OpenAI heeft GPT-Rosalind gelanceerd, een groot taalmodel dat specifiek is getraind op veelvoorkomende biologische workflows. Dit betekent dat MKB-biotechbedrijven zonder eigen AI-experts nu toegang hebben tot een tool die hen kan helpen onderzoekskosten te verlagen en doorlooptijden te verkorten.

Wat er aan de hand is

Op donderdag kondigde OpenAI de ontwikkeling aan van GPT-Rosalind, een groot taalmodel dat specifiek is getraind op biologische werkprocessen. Het model is vernoemd naar Rosalind Franklin, de scheikundige wiens werk cruciaal was voor het ontdekken van de DNA-structuur. Volgens Yunyun Wang, OpenAI’s Life Sciences Product Lead, is het systeem ontworpen om twee grote obstakels voor biologisch onderzoek aan te pakken. Ten eerste de enorme datasets die zijn ontstaan door decennia van genoomsequencing en eiwitbiochemie, die te groot zijn voor één onderzoeker om te verwerken. Ten tweede de vele sterk gespecialiseerde deelgebieden binnen de biologie, elk met eigen technieken en jargon. Een geneticus die werkt aan een gen dat actief is in hersencellen, kan bijvoorbeeld moeite hebben met de immense neurobiologische literatuur. Wang stelt dat OpenAI een LLM heeft getraind op 50 van de meest voorkomende biologische workflows en op hoe het de belangrijkste openbare databases met biologische informatie kan raadplegen. Verdere training heeft geresulteerd in een systeem dat waarschijnlijke biologische routes kan voorstellen en potentiële medicijndoelen kan prioriteren.

Wat dit betekent

Voor Nederlandse MKB-biotechbedrijven betekent dit een mogelijke verschuiving in hoe onderzoek wordt gedaan. Waar voorheen dure AI-experts of uitgebreide eigen datasets nodig waren, biedt GPT-Rosalind een kant-en-klare oplossing. Het model is getraind op openbare databases en standaard workflows, waardoor het laagdrempelig inzetbaar is. Dit is vooral relevant voor bedrijven die werken aan medicijnontwikkeling, gepersonaliseerde geneeskunde of agrarische biotechnologie. De impact zit hem in tijdwinst: waar een onderzoeker dagen of weken bezig is met het doornemen van literatuur of het identificeren van eiwitstructuren, kan GPT-Rosalind dat in minuten doen. Dit verlaagt de onderzoekskosten aanzienlijk, omdat er minder uren worden besteed aan data-analyse en literatuuronderzoek.

Hoe je dit kunt toepassen

Als je een klein biotechbedrijf runt dat zich richt op het identificeren van nieuwe medicijndoelen, overweeg om GPT-Rosalind te gebruiken om snel eiwitstructuren te analyseren. Het model kan op basis van genoomdata voorspellen welke eiwitten een rol spelen bij een bepaalde ziekte. Je zou kunnen beginnen met het invoeren van een gen dat je onderzoekt en het model vragen om de waarschijnlijke biologische routes en interacties te beschrijven. Dit kan je helpen om in een vroeg stadium de meest veelbelovende doelen te selecteren, zonder dat je weken aan literatuuronderzoek hoeft te besteden.

Als je een team aanstuurt dat werkt aan gepersonaliseerde geneeskunde, kun je GPT-Rosalind inzetten om de kloof tussen genotype en fenotype te overbruggen. Het model is getraind om via bekende routes en regulatiemechanismen verbanden te leggen tussen genetische variaties en hun effecten. Een mogelijkheid is om het model te vragen naar de functionele gevolgen van een specifieke mutatie, gebaseerd op de beschikbare data in openbare databases. Dit kan je team helpen om sneller te bepalen welke patiënten baat hebben bij een bepaalde behandeling.

Als je in de agrarische biotechnologie werkt, bijvoorbeeld aan gewasverbetering, kun je GPT-Rosalind gebruiken om de eigenschappen van eiwitten te voorspellen die betrokken zijn bij droogtetolerantie of resistentie tegen plagen. Het model kan op basis van sequenties de waarschijnlijke structurele of functionele eigenschappen van die eiwitten afleiden. Je zou kunnen overwegen om een lijst van kandidaatgenen in te voeren en het model te vragen om de meest veelbelovende te prioriteren op basis van mechanistische inzichten.

Als je een onderzoeksafdeling hebt die worstelt met de hoeveelheid beschikbare literatuur, gebruik GPT-Rosalind dan als een geavanceerde literatuurassistent. Het model is getraind op biologische workflows en kan je helpen om snel de relevante informatie uit honderden artikelen te destilleren. Een optie is om het model een specifieke onderzoeksvraag te stellen, zoals ‘wat is de huidige stand van kennis over de rol van eiwit X in Alzheimer?’, en het de antwoorden te laten baseren op de openbare databases en literatuur die het heeft verwerkt.

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