OpenAI heeft een groot taalmodel gelanceerd dat specifiek is getraind op veelvoorkomende biologische workflows. Dit model, GPT-Rosalind, is bedoeld om onderzoekers te helpen bij het verwerken van enorme datasets uit genomics en eiwitbiochemie, en om de kloof te overbruggen tussen gespecialiseerde deelgebieden van de biologie. Voor MKB-ondernemers in life sciences, food en agri opent dit de deur naar AI-ondersteuning die verder gaat dan algemene tekstverwerking.
Wat er aan de hand is
Op donderdag kondigde OpenAI de beschikbaarheid aan van GPT-Rosalind, een large language model dat is getraind op vijftig van de meest voorkomende biologische workflows. Het model is vernoemd naar Rosalind Franklin, de wetenschapper wiens werk cruciaal was voor de ontdekking van de DNA-structuur. Volgens Yunyun Wang, OpenAI’s Life Sciences Product Lead, richt het model zich op twee grote obstakels voor biologisch onderzoek: de overweldigende hoeveelheid data uit jaren van genoomsequencing en eiwitbiochemie, en de hoge specialisatie van deelgebieden. Een geneticus die bijvoorbeeld een gen in hersencellen bestudeert, kan moeite hebben met de neurobiologische literatuur. GPT-Rosalind is getraind om toegang te krijgen tot grote openbare biologische databases en kan suggesties doen voor biologische routes en prioritering van mogelijke medicijndoelen. Wang stelt dat het systeem genotype aan fenotype koppelt via bekende routes en regulatiemechanismen, en functionele eigenschappen van eiwitten kan afleiden.
Wat dit betekent
Voor MKB-bedrijven in sectoren zoals life sciences, foodtechnologie en agrarische biotechnologie betekent dit dat AI niet langer alleen een algemeen hulpmiddel is, maar een gespecialiseerde assistent die diepgaande biologische kennis kan toepassen. Waar algemene LLM’s zoals GPT-4 breed inzetbaar zijn maar oppervlakkig blijven in specifieke domeinen, is GPT-Rosalind ontworpen om de taal en methoden van de biologie te begrijpen. Dit kan de drempel verlagen voor kleinere bedrijven die geen groot team van bio-informatici of literatuuronderzoekers in dienst hebben. Het model kan helpen bij het interpreteren van complexe datasets, het vinden van relevante publicaties en het genereren van hypothesen, zonder dat je zelf een expert hoeft te zijn in elk deelgebied.
Hoe je dit kunt toepassen
Als je een klein bedrijf runt in de functionele voedingsmiddelen of supplementen. Je onderzoekt bijvoorbeeld de gezondheidseffecten van een nieuw plantenextract. Je zou GPT-Rosalind kunnen gebruiken om snel bestaande literatuur over de bioactieve stoffen in die plant te doorzoeken, inclusief studies naar metabolische routes en eiwitinteracties. Het model kan je helpen om te bepalen welke werkingsmechanismen al bekend zijn en waar nog gaten in de kennis zitten, zonder dat je dagenlang in PubMed hoeft te graven.
Als je een MKB bent in de agrarische biotechnologie, bijvoorbeeld zaadveredeling. Je werkt aan een gewas dat beter bestand is tegen droogte. Een mogelijkheid is om GPT-Rosalind te vragen naar bekende genen die betrokken zijn bij droogtetolerantie in verwante soorten, en hoe die genen via eiwitnetwerken functioneren. Het model kan suggesties doen voor welke genen je zou kunnen aanpassen of welke kruisingen veelbelovend zijn, gebaseerd op openbare databases.
Als je een startup hebt in de diagnostiek of personalized medicine. Je ontwikkelt een test die bepaalde genetische varianten koppelt aan medicijnrespons. Overweeg om GPT-Rosalind te gebruiken om de biologische paden te identificeren die door die varianten worden beïnvloed. Het model kan prioriteren welke eiwitten of routes het meest relevant zijn voor je test, en je wijzen op relevante literatuur die je anders misschien zou missen vanwege de specialisatie in een ander deelgebied.
Als je een klein team hebt dat werkt aan enzymontwikkeling voor industriële toepassingen, zoals biobrandstoffen of afvalverwerking. Je zou het model kunnen inzetten om de functionele eigenschappen van kandidaat-enzymen te voorspellen op basis van hun sequentie. GPT-Rosalind kan je helpen om te bepalen welk enzym waarschijnlijk het meest stabiel of actief is onder jouw specifieke procesomstandigheden, door gebruik te maken van bestaande eiwitdatabases en biochemische kennis.
Bron: Arstechnica (https://arstechnica.com/science/2026/04/openai-starts-offering-a-biology-tuned-llm/)