OpenAI heeft een gespecialiseerd AI-model gelanceerd dat getraind is op biologische data en workflows, genaamd GPT-Rosalind. Dit model is ontworpen om onderzoekers te helpen bij het navigeren door enorme datasets en gespecialiseerde literatuur, wat de innovatiesnelheid in sectoren als farmacie, biotechnologie en voedingsmiddelen kan verhogen.

Wat er aan de hand is

OpenAI heeft donderdag GPT-Rosalind aangekondigd, een groot taalmodel dat specifiek is getraind op veelvoorkomende biologische workflows. Het model is vernoemd naar wetenschapper Rosalind Franklin. Volgens het bedrijf verschilt deze aanpak van de meer generieke, breed inzetbare wetenschapsmodellen die andere grote techbedrijven hebben uitgebracht. Yunyun Wang, Life Sciences Product Lead bij OpenAI, legde in een persbriefing uit dat het systeem is ontworpen om twee grote obstakels voor huidige biologisch onderzoekers aan te pakken. Het eerste is de omvang van de datasets die zijn ontstaan door decennia van genoomsequencing en eiwitbiochemie, die te groot kunnen zijn voor een individuele onderzoeker. Het tweede obstakel is de versnippering in hooggespecialiseerde deelgebieden, elk met eigen technieken en jargon. Het bedrijf heeft een LLM getraind op 50 van de meest voorkomende biologische workflows en op de toegang tot grote publieke databases met biologische informatie. Verdere training heeft volgens OpenAI geresulteerd in een systeem dat waarschijnlijke biologische pathways kan suggereren en potentiële medicijndoelen kan prioriteren.

Wat dit betekent

De komst van een domeinspecifiek AI-model zoals GPT-Rosalind betekent een verschuiving van generieke naar gespecialiseerde AI-tools. Voor Nederlandse sectoren die sterk leunen op biologische kennis, zoals de farmaceutische industrie, medisch onderzoek, biotechnologie en de voedingsmiddelenindustrie, kan dit de innovatiecyclus versnellen. Het grootste voordeel ligt in het overbruggen van kennisgrenzen tussen gespecialiseerde vakgebieden. Een onderzoeker in een voedingslab die werkt aan probiotica hoeft niet eerst weken neurobiologische literatuur te bestuderen als een gen ook in de hersenen actief blijkt. Het model kan die vertaalslag maken. Dit kan leiden tot snellere doorbraken, efficiënter gebruik van onderzoeksbudgetten en het verminderen van vertraging door kennisbarrières. Voor kleinere bedrijven of onderzoeksgroepen zonder toegang tot enorme, gespecialiseerde teams, kan zo’n tool het speelveld enigszins egaliseren.

Hoe je dit kunt toepassen

De praktische toepassing hangt sterk af van jouw specifieke situatie binnen een biologie-gerelateerd veld. Het model is primair gericht op onderzoeks- en ontwikkelingsprocessen.

Als je in farmaceutisch onderzoek of biotech werkt… kun je het model mogelijk inzetten om literatuuronderzoek te versnellen bij het identificeren van nieuwe medicijndoelen. In plaats van handmatig door duizenden papers te zoeken naar connecties tussen een gen en een ziekte, kan de AI helpen bij het prioriteren van de meest veelbelovende pathways op basis van bestaande data, zodat je je experimentele resources gerichter kunt inzetten.

Als je in de voedingsmiddelenindustrie of agrifood-sector actief bent… en onderzoek doet naar functionele ingrediënten, fermentatie of plantenveredeling, kan een tool die gespecialiseerd is in biologische mechanismen helpen bij het begrijpen van complexe interacties. Denk aan het analyseren hoe een bepaalde bacteriestam in een probioticum mogelijk interageert met het menselijk microbioom, gebaseerd op genetische data en bekende metabolische pathways.

Als je een startup runt in de gezondheidstechnologie (HealthTech)… en beperkte middelen hebt voor fundamenteel onderzoek, kan toegang tot een dergelijk gespecialiseerd model helpen bij het valideren van een hypothese of het vinden van wetenschappelijke onderbouwing voor een productconcept, zonder dat je direct een heel team van specialisten in dienst hoeft te nemen.

Als je in academisch of toegepast onderzoek werkt… biedt het model een manier om buiten de grenzen van je eigen subspecialisme te kijken. Een geneticus die een onverwachte link tegenkomt met de immunologie kan de AI gebruiken om een eerste overzicht en interpretatie van de relevante literatuur uit dat veld te krijgen, wat een samenwerking kan initiëren of een onderzoeksrichting kan verduidelijken.

De kern is dat GPT-Rosalind niet het denkwerk overneemt, maar wel de toegang tot en de eerste analyse van de overweldigende hoeveelheid gespecialiseerde kennis kan vergemakkelijken, waardoor onderzoekers zich kunnen richten op experimenten, interpretatie en innovatie.

Bron: Arstechnica