OpenAI heeft een nieuw AI-model gelanceerd dat specifiek is getraind op biologische workflows. GPT-Rosalind, vernoemd naar wetenschapper Rosalind Franklin, kan onderzoekers helpen om grote datasets te doorzoeken en specialistische vakliteratuur te begrijpen. Voor Nederlandse biotech-startups en MKB-labbedrijven betekent dit een kans om onderzoekskosten te verlagen en doorlooptijden te verkorten.

Wat er aan de hand is

Op donderdag kondigde OpenAI de beschikbaarheid aan van GPT-Rosalind, een groot taalmodel dat is getraind op vijftig veelvoorkomende biologische workflows. Het model kan volgens OpenAI toegang krijgen tot grote openbare databases met biologische informatie, zoals genoomsequenties en eiwitstructuren. In een persbriefing zei Yunyun Wang, OpenAI’s Life Sciences Product Lead, dat het systeem is ontworpen om twee grote obstakels voor biologisch onderzoekers aan te pakken: de overweldigende hoeveelheid data uit decennia van genoomsequencing en eiwitbiochemie, en de enorme specialisatie binnen deelgebieden van de biologie. Een geneticus die bijvoorbeeld werkt aan een gen dat actief is in hersencellen, kan volgens Wang moeite hebben om de neurobiologische literatuur te doorgronden. GPT-Rosalind moet dat soort drempels verlagen door suggesties te doen voor biologische routes en prioritering van mogelijke medicijndoelen.

Wat dit betekent

Voor Nederlandse biotech-startups en MKB-labbedrijven kan GPT-Rosalind een verschuiving betekenen in hoe onderzoek wordt gedaan. Waar voorheen een team van specialisten nodig was om door honderden papers en datasets te ploegen, kan een AI-model nu in korte tijd verbanden leggen tussen genotype en fenotype, en eiwitstructuren of functionele eigenschappen voorspellen. Dit is vooral relevant voor kleinere bedrijven die niet de middelen hebben om een groot team van bio-informatici of literatuurspecialisten in dienst te houden. Het model kan de tijd die nodig is voor de eerste verkennende fase van onderzoek aanzienlijk verkorten. Volgens OpenAI is het model getraind op het begrijpen van de specifieke technieken en jargon van verschillende biologische subvelden, wat betekent dat het ook bruikbaar is voor onderzoekers die niet dagelijks in een bepaald domein werken.

Hoe je dit kunt toepassen

Als je een biotech-startup runt die zich richt op drug discovery. Je zou GPT-Rosalind kunnen gebruiken om in een vroeg stadium mogelijke medicijndoelen te prioriteren. Het model kan op basis van openbare databases suggesties doen voor biologische routes die relevant zijn voor een bepaalde ziekte. Dit bespaart tijd in de literatuurstudie en helpt je team om sneller te bepalen welke eiwitten of genen het meest veelbelovend zijn om verder te onderzoeken. Een mogelijkheid is om het model te vragen naar bekende interacties tussen een nieuw ontdekt eiwit en bestaande medicijnen, zonder dat je zelf alle papers hoeft door te spitten.

Als je een MKB-lab runt dat gespecialiseerd is in genetische diagnostiek. Overweeg om GPT-Rosalind in te zetten bij het interpreteren van sequentiedata. Het model kan volgens OpenAI verbanden leggen tussen genotype en fenotype via bekende routes en regulatiemechanismen. Dit kan helpen bij het beoordelen van de klinische relevantie van genetische varianten. Je zou het model bijvoorbeeld kunnen vragen om een lijst van publicaties te vinden die een bepaalde mutatie koppelen aan een specifieke aandoening, en vervolgens een samenvatting te geven van de belangrijkste bevindingen.

Als je een onderzoeker bent die werkt in een niche-subveld van de biologie. GPT-Rosalind kan je helpen om snel inzicht te krijgen in literatuur uit aangrenzende specialismen. Stel dat je als geneticus een gen bestudeert dat ook een rol speelt in de neurobiologie. Je kunt het model vragen om de belangrijkste neurobiologische mechanismen uit te leggen die relevant zijn voor jouw gen, zonder dat je weken hoeft te besteden aan het lezen van inleidende tekstboeken. Een optie is om het model te vragen een overzicht te maken van de belangrijkste signaalroutes waarin het gen betrokken is, inclusief verwijzingen naar de onderliggende publicaties.

Als je een labmanager bent die de efficiëntie van je team wil verbeteren. Je zou GPT-Rosalind kunnen inzetten als een eerste filter voor onderzoeksvragen. In plaats van dat elke onderzoeker zelf door databases en literatuur moet zoeken, kan het model een eerste analyse doen en de meest relevante informatie presenteren. Dit kan de doorlooptijd van onderzoeksprojecten verkorten, vooral in de verkennende fase. Een mogelijkheid is om een standaardwerkwijze te ontwikkelen waarbij het model bij elk nieuw project een literatuurscan en een database-analyse uitvoert, voordat het team aan de experimentele fase begint.

Bron: Arstechnica (https://arstechnica.com/science/2026/04/openai-starts-offering-a-biology-tuned-llm/)