OpenAI heeft een groottaalmodel gelanceerd dat specifiek is getraind op biologische onderzoeksworkflows. Dit model, GPT-Rosalind, is ontworpen om onderzoekers te helpen bij het navigeren door enorme datasets en gespecialiseerde vakliteratuur, wat de snelheid van ontdekkingen in life sciences en aanverwante sectoren kan verhogen.

Wat er aan de hand is

OpenAI heeft GPT-Rosalind aangekondigd, een groottaalmodel dat is afgestemd op de biologie. Volgens het bedrijf in een persbriefing is het model getraind op vijftig van de meest voorkomende biologische onderzoeksworkflows en op het toegang krijgen tot grote publieke databases met biologische informatie. Het doel is twee belangrijke knelpunten in het onderzoek aan te pakken: de overweldigende hoeveelheid data uit decennia van genoomsequencing en eiwitbiochemie, en de gespecialiseerde jargonbarrière tussen verschillende subdisciplines binnen de biologie. Het model kan, volgens OpenAI’s Life Sciences Product Lead Yunyun Wang, biologische pathways suggereren en potentiële medicijndoelen prioriteren door genotype aan fenotype te koppelen via bekende mechanismen.

Wat dit betekent

Dit betekent een verschuiving van generieke AI-hulpmiddelen naar domeinspecifieke modellen die diepgaande vakinhoud begrijpen. Voor bedrijven in de life sciences, agrofood, farmacie en medische technologie in Nederland kan dit de ontwikkeltijd van nieuwe producten verkorten. Onderzoekers en R&D-teams krijgen een tool die helpt bij het synthetiseren van kennis uit verschillende gespecialiseerde velden, zoals genetica en neurobiologie. Dit kan leiden tot snellere doorbraken in bijvoorbeeld gewasveredeling, diagnostiek of de ontwikkeling van biobased materialen. Voor innovatieve MKB’ers in deze sectoren wordt geavanceerde data-analyse zo toegankelijker, zonder dat ze zelf een team van bio-informatici in huis hoeven te hebben.

Hoe je dit kunt toepassen

De praktische toepassing hangt sterk af van jouw specifieke situatie binnen de innovatiesector. Het model is primair gericht op ondersteuning van biologisch en biomedisch onderzoek.

Als je een innovatief bedrijf runt in de agrofood-sector, bijvoorbeeld in gewasveredeling of de ontwikkeling van alternatieve eiwitten, zou je kunnen onderzoeken of een gespecialiseerd model als GPT-Rosalind je R&D-team kan helpen bij het analyseren van genetische data van planten of micro-organismen. Een mogelijkheid is om het in te zetten voor het doorzoeken van wetenschappelijke literatuur naar genen die betrokken zijn bij droogtetolerantie of opbrengst, wat het veredelingsproces kan stroomlijnen.

Als je werkt in de medische technologie of diagnostiek, bijvoorbeeld aan nieuwe testmethoden, overweeg dan hoe AI die biologische pathways begrijpt, kan helpen bij het identificeren van nieuwe biomarker-kandidaten in complexe datasets. Je zou het kunnen gebruiken als een geavanceerde onderzoeksassistent om verbanden te leggen tussen verschillende studies, wat kan leiden tot een scherpere onderzoeksvraag en een efficiëntere experimentopzet.

Als je investeert in of samenwerkt met life sciences-startups, is het verstandig om te vragen naar hun stack van AI-hulpmiddelen. De komst van domeinspecifieke modellen zoals deze verhoogt de lat voor wat mogelijk is in data-gedreven ontdekking. Het begrijpen of een startup dergelijke tools effectief inzet, kan een indicator zijn voor hun technologische scherpte en potentieel om sneller tot validatie te komen.

Bron: Arstechnica