OpenAI heeft een nieuw taalmodel gelanceerd dat specifiek is getraind om onderzoekers in de biologie en life sciences te ondersteunen bij het analyseren van complexe data en het navigeren door gespecialiseerde literatuur. GPT-Rosalind, genoemd naar de wetenschapper Rosalind Franklin, is ontworpen om twee grote knelpunten in het huidige onderzoek aan te pakken.

Wat er aan de hand is

OpenAI kondigde op donderdag de ontwikkeling aan van GPT-Rosalind, een groot taalmodel dat is afgestemd op biologische onderzoeksprocessen. In tegenstelling tot meer algemene wetenschapsmodellen van andere techbedrijven, is dit model specifiek getraind op 50 van de meest voorkomende biologische workflows. Volgens Yunyun Wang, Life Sciences Product Lead bij OpenAI, is het systeem gebouwd om twee hoofdproblemen op te lossen: de overweldigende hoeveelheid data uit decennia van genoomsequencing en eiwitbiochemie, en de fragmentatie van het vakgebied in vele gespecialiseerde subdisciplines met elk hun eigen jargon. Het model is verder getraind om toegang te krijgen tot grote publieke databases met biologische informatie en kan biologische pathways suggereren en potentiële medicijndoeleinden prioriteren.

Wat dit betekent

Voor bedrijven en onderzoeksinstellingen in de biotech, farmacie en life sciences betekent dit de komst van een gespecialiseerde AI-assistent die de kloof tussen verschillende vakgebieden kan overbruggen. Een geneticus die plotseling met neurowetenschappelijke literatuur te maken krijgt, of een onderzoeker die wordt geconfronteerd met datasets die te groot zijn voor menselijke analyse, kan hier praktische ondersteuning vinden. Het model belooft het proces van ‘genotype naar fenotype’ te verbinden via bekende mechanismen, wat de efficiëntie in vroeg onderzoek en ontwikkeling kan verhogen. Voor kleinere innovatieve bedrijven (startups, scale-ups) kan dit een manier zijn om gespecialiseerde kennis in huis te halen zonder direct een groot team van experts aan te nemen.

Hoe je dit kunt toepassen

De praktische toepassing hangt sterk af van jouw specifieke rol binnen de life sciences-sector. Het model is bedoeld als ondersteunend hulpmiddel bij onderzoek en ontwikkeling.

Als je werkt in vroegtijdig geneesmiddelenonderzoek… kun je het model mogelijk gebruiken om door bestaande literatuur en databases te scannen naar connecties tussen genen, eiwitten en ziekten. Het kan helpen bij het genereren van hypothesen over nieuwe medicijndoeleinden door bekende biologische pathways te analyseren, wat een eerste stap kan zijn in je discovery-fase.

Als je een onderzoeksleider bent in een gespecialiseerd lab… zou GPT-Rosalind een hulpmiddel kunnen zijn wanneer je team buiten de eigen vakdiscipline moet kijken. Bij een multidisciplinair project kan het model helpen om het jargon en de standaardmethoden van een aangrenzend vakgebied te begrijpen, waardoor de communicatie en samenwerking soepeler verloopt.

Als je een innovatiemanager bent bij een biotech-bedrijf… is een mogelijkheid om te verkennen of dit model de doorlooptijd van bepaalde literatuurstudies of data-analyses kan verkorten. Je zou kunnen overwegen om het in een gecontroleerde pilot te testen voor een specifiek vraagstuk, zoals het screenen van publieke datasets op patronen die relevant zijn voor jouw onderzoek.

Het is belangrijk te benadrukken dat dit een aankondiging is van OpenAI. De daadwerkelijke beschikbaarheid, toegang en prestaties in de praktijk moeten nog blijken. Voor toepassing in gereguleerde omgevingen, zoals klinisch onderzoek, gelden uiteraard strenge eisen aan validatie en controle.

Bron: Arstechnica