OpenAI heeft een AI-model gelanceerd dat specifiek is getraind op biologische workflows, waardoor kleine bedrijven in life sciences en agritech zonder eigen datawetenschappers toegang krijgen tot geavanceerde biologische analyses. Het model, GPT-Rosalind, kan helpen bij het doorzoeken van enorme genetische databases, het begrijpen van gespecialiseerde vakliteratuur en het prioriteren van potentiële medicijndoelen.
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 is vernoemd naar Rosalind Franklin, de Britse scheikundige wier werk cruciaal was voor de ontdekking van de DNA-structuur. Volgens Yunyun Wang, OpenAI’s Life Sciences Product Lead, lost het model twee grote problemen op voor biologisch onderzoekers: de overweldigende hoeveelheid data uit genoomsequencing en eiwitbiochemie, en de versnippering van de biologie in sterk gespecialiseerde deelgebieden met eigen technieken en jargon. GPT-Rosalind is getraind om toegang te krijgen tot de belangrijkste openbare databases met biologische informatie, en kan volgens OpenAI biologische routes suggereren en mogelijke medicijndoelen prioriteren. Het bedrijf stelt dat het model genotype aan fenotype koppelt via bekende routes en regulatiemechanismen, en waarschijnlijke structurele of functionele eigenschappen van eiwitten kan afleiden.
Wat dit betekent
Voor Nederlandse MKB-bedrijven in de life sciences en agritech opent dit nieuwe mogelijkheden. Waar grote farmaceuten en onderzoeksinstellingen al jaren eigen AI-teams hebben, kunnen kleinere bedrijven nu zonder dure infrastructuur of gespecialiseerde datawetenschappers gebruikmaken van een model dat is toegespitst op hun vakgebied. Een bedrijf dat bijvoorbeeld werkt aan gewasverbetering of diergezondheid kan met GPT-Rosalind snel relevante informatie uit wetenschappelijke publicaties en databases halen, zonder dat een medewerker wekenlang door vakliteratuur moet spitten. Ook voor bedrijven die zich bezighouden met diagnostiek of het ontwikkelen van natuurlijke producten kan het model helpen om sneller verbanden te leggen tussen genetische data en praktische toepassingen.
Hoe je dit kunt toepassen
Als je een klein biotechbedrijf runt dat werkt aan nieuwe medicijndoelen. Je zou GPT-Rosalind kunnen gebruiken om een lijst van honderden mogelijke eiwitdoelen te laten prioriteren op basis van beschikbare literatuur en databases. In plaats van dat een postdoc wekenlang handmatig papers doorneemt, kun je het model vragen om de meest veelbelovende kandidaten te selecteren op basis van criteria zoals bekende bijwerkingen of weefsel-specificiteit. Een mogelijkheid is om het model te voeden met je eigen onderzoeksdata en te vragen naar overlappende routes in bestaande publicaties.
Als je in de agritech werkt aan gewasveredeling. Overweeg om GPT-Rosalind in te zetten om genetische sequenties van gewassen te koppelen aan eigenschappen zoals droogtetolerantie of resistentie tegen ziektes. Het model kan je helpen om te begrijpen welke genen in andere plantensoorten al zijn onderzocht voor vergelijkbare eigenschappen, en welke experimenten al zijn gedaan. Je zou het model kunnen vragen om een overzicht te maken van bekende regulatiemechanismen voor een specifiek gen dat je wilt aanpassen.
Als je een diagnostisch bedrijf hebt dat werkt aan nieuwe biomarkers. Je zou GPT-Rosalind kunnen gebruiken om patronen te herkennen in grote datasets van patiëntmonsters. Het model kan suggesties doen voor welke eiwitten of metabolieten mogelijk correleren met een bepaalde aandoening, op basis van wat er in de wetenschappelijke literatuur bekend is. Een optie is om het model te vragen om een shortlist te maken van biomarkers die al in andere contexten zijn gevalideerd, zodat je niet vanaf nul hoeft te beginnen.
Als je een startup bent in de voedingsmiddelentechnologie. Overweeg om GPT-Rosalind te gebruiken om de functionele eigenschappen van plantaardige eiwitten te voorspellen. Het model kan op basis van sequentie-informatie suggesties doen voor welke eiwitten geschikt zijn voor toepassingen zoals emulgeren of schuimen, zonder dat je dure laboratoriumtesten hoeft uit te voeren. Je zou het model kunnen vragen om een lijst te maken van eiwitten uit bijproducten van de landbouw die mogelijk interessant zijn voor vleesvervangers.
Bron: Arstechnica