OpenAI heeft een groottaalmodel gelanceerd dat specifiek is getraind op biologische workflows en jargon, genaamd GPT-Rosalind. Het model is ontworpen om twee concrete problemen in biologisch onderzoek aan te pakken: het overzien van enorme datasets en het navigeren door gespecialiseerde literatuur van verschillende subdisciplines.

Wat er aan de hand is

OpenAI kondigde op donderdag GPT-Rosalind aan, een groottaalmodel dat is afgestemd op de levenswetenschappen. Het model is vernoemd naar de wetenschapper Rosalind Franklin. Volgens het bedrijf verschilt deze aanpak van de meer generieke, wetenschapsbrede modellen die andere grote techbedrijven vaak aanbieden. Yunyun Wang, Life Sciences Product Lead bij OpenAI, legde in een persbriefing uit dat het systeem is ontwikkeld om twee belangrijke knelpunten voor onderzoekers weg te nemen. Ten eerste de overweldigende hoeveelheid data uit decennia van genoomsequencing en eiwitbiochemie. Ten tweede de gespecialiseerde jargon en technieken binnen de vele subvelden van de biologie, waardoor een geneticus bijvoorbeeld moeite kan hebben met de literatuur uit de neurobiologie. Het model is getraind op 50 van de meest voorkomende biologische workflows en op het toegang krijgen tot grote publieke databases met biologische informatie. Verder is het getraind om waarschijnlijke biologische pathways te suggereren en potentiële medicijndoelen te prioriteren.

Wat dit betekent

Dit betekent dat onderzoek en ontwikkeling in de biotech, farmacie en levenswetenschappen efficiënter kan verlopen. Vooral voor kleinere innovatieve bedrijven en start-ups die niet over enorme onderzoeksafdelingen beschikken, kan een dergelijk gespecialiseerd model een kenniskloof overbruggen. Het stelt teams in staat om sneller inzichten te verkrijgen uit vakgebieden buiten hun directe expertise, zoals bij het onderzoeken van een gen dat actief is in hersencellen. Het kan ook helpen bij het structureren en interpreteren van de enorme publieke datasets die beschikbaar zijn, een taak die voor individuele onderzoekers vaak te omvangrijk is. Dit versnelt mogelijk de vroege fasen van onderzoek, zoals het identificeren van veelbelovende aangrijpingspunten voor nieuwe medicijnen.

Hoe je dit kunt toepassen

De praktische toepassing hangt sterk af van jouw specifieke situatie binnen de levenswetenschappen. Het model is ontworpen voor onderzoekers die te maken hebben met gespecialiseerde literatuur en grote datasets.

Als je werkt in een biotech-start-up of een klein onderzoekslab, zou je dit model kunnen verkennen om sneller overzicht te krijgen in een nieuw onderzoeksgebied. Stel, je team is gespecialiseerd in genetica maar komt een eiwit tegen dat belangrijk lijkt in het immuunsysteem. In plaats van weken literatuurstudie, zou je het model kunnen gebruiken om de belangrijkste pathways, bekende interacties en relevante publicaties rond dat eiwit te laten identificeren, gebaseerd op getrainde workflows.

Als je projectleider bent in farmaceutisch onderzoek, is een mogelijkheid om het model in te zetten tijdens de target discovery-fase. Het model is getraind om potentiële medicijndoelen te prioriteren door genotype aan fenotype te koppelen via bekende mechanismen. Je zou het kunnen gebruiken als een extra, geautomatiseerde laag van analyse om een lange lijst van genetische associaties te screenen en de meest kansrijke targets voor vervolgonderzoek naar voren te laten schuiven.

Als je samenwerkt in multidisciplinaire consortia, waar biologen, chemici en datawetenschappers samenkomen, kan zo’n model dienen als een ‘vertaler’ van jargon. Het kan helpen om bevindingen uit het ene deelgebied (bijvoorbeeld proteomics) toegankelijker te maken voor experts uit een ander deelgebied (bijvoorbeeld celbiologie), waardoor de communicatie en integratie van kennis soepeler verloopt.

Overweeg om de mogelijkheden en beperkingen van het model eerst te verkennen met een specifieke, goed afgebakende onderzoeksvraag voordat je het inzet voor bredere projecten.

Bron: Arstechnica