการใช้สเตียรอยด์ อายุ ตลอดจนประเภทของ Exon การทดสอบด้วย Unpaired T-test นั้นไม่เพียงพอสำหรับการวิเคราะห์นี้ การเปลี่ยนแปลงค่า NSAA ที่ +1.4 ยังอยู่ในเกณฑ์ความคลาดเคลื่อนปกติของการทดสอบซ้ำสำหรับผู้ป่วยกลุ่มอายุนี้ | ควรทำการทดลองแบบสุ่มและมีกลุ่มควบคุมด้วยยาหลอกแบบคู่ขนาน หรืออย่างน้อยควรใช้การวิเคราะห์แบบปรับค่าเพื่อควบคุมปัจจัยต่างๆ โดยคำนึงถึงค่า NSAA พื้นฐาน อายุ สูตรยาเสตียรอยด์ กลุ่มของเอ็กซอน และปัจจัยกวนอื่นๆ |
ปัจจัยกวนจากช่วงอายุ | เด็กชายช่วงอายุ 4–7 ปี เป็นช่วงเวลาที่ผู้ป่วย DMD ที่ไม่ได้รับยาอาจยังคงมีพัฒนาการทางสมรรถภาพกล้ามเนื้อเพิ่มขึ้นได้เองตามธรรมชาติ ก่อนที่จะเริ่มเข้าสู่ภาวะเสื่อมถอยอย่างเต็มตัว ค่า NSAA ที่เปลี่ยนแปลงไปในช่วง 48 สัปดาห์ เกิดจากองค์ประกอบที่ทับซ้อนกัน ได้แก่ พัฒนาการของเด็กตามธรรมชาติ การดำเนินไปของโรค และประสิทธิภาพการรักษา | ควรใช้การทดลองแบบสุ่มที่มีกลุ่มควบคุมแบบคู่ขนานร่วมกับการแบ่งกลุ่มตามช่วงอายุ เพื่อแยกความแตกต่างระหว่างพัฒนาการตามวัยกับผลลัพธ์จากการรักษา |
บรรทัดฐานทางคลินิกที่ก่อนหน้านี้ | สัญญาณด้านการทำงานของไมโครดิสโทรฟินจากการศึกษาแบบเปิดเผยการรักษา ไม่สามารถทำนายผลลัพธ์ทางคลินิกที่ยืนยันได้ โดยที่ผ่านมาการทดลองยืนยันผลของการรักษาด้วยยีนไมโครไดสโทรฟินไม่สามารถยืนยันความสำเร็จในแง่ของคะแนน NSAA ตามที่เคยคาดการณ์ไว้จากการศึกษาขั้นต้นได้ | ไม่ควรนำการเปลี่ยนแปลงของค่า NSAA ที่ได้จากงานวิจัยแบบเปิดเผย มาใช้เป็นหลักฐานสนับสนุนเพียงอย่างเดียว กำหนดให้ต้องมีหลักฐานด้านการทำงานที่มีการควบคุม |
ข้อจำกัดเชิงโครงสร้างของยีนที่ถูกออกแบบขึ้น | โครงสร้าง 138 kDa ตัดส่วน Spectrin repeats R16/17 ออกไป ซึ่งเป็นตำแหน่งที่มีจุดยึดเกาะของ nNOS อยู่ การสูญเสียการดึง nNOS มาใช้สามารถบั่นทอนกลไก Functional Sympatholysis และการป้องกันภาวะขาดเลือดระหว่างออกกำลังกาย ซึ่งสร้างเพดานเชิงกลไกที่จำกัดประสิทธิภาพในการกู้คืนสมรรถภาพกล้ามเนื้อโดยเป็นอิสระจากระดับการแสดงออกของยีน | ควรเพิ่มการศึกษากลไกที่แสดงให้เห็นว่าโครงสร้างจำเพาะนี้สามารถฟื้นฟูการทำงานของกลุ่มโปรตีนที่เกี่ยวข้องกับไดสโทรฟิน การจัดตำแหน่งของ nNOS สรีรวิทยาการออกกำลังกาย และการปกป้องกล้ามเนื้อได้หรือไม่ |
ความทนทานของ AAV | จีโนมของเวกเตอร์ในช่วงสัปดาห์ที่ 12 ไม่สามารถยืนยันถึงการแสดงออกของยีนที่คงทนถาวรได้ จีโนมของ AAV9 ส่วนใหญ่คงอยู่ในรูปแบบอิสระที่ไม่รวมตัวกับโครโมโซมและอาจมีระดับลดลงเมื่อเวลาผ่านไป ความคงอยู่ของจีโนมเวกเตอร์ไม่ได้หมายความว่ามีการแสดงออกของโปรตีนที่คงทนถาวร | ควรวัดระดับการแสดงออกของโปรตีนจากทรานส์ยีนและความคงทนของตัวบ่งชี้ทางชีวภาพเชิงหน้าที่ในระยะยาวเกินกว่า 12 สัปดาห์ |
ข้อมูลด้านภูมิคุ้มกัน/ความปลอดภัย | ภาวะเอนไซม์ตับสูงในผู้ป่วย 8/12 รายสอดคล้องกับการตอบสนองทางภูมิคุ้มกันต่อเซลล์ที่ถูกนำส่งยีนด้วย AAV แต่กลไกดังกล่าวยังไม่ได้รับการยืนยันแน่ชัด การพบผู้ป่วยภาวะกล้ามเนื้อหัวใจอักเสบหนึ่งรายเป็นสิ่งที่น่าวิตกอย่างยิ่ง เมื่อพิจารณาถึงคุณสมบัติของ AAV9 ที่มักแพร่กระจายเข้าสู่หัวใจ | ควรเพิ่มระดับการเฝ้าระวังทางภูมิคุ้มกัน พร้อมทั้งจำแนกข้อมูลความปลอดภัยของตับและหัวใจให้ชัดเจนยิ่งขึ้น รวมถึงการติดตามอาการทางหัวใจอย่างใกล้ชิด |
เกณฑ์การคัดเลือกผู้ป่วยและความเป็นไปได้ในการนำผลการวิจัยไปใช้ในวงกว้าง | การคัดผู้ป่วยที่มีแอนติบอดีชนิดลบล้างฤทธิ์ต่อ AAV9 ออกไปนั้น ทำให้ความสามารถในการนำผลการวิจัยไปใช้ในวงกว้างลดลง คัดผู้ป่วยที่มีการกลายพันธุ์แบบลบส่วนของยีน exon-44 ออกไปนั้นทำให้การนำผลไปประยุกต์ใช้กับผู้ป่วยกลุ่ม DMD นี้มีขีดจำกัด n=12 มีขนาดเล็กเกินไปที่จะบ่งชี้ลักษณะด้านความปลอดภัยและประสิทธิผลในประชากรผู้ป่วย DMD ในวงกว้างได้ | ขยายเกณฑ์คุณสมบัติให้ครอบคลุมมากขึ้นเมื่อเป็นไปได้ หรือกำหนดการวิเคราะห์แบบแบ่งชั้นไว้ล่วงหน้าตามสถานะแอนติบอดี จีโนไทป์/กลุ่มเอ็กซอน อายุ และการทำงาน ณ ระยะเริ่มต้น ก่อนใช้ผลลัพธ์ดังกล่าวเพื่อสนับสนุนการอนุมัติในวงกว้าง |
ข้อสรุปด้านกฎระเบียบ: ข้อมูลในชุดการศึกษานี้อาจแสดงให้เห็นถึงฤทธิ์ทางชีวภาพ แต่ยังไม่เพียงพอที่จะยืนยันได้ว่าระดับการแสดงออกของไมโครไดสโทรฟินที่วัดได้นั้นเป็นตัวบ่งชี้ทดแทนที่น่าเชื่อถือ ซึ่งมีความเป็นไปได้เพียงพอที่จะคาดการณ์ถึงประโยชน์ทางคลินิกได้ ประเด็นสำคัญที่ยังเป็นช่องว่าง ได้แก่ ความไม่จำเพาะเจาะจงของวิธีทดสอบ มาตรฐานการวัดที่ขาดความสมเหตุสมผล ผลกระทบปนเปื้อนจากเส้นใยที่กลับมาทำหน้าที่ปกติ การไม่มีกลุ่มควบคุมแบบสุ่ม ความสับสนจากตัวแปรด้านอายุในคะแนน NSAA ความคงทนที่ไม่แน่นอน และประเด็นด้านความปลอดภัย/การนำไปใช้ในวงกว้างที่ยังหาข้อยุติไม่ได้
ในการลดช่องว่างดังกล่าว โปรแกรมการวิจัยจำเป็นต้องใช้รูปแบบการทดลองทางคลินิกที่มีการควบคุมและแบ่งกลุ่มตามอายุ พร้อมทั้งใช้ชุดทดสอบการแสดงออกของยีนที่จำเพาะเจาะจง การวัดปริมาณโปรตีนด้วยวิธีเสริมความน่าเชื่อถือ การควบคุมตัวแปรด้านองค์ประกอบของเนื้อเยื่อ ข้อมูลความยั่งยืนของผลการรักษาระยะยาว การทดสอบเชิงกลไกการทำงานของยีนที่ถูกตัดทอน และมาตรการเฝ้าระวังความปลอดภัยที่เข้มงวด โดยเฉพาะในส่วนของตับและหัวใจ
เกณฑ์การให้คะแนน & คะแนน
GPT‑Rosalind สร้างผลงานที่โดดเด่นในระดับแนวหน้าของอุตสาหกรรมเคมีทางยา ซึ่งเป็นสายงานที่ให้ความสำคัญกับการเปลี่ยนโมเลกุลให้กลายเป็นยารักษาโรคที่มีประโยชน์ เราออกแบบ MedChemBench เพื่อสะท้อนขั้นตอนการทำงานด้านเคมีทางยาที่สมจริง โดยประเมินการทำความเข้าใจโครงสร้างทางเคมีหลายรูปแบบ ความสัมพันธ์ระหว่างโครงสร้างและฤทธิ์ทางชีวภาพ (SAR) การคาดการณ์ความแรงของยา ความเป็นพิษ และการดูดซึม การกระจายตัว เมแทบอลิซึม การขับออก (ADME) การตัดสินใจในการเพิ่มประสิทธิภาพสารนำแบบหลายพารามิเตอร์ และกระบวนการสังเคราะห์ย้อนกลับ GPT‑Rosalind ทำผลงานได้ดีกว่า GPT‑5.5 ที่ 27.5% เทียบกับ 25.1% ในการประเมิน MedChemBench โดยใช้โทเค็นน้อยกว่า 7.2%
GPT‑Rosalind แสดงให้เห็นถึงการสังเคราะห์แบบหลายโมดัลและการให้เหตุผลเชิงกลไกที่ดีขึ้นในเคมีทางยา
ในการประเมิน GeneBench ซึ่งเป็นการประเมินความสามารถแบบเอเจนต์ของเราในการวิเคราะห์แบบครบวงจรระยะยาวทางจีโนมิกส์และชีววิทยาเชิงปริมาณ GPT‑Rosalind ใช้โทเค็นน้อยกว่า GPT‑5.5 ถึง 31% ในขณะที่ทำคะแนนความแม่นยำได้สูงกว่าที่ 21.6% เทียบกับ 20.4% GeneBench ประเมินประสิทธิภาพแบบเอเจนต์ในงานเชิงปริมาณที่ต้องใช้ระยะเวลาดำเนินการยาวนาน โดยอาศัยข้อมูลทางวิทยาศาสตร์ที่สมจริง เพื่อดูว่าเอเจนต์สามารถวางแผนการวิเคราะห์ การควบคุมคุณภาพ การสร้างแบบจำลอง และการแก้ไขที่ถูกต้อง เพื่อนำไปสู่คำตอบที่เกี่ยวข้องกับการตัดสินใจได้หรือไม่ โจทย์ครอบคลุมถึงสาขาต่างๆ มากมาย ไม่ว่าจะเป็นจีโนมิกส์เชิงหน้าที่ ทรานสคริปโตมิกส์เชิงพื้นที่ โปรตีโอมิกส์ เอพิเจเนติกส์ และพันธุศาสตร์ประยุกต์
GPT‑Rosalind ใช้โทเค็นน้อยกว่า GPT‑5.5 ถึง 31% ในขณะที่ความแม่นยำเพิ่มสูงขึ้น
เราขอแนะนำการประเมินผลแบบใหม่เพื่อทดสอบความสามารถของ GPT‑Rosalind ในการช่วยเหลือนักวิทยาศาสตร์ที่ทำงานในห้องปฏิบัติการจริง LabWorkBench ใช้สำหรับประเมินความสามารถของโมเดลในการเชื่อมโยงเหตุปัจจัยรบกวน เข้ากับผลลัพธ์ของการทดลองในโปรโตคอลห้องปฏิบัติการจริง โดยมุ่งเน้นวัตถุประสงค์ตั้งแต่การวิเคราะห์แก้ไขปัญหา ไปจนถึงการเพิ่มประสิทธิภาพการทดลอง ข้อมูลที่ใช้โดย LabWorkBench เป็นข้อมูลที่เป็นกรรมสิทธิ์และปราศจากการปนเปื้อน GPT‑Rosalind ทำคะแนนได้ 63.2% เทียบกับ GPT‑5.5 ที่ 55.8% ในขณะที่ใช้โทเค็นน้อยลง 5.3%
ในการช่วยเหลืองานจริงตามระเบียบวิธีปฏิบัติในห้องปฏิบัติการแบบเปียก GPT‑Rosalind แสดงผลลัพธ์ที่เหนือกว่า GPT‑5.5 อย่างชัดเจน พร้อมทั้งเพิ่มประสิทธิภาพในการใช้โทเค็นด้วย
เราได้สร้างปลั๊กอิน Life Sciences Research(เปิดในหน้าต่างใหม่) และ Life Sciences NGS Analysis(เปิดในหน้าต่างใหม่) เพื่อต่อยอดความฉลาดที่เพิ่มขึ้นของ GPT‑Rosalind ด้วยชั้นการทำงานเชิงปฏิบัติสำหรับเวิร์กโฟลว์ทางวิทยาศาสตร์ที่ทำซ้ำได้ ปลั๊กอินเหล่านี้ช่วยนำการสืบค้นหลักฐานจากแหล่งข้อมูล การตีความทางชีววิทยา และการประมวลผลทางชีวสารสนเทศมารวมไว้ในพื้นที่ทำงานเดียวกัน ซึ่งช่วยให้นักวิจัยเชื่อมโยงหลักฐานจากภายนอกเข้ากับการวิเคราะห์ข้อมูลโอมิกส์ภายใน โดยยังคงรักษาข้อมูลสิ่งประดิษฐ์และที่มาของข้อมูลไว้อย่างครบถ้วน ผู้ใช้ทุกคนสามารถเข้าถึงปลั๊กอินทั้งสองผ่าน Codex ได้แล้ว ผู้ใช้ GPT‑Rosalind ระดับองค์กรที่มีสิทธิ์ยังสามารถใช้ GPT‑Rosalind เพื่อขับเคลื่อนปลั๊กอินเหล่านี้ได้ด้วย
เพื่อเพิ่มประสิทธิภาพการใช้ Codex เป็นพื้นที่ทำงานแบบไดนามิกสำหรับนักวิทยาศาสตร์ เราได้เพิ่มโปรแกรมดูข้อมูลแบบโต้ตอบสำหรับไฟล์ประเภทที่เกี่ยวข้องกับชีววิทยาโดยเฉพาะ ชุดเครื่องมือแสดงผลลำดับพันธุกรรม การจัดเรียงลำดับ และโครงสร้างโมเลกุลในระยะเริ่มต้นนี้ ได้รับการออกแบบมาเพื่อให้ผู้ใช้งานยังคงเข้าถึงหลักฐานเชิงประจักษ์ได้อย่างใกล้ชิด ในขณะที่ GPT‑Rosalind ดำเนินการวิเคราะห์ตามลำดับขั้นตอน พร้อมทั้งรองรับการตอบคำถามติดตามผล โดยอาศัยข้อมูลจากเครื่องมือแสดงผลที่ใช้งานอยู่ ณ ขณะนั้นโดยตรง
การสาธิตข้างต้นแสดงให้เห็นถึงความสามารถเหล่านี้ในการใช้งานจริง ซึ่งควบคุมการทำงานโดย GPT‑Rosalind เรากำลังติดตามผลงานของนักวิทยาศาสตร์ในการวิเคราะห์ชิ้นเนื้อเหลวจากเนื้องอก เพื่อหาการกลายพันธุ์และสิ่งที่เปลี่ยนแปลงในระดับโมเลกุล ซึ่งอาจนำไปใช้ตัดสินใจเลือกวิธีการรักษาได้ ปลั๊กอิน Life Sciences NGS Analysis เปลี่ยนการตรวจทานระเบียน ctDNA ที่ผ่านการประมวลผลแล้วให้เป็นสมุดบันทึกเชิงโต้ตอบ ซึ่งจะแสดงผลการกลายพันธุ์ที่เกิดขึ้นซ้ำ ความแปรปรวนที่ตรวจพบได้ในระดับความถี่ต่ำ และแนวโน้มการเปลี่ยนแปลงของตัวอย่าง เพื่อมุ่งเน้นการวิเคราะห์ไปที่ตำแหน่ง KRAS G12C เป็นสำคัญ จากนั้นปลั๊กอิน Life Sciences Research จะเสริมบริบทที่เกี่ยวข้องกับเป้าหมาย สารยับยั้ง และข้อมูลความต้านทานยา ในขณะที่เครื่องมือแสดงผลลำดับพันธุกรรม การจัดเรียง และโครงสร้างโมเลกุลแบบดั้งเดิม จะช่วยให้นักวิทยาศาสตร์สามารถตรวจสอบตำแหน่ง Rresidue 12 ของโปรตีนที่กลายพันธุ์ รวมถึงการอนุรักษ์ตำแหน่งดังกล่าวในกลุ่มโปรตีนตระกูล RAS และช่องว่างที่สารยับยั้งเข้าไปจับได้โดยตรง ขั้นตอนสุดท้ายของกระบวนการคือการนำหลักฐานที่ได้มาแปลผลเป็นแนวทางการติดตามการรักษาที่ชัดเจน โดยผู้เชี่ยวชาญสามารถตรวจสอบย้อนกลับไปยังทุกขั้นตอนและข้อมูลที่ใช้ในการวิเคราะห์ได้อย่างครบถ้วน
ปลั๊กอิน Life Sciences NGS Analysis
การควบคุมคุณภาพและการใส่คำอธิบายประกอบ
เปลี่ยนชุดเมทริกซ์รูปแบบ 10x ให้กลายเป็นอาร์ทิแฟกต์เซลล์เดี่ยวที่ผ่านการกรอง QC ข้อมูลคำอธิบายประกอบ และแผนภูมิ UMAP ซึ่งคุณสามารถตรวจสอบและแก้ไขใน Codex ได้ ปลั๊กอิน Life Sciences NGS จะทำหน้าที่ส่งต่อข้อมูลไปยัง scrna-seq-qc เพื่อเลือกเกณฑ์ QC ที่เหมาะสมจากตัวข้อมูลเอง พร้อมทั้งจัดเก็บที่มาและความเป็นมาของขั้นตอนการกรองและการระบุคำอธิบายไว้ อีกทั้งยังแสดงผลหากพบอุปสรรคสำคัญ เช่น การขาดข้อมูลที่จำเป็นสำหรับการตรวจหา Dublet
การควบคุมคุณภาพ FASTQ ของ Bulk RNA-seq
เปลี่ยนแผ่นบันทึกข้อมูลตัวอย่าง ชุดข้อมูล FASTQ และไฟล์อ้างอิงให้เป็นชุดข้อมูลนับจำนวนที่ผ่านการตรวจสอบคุณภาพ ซึ่งสามารถตรวจสอบและนำกลับมาใช้ใหม่ใน Codex ได้ ปลั๊กอิน Life Sciences NGS Analysis จะกำหนดเส้นทางคำขอ ตรวจสอบความถูกต้องของอินพุต และส่งคืนแพ็กเกจผลการรันที่ตรวจสอบย้อนหลังได้ ซึ่งประกอบด้วย MultiQC เมทริกซ์ Salmon ข้อมูลแหล่งที่มา และข้อควรระวังที่ระบุไว้อย่างชัดเจน
เรากำลังขยายสิทธิ์การเข้าถึงซีรีส์ GPT‑Rosalind ให้กับองค์กรที่มีคุณสมบัติเหมาะสมทั่วโลก GPT‑Rosalind จะพร้อมให้ใช้งานในรูปแบบพรีวิวสำหรับการวิจัย ผ่านรูปแบบการให้สิทธิ์เข้าถึงสำหรับองค์กรที่ได้รับความไว้วางใจของเรา สำหรับองค์กรที่ดำเนินงานวิจัยทางวิทยาศาสตร์ที่ถูกต้องตามหลักวิชาการและมีประโยชน์ต่อสาธารณะอย่างชัดเจน มีการกำกับดูแลและดูแลความปลอดภัยอย่างเข้มงวด รวมถึงควบคุมการเข้าถึงด้วยระบบรักษาความปลอดภัยระดับองค์กร
ในฐานะส่วนหนึ่งของการขยายตัวระดับโลกนี้ เรารู้สึกยินดีอย่างยิ่งที่ได้ช่วยสนับสนุนพันธกิจของ Novo Nordisk ในการนำทางเลือกการรักษาที่เป็นนวัตกรรมไปสู่ผู้ป่วยได้รวดเร็วยิ่งขึ้น โดยช่วยขยายขีดความสามารถด้านการวิจัยทางการแพทย์ของพวกเขาด้วย GPT‑Rosalind Novo Nordisk กำลังใช้ประโยชน์จากความสามารถด้าน AI ระดับแนวหน้า เพื่อช่วยให้นักวิจัยวิเคราะห์ชุดข้อมูลที่ซับซ้อน ค้นพบรูปแบบที่เป็นประโยชน์ และทดสอบสมมติฐานได้รวดเร็วยิ่งขึ้น ความเข้าใจด้านชีววิทยาที่แข็งแกร่งยิ่งขึ้นของ GPT‑Rosalind จะช่วยให้ทีมต่างๆ เชื่อมโยงหลักฐานจากเอกสารวิชาการ จีโนมิกส์ ทรานสคริปโตมิกส์ ลำดับ โครงสร้าง และผลการทดลองได้ ทำให้ต่อยอดจากข้อมูลไปสู่การตัดสินใจด้านการวิจัยที่ชัดเจนยิ่งขึ้นได้ง่ายขึ้น
“งานวิจัยด้านวิทยาศาสตร์ชีวภาพมีความซับซ้อน มีข้อมูลจำนวนมาก และต้องบูรณาการหลายศาสตร์เข้าด้วยกัน เพื่อให้เกิดประโยชน์สูงสุดแก่นักวิจัย โมเดล AI ขั้นสูงจำเป็นต้องมีฐานข้อมูลทางวิทยาศาสตร์ที่เชื่อถือได้ เชื่อมต่อกับเครื่องมือที่ผ่านการตรวจสอบแล้ว และถูกบูรณาการเข้ากับเวิร์กโฟลว์ในชีวิตจริงที่นักวิจัยใช้กันทุกวัน เรารู้สึกยินดีที่ได้ร่วมมือกับ OpenAI และมีโอกาสได้ศึกษาว่า GPT‑Rosalind จะช่วยส่งเสริมแนวทางการค้นพบยาที่รัดกุมและใช้งานได้จริงมากขึ้นได้อย่างไรบ้าง”
Mishal Patel รองประธานกลุ่มฝ่าย AI และนวัตกรรมดิจิทัล แผนกวิจัยและพัฒนา จาก Novo Nordisk
ขณะนี้เราได้เปิดให้บริการเวิร์กสเปซที่จัดการโดย OpenAI สำหรับองค์กรที่มีคุณสมบัติเหมาะสมโดยไม่จำเป็นต้องมีบัญชี Enterprise
การอัปเดต GPT‑Rosalind เป็นก้าวสำคัญในความตั้งใจของเราที่จะสร้างระบบ AI ที่ช่วยเร่งความเร็วในการค้นพบทางวิทยาศาสตร์ พร้อมทั้งรับรองว่าขีดความสามารถทางชีวภาพขั้นสูงจะถูกนำไปใช้งานภายใต้มาตรการป้องกันที่เหมาะสม เรามุ่งมั่นที่จะพัฒนาความสามารถด้านการให้เหตุผลทางชีวภาพของโมเดลอย่างต่อเนื่อง พร้อมทั้งขยายการรองรับกระบวนการวิจัยที่ซับซ้อนซึ่งต้องใช้เครื่องมือจำนวนมากและดำเนินการในระยะยาว รวมถึงสานต่อความร่วมมือกับองค์กรที่ผ่านเกณฑ์ในระดับภูมิภาคต่างๆ เพื่อประเมินผลกระทบที่เกิดขึ้นจริงจากการใช้งาน
นอกจากนี้ยังหมายรวมถึงการนำ AI ด้านวิทยาศาสตร์ชีวภาพไปประยุกต์ใช้กับงานที่มีผลกระทบสูงและเป็นประโยชน์ต่อสาธารณะ ตั้งแต่การค้นพบยาและการแพทย์เชิงแปลผล ไปจนถึงด้านสาธารณสุข การเตรียมความพร้อม และการป้องกันทางชีวภาพ ผ่าน Rosalind Biodefense และโมเดลการปรับใช้แบบการเข้าถึงที่เชื่อถือได้ของเรา เรามุ่งหวังที่จะส่งมอบความสามารถทางชีววิทยาระดับแนวหน้าให้แก่นักวิจัย สถาบัน และผู้ป้องกันภัยที่ทำงานเพื่อปรับปรุงสุขภาพของมนุษย์และเสริมสร้างความสามารถในการรับมือของสังคม
เราจะยังคงมุ่งมั่นพัฒนา GPT‑Rosalind ให้เป็นพันธมิตรที่มีขีดความสามารถสูงขึ้นในทุกขั้นตอนของวงจรการวิจัยทางวิทยาศาสตร์ เพื่อช่วยให้นักวิทยาศาสตร์สามารถเปลี่ยนจากคำถามที่ถูกต้องไปสู่การค้นพบหลักฐานที่ชัดเจน การออกแบบการทดลองที่มีประสิทธิภาพยิ่งขึ้น และนำไปสู่การค้นพบแนวทางการรักษาใหม่ๆ ให้แก่ผู้ป่วยได้รวดเร็วขึ้น
อ่านต่อ
