OpenAI heeft een taalmodel gelanceerd dat specifiek is getraind op biologische onderzoeksprocessen, genaamd GPT-Rosalind. Dit model is ontworpen om onderzoekers te helpen bij het navigeren door enorme datasets en het overbruggen van de kenniskloof tussen gespecialiseerde deelgebieden, wat kan leiden tot efficiëntere ontdekkingen en innovatie.

Wat er aan de hand is

OpenAI heeft op donderdag GPT-Rosalind geïntroduceerd, een groot taalmodel dat speciaal is afgestemd op biologie. In tegenstelling tot meer algemene wetenschapsmodellen van grote techbedrijven, is dit model getraind op 50 van de meest voorkomende biologische workflows en op het toegankelijk maken van grote publieke databases met biologische informatie. Volgens Yunyun Wang, Life Sciences Product Lead bij OpenAI, richt het model zich op twee grote knelpunten in het huidige onderzoek: de overweldigende hoeveelheid data uit decennia van genoomsequencing en eiwitbiochemie, en de gespecialiseerde jargon en technieken binnen de vele deelgebieden van de biologie. Het model kan biologische pathways suggereren en potentiële medicijndoelen prioriteren door genotype aan fenotype te koppelen via bekende mechanismen.

Wat dit betekent

Dit betekent een directe versnelling voor kennisintensieve sectoren zoals biotech, farmacie en academisch onderzoek. Voor bedrijven en labs betekent het dat gespecialiseerde kennis sneller toegankelijk wordt. Een geneticus die plotseling met neurowetenschappelijke literatuur te maken krijgt, of een startup die door complexe proteïnedatabases moet zoeken, kan hier voordeel uit halen. Het model fungeert als een gespecialiseerde assistent die de vertaalslag maakt tussen datasets en vakgebieden. Voor het MKB in de lifesciences kan dit het innovatietempo verhogen en de drempel voor geavanceerd onderzoek verlagen, zonder dat er direct een heel team van specialisten moet worden aangenomen voor elke nieuwe onderzoeksvraag.

Hoe je dit kunt toepassen

De praktische toepassing hangt sterk af van jouw specifieke situatie binnen de biowetenschappen. Het model is primair een onderzoeksinstrument. Hier zijn enkele manieren waarop organisaties het potentieel kunnen benutten.

Als je in een biotech-startup werkt… kun je het model mogelijk inzetten om literatuuronderzoek te versnellen bij het valideren van een nieuw doelwit. In plaats van weken te besteden aan het doorzoeken van papers over een onbekend gen, zou je het model kunnen vragen de belangrijkste bevindingen en betrokken pathways samen te vatten, zodat je sneller kunt beslissen of verder onderzoek de moeite waard is.

Als je een onderzoekslab runt aan een universiteit of ziekenhuis… is een mogelijke toepassing het cross-disciplinair maken van onderzoeksvragen. Een promovendus in de oncologie die een gen tegenkomt dat ook een rol speelt in stofwisselingsziekten, zou het model kunnen gebruiken om een eerste overzicht te krijgen van de relevante literatuur en databases uit dat andere veld, wat leidt tot nieuwe onderzoekshypothesen.

Als je in de farmaceutische R&D werkt… kun je overwegen het model te gebruiken als ondersteunend hulpmiddel bij het prioriteren van kandidaat-moleculen. Het model, dat getraind is op het suggereren van pathways en het koppelen van genotype aan fenotype, kan helpen bij het screenen van grote aantallen potentiële doelwitten op basis van bekende biologische mechanismen, voordat dure experimenten worden opgestart.

Als je een kennisintensief MKB-bedrijf runt in de diagnostiek… zou je kunnen onderzoeken of het model helpt bij het interpreteren van complexe patiëntdata tegen de achtergrond van de steeds groter wordende wetenschappelijke literatuur. Het kan helpen bij het vinden van verbanden die anders verborgen blijven in gespecialiseerde publicaties buiten je directe expertisegebied.

De sleutel is om het te zien als een krachtige, gespecialiseerde zoek- en synthesemachine voor bestaande kennis, niet als een generator van nieuwe ontdekkingen. Het reduceert de tijd die nodig is om op de hoogte te raken van gerelateerde vakgebieden en enorme datasets te doorzoeken.

Bron: Arstechnica