De reis van een laboratoriumhypothese naar een apotheekschap is een van de meest slopende marathons in de moderne industrie, die doorgaans tien tot vijftien jaar en miljarden dollars aan investeringen beslaat.
Vooruitgang wordt vaak niet alleen belemmerd door de inherente mysteries van de biologie, maar ook door de ‘gefragmenteerde en moeilijk op te schalen’ workflows die onderzoekers dwingen handmatig te schakelen tussen de feitelijke experimentele ontwerpapparatuur, software en databases.
Maar OpenAI brengt een nieuw gespecialiseerd model uit GPT-Rosalind specifiek om dit proces te versnellen en efficiënter, gemakkelijker en idealiter productiever te maken. Vernoemd naar de baanbrekende scheikundige Rosalind Franklin, wiens werk essentieel was voor de ontdekking van de DNA-structuur (en vaak over het hoofd werd gezien door haar mannelijke collega’s James Watson en Francis Crick), is dit nieuwe grensverleggende redeneermodel speciaal gebouwd om te fungeren als een gespecialiseerde intelligentielaag voor onderzoek in de levenswetenschappen.
Door de rol van AI te verschuiven van een assistent voor algemene doeleinden naar een domeinspecifieke ‘redeneringspartner’, signaleert OpenAI een langetermijnengagement voor biologische en chemische ontdekkingen.
Wat GPT-Rosalind biedt
GPT-Rosalind gaat niet alleen over het sneller genereren van tekst; het is ontworpen om bewijsmateriaal te synthetiseren, biologische hypothesen te genereren en experimenten te plannen – taken die traditioneel jaren van deskundige menselijke synthese vereisten.
In de kern is GPT-Rosalind de eerste in een nieuwe reeks modellen die zijn geoptimaliseerd voor wetenschappelijke workflows. Terwijl eerdere versies van GPT uitblonken in algemene taaltaken, is dit model verfijnd voor een dieper begrip van genomica, eiwittechnologie en chemie.
Om de mogelijkheden ervan te valideren, heeft OpenAI het model getest aan de hand van verschillende branchebenchmarks. Op BixBench, een maatstaf voor bio-informatica en data-analyse in de echte wereld, behaalde GPT-Rosalind toonaangevende prestaties onder de modellen met gepubliceerde scores.
Bij meer gedetailleerde testen via LABBench2 presteerde het model beter dan GPT-5.4 op zes van de elf taken, waarbij de grootste winst te zien was in CloningQA – een taak die het end-to-end ontwerp van reagentia voor moleculaire kloneringsprotocollen vereist.
Het meest opvallende prestatiesignaal van het model kwam voort uit een samenwerking met Dyno Therapeutics. In een evaluatie waarbij gebruik werd gemaakt van niet-gepubliceerde, “niet-verontreinigde” RNA-sequenties, kreeg GPT-Rosalind de taak om de sequentie-naar-functie te voorspellen en te genereren.
Bij directe evaluatie in de Codex-omgeving scoorden de inzendingen van het model boven het 95e percentiel van menselijke experts op het gebied van voorspellingstaken en bereikten ze het 84e percentiel voor het genereren van sequenties.
Dit niveau van expertise suggereert dat het model kan dienen als een medewerker op hoog niveau die in staat is om ‘expert-relevante patronen’ te identificeren die generalistische modellen vaak over het hoofd zien.
De nieuwe laboratoriumworkflow
OpenAI brengt niet alleen een model uit; het lanceert een ecosysteem dat is ontworpen om te integreren met de tools die wetenschappers al gebruiken. Centraal hierin staat een nieuw Life Sciences-onderzoeksplug-in voor Codex, beschikbaar op GitHub.
Wetenschappelijk onderzoek is beroemd in silo’s. Voor één enkel project kan het nodig zijn dat een onderzoeker een database met eiwitstructuren raadpleegt, twintig jaar aan klinische literatuur doorzoekt en vervolgens een afzonderlijk hulpmiddel voor sequentiemanipulatie gebruikt. De nieuwe plug-in fungeert als een ‘orkestratielaag’ en biedt een uniform startpunt voor deze uit meerdere stappen bestaande vragen.
-
Vaardigheidsset: Het pakket omvat modulaire vaardigheden voor biochemie, menselijke genetica, functionele genomica en klinisch bewijs.
-
Connectiviteit: Het verbindt modellen met meer dan 50 openbare multi-omics-databases en literatuurbronnen.
-
Efficiëntie: Deze aanpak richt zich op ‘lange horizon, gereedschapszware wetenschappelijke workflows’, waardoor onderzoekers herhaalbare taken kunnen automatiseren, zoals het opzoeken van eiwitstructuren en het zoeken naar sequenties.
Beperkte en afgesloten toegang
Gezien de potentiële kracht van een model dat biologische structuren opnieuw kan ontwerpen, schuwt OpenAI een brede “open source” of algemene publieke release ten gunste van een Trusted Access-programma.
Het model wordt gelanceerd als onderzoekspreview, specifiek voor gekwalificeerde Enterprise-klanten in de Verenigde Staten. Deze beperkte implementatie is gebaseerd op drie kernprincipes: nuttig gebruik, sterk bestuur en gecontroleerde toegang.
Organisaties die om toegang verzoeken, moeten een kwalificatie- en veiligheidsbeoordeling ondergaan om ervoor te zorgen dat zij legitiem onderzoek uitvoeren met een duidelijk openbaar voordeel.
In tegenstelling tot modellen voor algemeen gebruik is GPT-Rosalind ontwikkeld met verhoogde beveiligingscontroles op bedrijfsniveau. Voor de eindgebruiker betekent dit:
-
Beperkte toegang: Gebruik is beperkt tot goedgekeurde gebruikers binnen veilige, goed beheerde omgevingen.
-
Bestuur: Deelnemende organisaties moeten strikte controles op de preventie van misbruik handhaven en akkoord gaan met specifieke preview-voorwaarden voor onderzoek op het gebied van de levenswetenschappen.
-
Kosten: Tijdens de previewfase zal het model geen bestaande credits of tokens verbruiken, waardoor onderzoekers kunnen experimenteren zonder onmiddellijke budgettaire beperkingen (onder voorbehoud van misbruikbeveiligingen).
Warme ontvangst door initiële industriële partners
De aankondiging kreeg veel steun van OpenAI-partners in de farmaceutische en technologische sector.
Sean Bruich, SVP AI en Data bij Amgen, merkte op dat de samenwerking het bedrijf in staat stelt geavanceerde tools toe te passen op manieren die “de manier waarop we medicijnen aan patiënten afleveren kunnen versnellen”. De impact is ook voelbaar in de gespecialiseerde technische infrastructuur die laboratoria ondersteunt:
-
NVIDIA: Kimberly Powell, vicepresident gezondheidszorg en biowetenschappen, beschreef de convergentie van domeinredenering en versneld computergebruik als een manier om “jarenlange traditionele R&D te comprimeren in onmiddellijke, bruikbare wetenschappelijke inzichten”.
-
Modern: CEO Stéphane Bancel benadrukte het vermogen van het model om “complex biologisch bewijsmateriaal te doorgronden” om teams te helpen inzichten te vertalen naar experimentele workflows.
-
Het Allen Instituut: CTO Andy Hickl benadrukte dat GPT-Rosalind zich onderscheidt door het ‘consequent en herhaalbaar maken van handmatige stappen – zoals het vinden en afstemmen van gegevens – in een agentische workflow’.
Dit bouwt voort op tastbare resultaten die OpenAI al in het veld heeft gezien, zoals de samenwerking met Ginkgo Bioworks, waar AI-modellen hebben bijgedragen aan een verlaging van de eiwitproductiekosten met 40%.
Wat is de toekomst voor Rosalind en OpenAI in de levenswetenschappen?
De missie van OpenAI met GPT-Rosalind is om de kloof te verkleinen tussen een ‘veelbelovend wetenschappelijk idee’ en het daadwerkelijke ‘bewijs, experimenten en beslissingen’ die nodig zijn voor medische vooruitgang.
Door samen te werken met instellingen als het Los Alamos National Laboratory om AI-gestuurd katalysatorontwerp en biologische structuurmodificatie te onderzoeken, positioneert het bedrijf GPT-Rosalind als meer dan alleen een hulpmiddel: het is bedoeld als een ‘capabele partner in ontdekking’.
Nu het veld van de levenswetenschappen steeds meer gegevens bevat, kan de beweging naar gespecialiseerde ‘redeneermodellen’ zoals Rosalind de standaard worden voor het navigeren door de ‘enorme zoekruimtes’ van de biologie en scheikunde.
