OpenAI annonce GPT-Rosalind, un grand modèle de langage spécialement formé aux processus courants utilisés par les chercheurs en biologie et destiné à faciliter le développement de médicaments

OpenAI annonce GPT-Rosalind, un grand modèle de langage spécialement formé aux processus courants utilisés par les chercheurs en biologie et destiné à faciliter le développement de médicaments

OpenAI a officiellement lancé un modèle d'IA spécialisé pour le domaine des sciences de la vie : GPT-Rosalind. Nommé en l'honneur de Rosalind Franklin, la découvreuse de la structure de l'ADN, ce modèle marque l'entrée officielle d'OpenAI dans des domaines pointus et spécialisés tels que la biochimie et la génomique. Contrairement aux modèles de langage généraux, GPT-Rosalind a été finement ajusté pour répondre aux exigences analytiques rigoureuses de la recherche biologique. Il vise à aider les scientifiques à raccourcir le long cycle de développement des médicaments, en transformant les processus fastidieux d'analyse des données en flux de travail de recherche intelligents et efficaces.

OpenAI est une entreprise américaine d'intelligence artificielle (IA) fondée en 2015 à San Francisco en Californie. L'entreprise est connue pour ses grands modèles de langage tels que GPT-4o, la série de modèles de génération d'images DALL-E et le modèle de génération de vidéos Sora. Son lancement de ChatGPT en novembre 2022 a déclenché un intérêt mondial pour les agents conversationnels et l'IA générative.

Récemment, OpenAI a officiellement lancé un modèle d'IA spécialisé pour le domaine des sciences de la vie : GPT-Rosalind. Nommé en l'honneur de Rosalind Franklin, la découvreuse de la structure de l'ADN, ce modèle marque l'entrée officielle d'OpenAI dans des domaines pointus et spécialisés tels que la biochimie et la génomique. Contrairement aux modèles de langage généraux, GPT-Rosalind a été finement ajusté pour répondre aux exigences analytiques rigoureuses de la recherche biologique. Il vise à aider les scientifiques à raccourcir le long cycle de développement des médicaments, en transformant les processus fastidieux d'analyse des données en flux de travail de recherche intelligents et efficaces.

GPT-Rosalind affiche des performances exceptionnelles dans de nombreux tests de référence en bio-informatique, avec des capacités nettement améliorées en matière de synthèse des preuves et de planification expérimentale. Il est capable de consulter de manière autonome des bases de données spécialisées, d'analyser des structures protéiques complexes et de fournir des suggestions précises de protocoles expérimentaux pour des sujets de pointe tels que la thérapie génique.

Dans le cadre d'une collaboration concrète avec Dyno Therapeutics, le modèle a surpassé 95 % des experts humains dans la prédiction des fonctions de séquences d'ARN non publiées. Cette capacité à raisonner au-delà de la mémoire démontre l'énorme potentiel de l'IA dans le traitement de nouvelles données biologiques. Afin de garantir que cette technologie soit utilisée à des fins de recherche scientifique légitime visant à améliorer la santé humaine, OpenAI n'accorde actuellement l'accès à ce modèle qu'aux entreprises clientes conformes aux exigences réglementaires aux États-Unis. Plusieurs grandes sociétés biopharmaceutiques, dont Moderna et Amgen, l'ont déjà intégré à leurs processus de découverte de médicaments.


Voici un extrait de l'annonce d'OpenAI :

Présentation de GPT-Rosalind pour la recherche en sciences de la vie

Nous vous présentons aujourd’hui GPT-Rosalind, notre modèle de raisonnement de pointe conçu pour soutenir la recherche en biologie, en découverte de médicaments et en médecine translationnelle. Cette série de modèles dédiés aux sciences de la vie est optimisée pour les flux de travail scientifiques, alliant une utilisation améliorée des outils à une compréhension plus approfondie de la chimie, de l’ingénierie des protéines et de la génomique.

En moyenne, il faut environ 10 à 15 ans pour passer de la découverte d’une cible à l’autorisation réglementaire d’un nouveau médicament aux États-Unis. Les progrès réalisés aux tout premiers stades de la découverte se répercutent en aval sous la forme d’une meilleure sélection des cibles, d’hypothèses biologiques plus solides et d’expériences de meilleure qualité. Les avancées dans les sciences de la vie sont freinées non seulement par la difficulté de la science sous-jacente, mais aussi par la complexité des flux de travail de recherche eux-mêmes. Les scientifiques doivent travailler sur de vastes volumes de littérature, de bases de données spécialisées, de données expérimentales et d’hypothèses en constante évolution afin de générer et d’évaluer de nouvelles idées. Ces flux de travail sont souvent chronophages, fragmentés et difficiles à adapter à grande échelle.

Nous pensons que les systèmes d’IA avancés peuvent aider les chercheurs à parcourir ces flux de travail plus rapidement, non seulement en rendant le travail existant plus efficace, mais aussi en aidant les scientifiques à explorer davantage de possibilités, à mettre en évidence des liens qui pourraient autrement passer inaperçus et à aboutir plus rapidement à de meilleures hypothèses. En facilitant la synthèse des données, la génération d’hypothèses, la planification expérimentale et d’autres tâches de recherche en plusieurs étapes, ce modèle est conçu pour aider les chercheurs à accélérer les premières phases de la découverte. À terme, ces systèmes pourraient aider les organisations du secteur des sciences de la vie à réaliser des percées qui seraient autrement impossibles, avec un taux de réussite bien plus élevé.

GPT-Rosalind est désormais disponible en avant-première pour la recherche dans ChatGPT, Codex et l’API pour les clients éligibles via notre programme d’accès privilégié. Nous lançons également un plugin de recherche en sciences de la vie librement accessible pour Codex, qui aide les scientifiques à connecter des modèles à plus de 50 outils scientifiques et sources de données. Nous travaillons avec des clients tels qu’Amgen, Moderna, l’Allen Institute, Thermo Fisher Scientific et d’autres pour appliquer GPT-Rosalind à des flux de travail qui accélèrent la recherche et la découverte.

Le modèle porte le nom de Rosalind Franklin, dont les recherches rigoureuses ont contribué à révéler la structure de l'ADN et ont jeté les bases de la biologie moléculaire moderne.


Conçu pour les flux de travail scientifiques

La série de modèles GPT-Rosalind pour les sciences de la vie est conçue pour le travail scientifique moderne, couvrant les données publiées, les outils et les expériences. D’après nos évaluations, elle offre les meilleures performances pour les tâches nécessitant un raisonnement sur les molécules, les protéines, les gènes, les voies métaboliques et la biologie liée aux maladies. Elle est également plus efficace dans l’utilisation des outils scientifiques et des bases de données au sein de flux de travail en plusieurs étapes, tels que la revue de la littérature, l’interprétation de la séquence à la fonction, la planification expérimentale et l’analyse des données.

Il s'agit de la première version de notre série de modèles GPT-Rosalind pour les sciences de la vie, et nous continuerons à repousser les limites des capacités de raisonnement biochimique du modèle dans le cadre de flux de travail scientifiques à long terme et nécessitant de nombreux outils. L'infrastructure informatique d'OpenAI nous permet de poursuivre l'entraînement, l'évaluation et l'amélioration de modèles de domaine de plus en plus performants face à des tâches scientifiques réelles, aidant ainsi ces systèmes à devenir plus utiles à mesure que les flux de travail eux-mêmes gagnent en complexité.

Accéder aux outils utilisés par les scientifiques

Les scientifiques peuvent désormais utiliser notre nouveau module de recherche en sciences de la vie⁠(s'ouvre dans une nouvelle fenêtre) pour Codex, disponible dès aujourd'hui sur GitHub. Ce module comprend un large éventail de fonctionnalités modulaires adaptées aux flux de travail de recherche les plus courants, conçues pour aider les utilisateurs à mener des travaux dans les domaines de la génétique humaine, de la génomique fonctionnelle, de la structure des protéines, de la biochimie, des données cliniques et de la découverte d'études publiques.

Ces compétences agissent comme une couche d'orchestration qui aide les scientifiques à traiter plus efficacement des questions vastes, ambiguës et comportant plusieurs étapes. Elles donnent accès à plus de 50 bases de données multi-omiques publiques, sources bibliographiques et outils biologiques, et offrent un point de départ flexible pour des flux de travail courants et reproductibles tels que la recherche de structures protéiques, la recherche de séquences, la revue de la littérature et la découverte de jeux de données publics.

Les utilisateurs Enterprise éligibles peuvent exploiter ce plugin dans des flux de travail de recherche avec GPT-Rosalind pour un raisonnement biologique plus approfondi, tandis que tous les utilisateurs peuvent utiliser le package de plugins avec nos modèles principaux.


Accès sécurisé

Nous souhaitons mettre ces capacités à la disposition des scientifiques et des organismes de recherche les mieux placés pour faire progresser la santé humaine, tout en maintenant des mesures de protection solides contre toute utilisation abusive dans le domaine biologique. Le modèle Sciences de la vie est lancé via une structure de déploiement à accès sécurisé, dans un premier temps pour les clients Enterprise éligibles aux États-Unis, avec des contrôles portant sur l’éligibilité, la gestion des accès et la gouvernance organisationnelle. Parallèlement, nous mettons à disposition un ensemble de connecteurs et le plugin de recherche en sciences de la vie à plus grande échelle, afin que les chercheurs puissent utiliser plus efficacement nos modèles principaux pour leurs tâches de recherche en sciences de la vie.

Le modèle Sciences de la vie a été développé avec des contrôles de sécurité de niveau entreprise renforcés et une gestion des accès améliorée, permettant une utilisation scientifique professionnelle dans des environnements de recherche réglementés. Nous évaluons l’accès sur la base de trois principes fondamentaux : utilisation bénéfique, gouvernance solide et supervision de la sécurité, et accès contrôlé avec une sécurité de niveau entreprise. Concrètement, cela signifie que les organisations participantes doivent mener des recherches scientifiques légitimes présentant un intérêt public évident ; maintenir des contrôles appropriés en matière de gouvernance, de conformité et de prévention des abus ; et restreindre l'accès aux utilisateurs approuvés au sein d'environnements sécurisés et bien gérés. Les organisations doivent également accepter les conditions de l'aperçu de la recherche en sciences de la vie et se conformer aux politiques d'utilisation d'OpenAI. Nous pouvons demander des informations supplémentaires dans le cadre de l'intégration ou de la poursuite de la participation.
Pour commencer

Prochaines étapes

Il s'agit de la première version de notre série de modèles pour les sciences de la vie, et nous la considérons comme le début d'un engagement à long terme visant à développer une IA capable d'accélérer les découvertes scientifiques dans des domaines qui revêtent une importance capitale pour la société, de la santé humaine à la recherche biologique au sens large. Nous continuerons à améliorer le raisonnement biologique du modèle, à étendre la prise en charge des flux de travail de recherche nécessitant de nombreux outils et s'inscrivant dans le long terme, et à travailler en étroite collaboration avec des institutions scientifiques de premier plan pour évaluer l'impact dans le monde réel. Cela inclut des partenariats en cours avec des laboratoires nationaux tels que le Laboratoire national de Los Alamos, où nous explorons la conception de protéines et de catalyseurs guidée par l'IA, y compris la capacité des systèmes d'IA à modifier des structures biologiques tout en préservant ou en améliorant des propriétés fonctionnelles clés.

Au fil du temps, nous espérons que ces systèmes deviendront des partenaires de plus en plus compétents dans le domaine de la découverte, aidant les scientifiques à passer plus rapidement de la question à la preuve, de la preuve à la compréhension, et de la compréhension à de nouveaux traitements pour les patients.

Source : Annonce d'OpenAI

Et vous ?

Pensez-vous que cette annonce est crédible ou pertinente ?
Quel est votre avis sur le sujet ?

Voir aussi :

ChatGPT surpasse les médecins dans le diagnostic des maladies, une étude révèle que ChatGPT surpasse les praticiens, même lorsqu'ils utilisent un chatbot pour évaluer des cas médicaux

Google DeepMind a pour ambition de "guérir toutes les maladies" grâce à l'IA, l'entreprise se prépare à effectuer ses premiers essais sur l'homme

Les molécules médicamenteuses découvertes par l'IA ont un taux de réussite de 80 à 90 % dans les essais cliniques de phase I, alors que la moyenne historique de l'industrie est de 40 à 65 %, selon une nouvelle