Einführung von GPT-Rosalind für die Forschung in den Lebenswissenschaften. Ein neues, speziell entwickeltes Modell zur Beschleunigung der wissenschaftlichen Forschung und der Entwicklung neuer Medikamente.
Heute stellen wir GPT-Rosalind vor, unser innovatives Modell für wissenschaftliches Denken, das die Forschung in den Bereichen Biologie, Wirkstoffentwicklung und trans-lationale Medizin unterstützt. Die Modellreihe für die Lebenswissenschaften ist für wissen-schaftliche Arbeitsabläufe optimiert und kombiniert eine verbesserte Werkzeugnutzung mit einem tieferen Verständnis in Chemie, Protein-Engineering und Genomik.
Im Durchschnitt dauert es in den USA etwa 10 bis 15 Jahre von der Zielidentifizierung bis zur Zulassung eines neuen Medikaments. Fortschritte in den frühesten Phasen der Wirkstoffforschung führen zu einer besseren Zielauswahl, fundierteren biologischen Hypothesen und qualitativ hochwertigeren Experimenten. Der Fortschritt in den Lebenswissenschaften wird nicht nur durch die Schwierigkeit der zugrundeliegenden Wissenschaft, sondern auch durch die Komplexität der Forschungsabläufe selbst eingeschränkt. Wissenschaftler müssen große Mengen an Literatur, spezialisierte Datenbanken, experimentelle Daten und sich entwickelnde Hypothesen auswerten, um neue Ideen zu generieren und zu bewerten. Diese Arbeitsabläufe sind oft zeitaufwändig, fragmentiert und schwer skalierbar.
Wir sind überzeugt, dass fortschrittliche KI-Systeme Forschenden helfen können, diese Arbeitsabläufe schneller zu durchlaufen – nicht nur, indem sie bestehende Aufgaben effizienter gestalten, sondern auch, indem sie Wissenschaftlerinnen und Wissenschaftler dabei unterstützen, mehr Möglichkeiten zu erkunden, Zusammenhänge aufzudecken, die sonst übersehen würden, und schneller zu besseren Hypothesen zu gelangen. Durch die Unterstützung von Evidenzsynthese, Hypothesengenerierung, Versuchsplanung und anderen mehrstufigen Forschungsaufgaben ist dieses Modell darauf ausgelegt, Forschenden zu helfen, die frühen Phasen der Entdeckung zu beschleunigen. Langfristig könnten diese Systeme Organisationen der Lebenswissenschaften helfen, bahnbrechende Erkenntnisse zu gewinnen, die sonst nicht möglich wären, und zwar mit einer deutlich höheren Erfolgsquote.
GPT-Rosalind ist ab sofort als Forschungsvorschau in ChatGPT, Codex und der API für qualifizierte Kunden im Rahmen unseres Programms für vertrauenswürdigen Zugang verfügbar. Wir stellen außerdem ein kostenloses Life-Sciences-Forschungs-Plugin für Codex vor, das Wissenschaftlern die Anbindung von Modellen an über 50 wissenschaftliche Tools und Datenquellen ermöglicht. Gemeinsam mit Kunden wie Amgen, Moderna, dem Allen Institute, Thermo Fisher Scientific und anderen arbeiten wir daran, GPT-Rosalind in Workflows zu integrieren, die Forschung und Entdeckung beschleunigen.
Das Modell ist nach Rosalind Franklin benannt, deren akribische Forschung dazu beitrug, die Struktur der DNA aufzudecken und die Grundlagen für die moderne Molekularbiologie legte.
Von Rohdaten bis hin zu fundierten Erkenntnissen – erfahren Sie, wie unser speziell entwickeltes Modell Forschungsabläufe beschleunigt.
Entwickelt für wissenschaftliche Arbeitsabläufe
Die GPT-Rosalind-Modellreihe für die Lebenswissenschaften ist für moderne wissenschaftliche Arbeiten mit veröffentlichten Daten, Werkzeugen und Experimenten konzipiert. In unseren Evaluierungen erzielt sie die besten Ergebnisse bei Aufgaben, die das Verständnis von Molekülen, Proteinen, Genen, Signalwegen und krankheitsrelevanten biologischen Prozessen erfordern. Zudem ist sie besonders effektiv bei der Nutzung wissenschaftlicher Werkzeuge und Datenbanken in mehrstufigen Arbeitsabläufen wie Literaturrecherche, Sequenz-Funktions-Interpretation, Versuchsplanung und Datenanalyse.
Dies ist die erste Version unserer GPT-Rosalind-Modellreihe für die Lebenswissenschaften. Wir werden die biochemischen Analysefähigkeiten des Modells kontinuierlich erweitern und es so für komplexe, werkzeugintensive wissenschaftliche Arbeitsabläufe mit großem Zeithorizont optimieren. Die Recheninfrastruktur von OpenAI ermöglicht es uns, immer leistungsfähigere Domänenmodelle anhand realer wissenschaftlicher Aufgaben zu trainieren, zu evaluieren und zu verbessern. Dadurch werden diese Systeme auch mit zunehmender Komplexität der Arbeitsabläufe immer nützlicher.
Von evidenzbasierten Entdeckungserkenntnissen bis hin zu wirkungsvollen Experimenten – sehen Sie, wie unsere Lösungssuite zu messbaren Verbesserungen Ihrer Forschungsabläufe führt.
Kunden und Ökosystem
Wir arbeiten mit führenden Pharma-, Biotechnologie- und Forschungskunden sowie mit Life-Sciences-Technologieorganisationen zusammen, um GPT-Rosalind in Arbeitsabläufen anzuwenden, die die Forschung vorantreiben.
AmgenNovo NordiskThermo Fisher ScientificModernaOracle Health and Life SciencesNVIDIAAllen-InstitutBankdrückenUCSF School of Pharmacy
„Die Biowissenschaften erfordern Präzision in jedem Schritt. Die Fragestellungen sind hochkomplex, die Daten einzigartig und es steht unglaublich viel auf dem Spiel. Unsere einzigartige Zusammenarbeit mit OpenAI ermöglicht es uns, deren fortschrittlichste Fähigkeiten und Werkzeuge auf neue und innovative Weise einzusetzen, mit dem Potenzial, die Medikamentenversorgung von Patienten zu beschleunigen.“ —Sean Bruich, Senior Vice President für Künstliche Intelligenz und Daten, Amgen
Leistung und Bewertung
GPT-Rosalind verbessert die Benchmarks in den Kernfächern Biologie und Chemie.
Wir evaluierten GPT-Rosalind hinsichtlich einer Reihe von Fähigkeiten, die für wissenschaftliche Entdeckungen und industrielle Forschung von grundlegender Bedeutung sind. Diese Evaluierungen messen das Kernverständnis in verschiedenen wissenschaftlichen Teilbereichen, darunter chemische Reaktionsmechanismen, Proteinstruktur, Mutationseffekte und -interaktionen sowie die phylogenetische Interpretation von DNA-Sequenzen. Sie bewerten außerdem, ob die Modelle reale Forschungsabläufe unterstützen können, indem sie experimentelle Ergebnisse interpretieren, expertenrelevante Muster identifizieren und externe Informationen synthetisieren, um Folgeexperimente zu planen. Schließlich testen wir, ob die Modelle die richtigen Computerwerkzeuge, Datenbanken und domänenspezifischen Fähigkeiten auswählen und nutzen können, um ihr Verständnis zu erweitern. Zusammengenommen zeigen diese Evaluierungen Fortschritte im gesamten wissenschaftlichen Forschungsprozess und deuten auf eine verbesserte Fähigkeit hin, Forschende bei der Bewältigung anspruchsvoller Entdeckungsaufgaben zu unterstützen.
Prompt
Ich plane eine basenkatalysierte SNAr-Kupplung von 1-(Pyridin-3-yl)ethanol mit 1-Fluor-2-nitrobenzol zur Synthese von 1-(Pyridin-3-yl)ethyl-2-nitrophenylether. Ich habe mehrere Patente gefunden, die die O-Arylierung von Alkoholen in DMF/Cs₂CO₃ bei Raumtemperatur beschreiben, aber die Reaktion dauert länger als gewünscht. Wie kann ich die Reaktionsgeschwindigkeit verbessern? Können Sie mir bitte auch relevante Literatur oder Patente empfehlen?
Branchenbewertungen
Wir evaluierten GPT-Rosalind anhand einer Reihe öffentlicher Benchmarks. Auf BixBench, einem Benchmark, der auf realen bioinformatischen Anwendungen und Datenanalysen basiert, erzielte GPT-Rosalind unter den Modellen mit veröffentlichten Ergebnissen die beste Leistung.
GPT-Rosalind führt die Leistungswertung auf BixBench an.
Gemini 3.1 ProGPT5GPT5.2Grok 4.2GPT5.4GPT-RosalindEvaluated against other models withavailable access.00.20.40.60.8Pass@10.5500.7280.6110.6980.7320.751
Auf LABBench2, einem Benchmark zur Messung der Leistung bei verschiedenen Forschungsaufgaben wie Literaturrecherche, Datenbankzugriff, Sequenzmanipulation und Protokollentwicklung, übertrifft GPT-Rosalind GPT-5.4 bei 6 von 11 Aufgaben. Die deutlichste Verbesserung zeigt sich bei CloningQA, das die vollständige Entwicklung von DNA- und Enzymreagenzien für molekulare Klonierungsprotokolle erfordert.
Wir kooperierten außerdem mit Dyno Therapeutics, einem Pionierunternehmen im Bereich KI-gestützter Gentherapien, um das Modell anhand einer Aufgabe zur Vorhersage und Generierung von RNA-Sequenzen und -Funktionen mithilfe unveröffentlichter, unkontaminierter Sequenzen zu evaluieren. Die Leistung wurde mit 57 historischen Ergebnissen von Experten aus dem Bereich KI-Bio verglichen. Bei direkter Evaluierung in der Codex-App erreichten die zehn besten Modellvorschläge im Vorhersage-Test Werte über dem 95. Perzentil und im Sequenzgenerierungs-Test Werte um das 84. Perzentil.
Diese Auswertungen liefern ein aussagekräftiges Signal für die Leistungsfähigkeit bei den Arbeitsabläufen, auf die Wissenschaftler täglich angewiesen sind, um Erkenntnisse zu gewinnen, komplexe Daten zu analysieren und zu fundierten biologischen Schlussfolgerungen zu gelangen.
Verbindung zu den Werkzeugen herstellen, die Wissenschaftler verwenden
Wissenschaftler können unser neues Forschungs-Plugin für die Lebenswissenschaften nutzen .(wird in einem neuen Fenster geöffnet)Codex ist ab heute auf GitHub verfügbar. Dieses Paket umfasst eine breite Palette modularer Funktionen für die gängigsten Forschungsworkflows und unterstützt Anwender bei ihrer Arbeit in den Bereichen Humangenetik, funktionelle Genomik, Proteinstruktur, Biochemie, klinische Evidenz und der Suche nach öffentlich zugänglichen Studien.
Diese Fähigkeiten fungieren als Orchestrierungsebene, die Wissenschaftlern hilft, umfassende, mehrdeutige und komplexe Fragestellungen effektiver zu bearbeiten. Sie ermöglichen den Zugriff auf über 50 öffentliche Multi-Omics-Datenbanken, Literaturquellen und biologische Werkzeuge und bieten einen flexiblen Ausgangspunkt für gängige, wiederholbare Arbeitsabläufe wie die Suche nach Proteinstrukturen, Sequenzen, Literaturrecherchen und die Ermittlung öffentlicher Datensätze.
Berechtigte Enterprise-Nutzer können dieses Plugin in Forschungsworkflows mit GPT‐Rosalind für tiefergehende biologische Schlussfolgerungen nutzen, während alle Nutzer das Plugin-Paket mit unseren Hauptmodellen verwenden können.
Vertrauenswürdiger Zugriff
Wir möchten diese Funktionen den Wissenschaftlern und Forschungseinrichtungen zur Verfügung stellen, die am besten geeignet sind, die menschliche Gesundheit voranzubringen, und gleichzeitig strenge Sicherheitsvorkehrungen gegen biologischen Missbrauch gewährleisten. Das Life-Sciences-Modell wird zunächst in den USA über eine vertrauenswürdige Zugangsstruktur für qualifizierte Unternehmenskunden eingeführt, mit Kontrollen hinsichtlich Berechtigung, Zugriffsverwaltung und organisatorischer Governance. Parallel dazu stellen wir eine Reihe von Konnektoren und das Life-Sciences-Forschungs-Plugin breiter zur Verfügung, damit Forscher unsere Hauptmodelle effektiver für Forschungsaufgaben im Bereich der Lebenswissenschaften nutzen können.
Das Life-Sciences-Modell wurde mit erhöhten Sicherheitsvorkehrungen auf Unternehmensebene und einem verstärkten Zugriffsmanagement entwickelt, um die professionelle wissenschaftliche Nutzung in regulierten Forschungsumgebungen zu ermöglichen. Wir bewerten den Zugriff anhand von drei Kernprinzipien: sinnvolle Nutzung, strenge Governance und Sicherheitsaufsicht sowie kontrollierter Zugriff mit Sicherheit auf Unternehmensebene. Konkret bedeutet dies, dass teilnehmende Organisationen legitime wissenschaftliche Forschung mit klarem öffentlichem Nutzen betreiben, angemessene Governance-, Compliance- und Missbrauchspräventionsmaßnahmen gewährleisten und den Zugriff auf autorisierte Nutzer in sicheren, gut verwalteten Umgebungen beschränken müssen. Organisationen müssen außerdem den Nutzungsbedingungen für die Life-Sciences-Forschungsvorschau zustimmen und die Nutzungsrichtlinien von OpenAI einhalten. Wir behalten uns vor, im Rahmen der Registrierung oder der fortgesetzten Teilnahme zusätzliche Informationen anzufordern.
Erste Schritte
Organisationen können über unseren Qualifizierungs- und Sicherheitsprüfungsprozess Zugang beantragen .
Während der Testphase werden bei der Nutzung dieses Modells keine bestehenden Guthaben oder Token verbraucht – Missbrauchsschutzmaßnahmen gelten jedoch. Weitere Details zu Preisen und Verfügbarkeit folgen, sobald das Programm ausgebaut ist.
Das Life-Sciences-Modell wurde entwickelt, um wissenschaftliche Organisationen dabei zu unterstützen, qualitativ hochwertigere Arbeit schneller zu leisten – in Umgebungen, die sowohl technisches Know-how als auch operative Kontrolle erfordern. Unser spezialisiertes Life-Sciences-Team sowie unsere Beratungspartner, darunter McKinsey & Company, die Boston Consulting Group (BCG) und Bain & Company, helfen Organisationen dabei, wirkungsvolle Anwendungsfälle zu identifizieren, das Modell in ihre Unternehmensumgebungen zu integrieren und messbare Ergebnisse zu erzielen. Wenn Sie erfahren möchten, wie OpenAI Life Sciences Ihre Arbeit unterstützen kann, kontaktieren Sie unser Life-Sciences-Team .
Was kommt als Nächstes?
Dies ist die erste Version unserer Life-Sciences-Modellreihe und markiert den Beginn eines langfristigen Engagements für die Entwicklung von KI, die wissenschaftliche Entdeckungen in gesellschaftlich relevanten Bereichen – von der menschlichen Gesundheit bis hin zur breiteren biologischen Forschung – beschleunigen kann. Wir werden die biologische Argumentation des Modells kontinuierlich verbessern, die Unterstützung für ressourcenintensive und langfristige Forschungsworkflows ausbauen und eng mit führenden wissenschaftlichen Einrichtungen zusammenarbeiten, um die praktischen Auswirkungen zu evaluieren. Dazu gehören auch bestehende Partnerschaften mit nationalen Laboren wie dem Los Alamos National Laboratory, wo wir die KI-gestützte Entwicklung von Proteinen und Katalysatoren erforschen. Dabei untersuchen wir unter anderem die Fähigkeit von KI-Systemen, biologische Strukturen zu modifizieren und gleichzeitig wichtige funktionelle Eigenschaften zu erhalten oder zu verbessern.
Wir gehen davon aus, dass diese Systeme im Laufe der Zeit immer leistungsfähigere Partner bei der Forschung werden – sie helfen Wissenschaftlern, schneller von der Frage zum Beweis, von den Beweisen zur Erkenntnis und von der Erkenntnis zu neuen Behandlungsmethoden für Patienten zu gelangen.
Wie ChatGPT bereits im Life-Sciences-Bereich eingesetzt wird und warum dies von Bedeutung ist, können Sie hier nachlesen.
Quelle: © OpenAI
Bildmaterial: © OpenAI
Symbolbild: KI-Illustration, generiert mit ChatCPT/OpenAI
