OpenAI、生物学特化型LLM「GPT-Rosalind」の提供を開始
本文の状態
日本語全文を表示中
詳細モードで約2分の本文を読めます。
同じ出来事の情報源
この情報源を基点に整理
Ars Technica AI
OpenAIは、生物学研究の課題解決を目的とした大規模言語モデル「GPT-Rosalind」の提供を開始した。同社は、汎用的な科学モデルとは異なり、具体的な生物学ワークフローに特化した訓練を行ったと発表した。
Continue in AI NEW LAB
このニュースを、実務の判断につなげる
AI NEW LABで、試したことや先に確認したい条件を共有できます。まずはログインなしで読めます。
AI NEW LABで論点を見るSource Article
元記事を日本語で読む
本文に関係しない購読案内、埋め込み通知、サイト内プロモーションは除いています。
木曜日、OpenAI は一般的な生物学のワークフローに特化して訓練された大規模言語モデルを開発したと発表した。ロザリンド・フランクリンにちなんで名付けられたこのモデル「GPT-Rosalind」は、主要なテック企業が展開する科学分野向けモデルとは異なり、同社はより汎用的なアプローチを採用してきたが、本モデルは多様な分野で通用する一般的な手法とは一線を画している。
プレスブリーフィングにおいて、OpenAI のライフサイエンス製品責任者である Yunyun Wang は、このシステムが現在の生物学研究者が直面する2つの主要な障壁に対処するために設計されたと述べた。1 つは、何十年にもわたるゲノムシーケンシングやタンパク質生化学によって生成された膨大なデータセットであり、これは単一の研究者が把握するには多すぎる規模である。もう 1 つは、生物学には多くの高度に専門的なサブフィールドが存在し、それぞれ独自の技術用語や専門用語を持っているという点だ。例えば、脳細胞で活性を持つ遺伝子を扱うことになった遺伝学者が、膨大な神経生物学的文献を理解することに苦労する可能性がある。
Wang は、同社が既存の大規模言語モデル（LLM）を基に、最も一般的な生物学のワークフロー 50 と、主要な公的生物情報データベースへのアクセス方法を学習させることで訓練を行ったと説明した。さらなるトレーニングの結果、有望な生物学的経路を提案し、潜在的な創薬ターゲットを優先順位付けできるシステムが完成した。「既知の経路や調節機構を通じて遺伝子型から表現型へとつながる情報を結びつけ、タンパク質の構造的または機能的特性を推論し、このメカニズム理解を最大限に活用しています」と Wang は語った。
記事全文を読む
コメント
原文を表示
On Thursday, OpenAI announced it had developed a large language model specifically trained on common biology workflows. Called GPT-Rosalind after Rosalind Franklin, the model appears to differ from most science-focused models from major tech companies, which have generally taken a more generic approach that works for various fields.
In a press briefing, Yunyun Wang, OpenAI's Life Sciences Product Lead, said the system was designed to tackle two major roadblocks faced by current biology researchers. One is the massive datasets created by decades of genome sequencing and protein biochemistry, which can be too much for any one researcher to take in. The second is that biology has many highly specialized subfields, each with its own techniques and jargon. So, for example, a geneticist who finds themselves working on a gene that's active in brain cells might struggle to understand the immense neurobiological literature.
Wang said the company had taken an LLM and trained it on 50 of the most common biological workflows, as well as on how to access the major public databases of biological information. Further training has resulted in a system that can suggest likely biological pathways and prioritize potential drug targets. "We're connecting genotype to phenotype through known pathways and regulatory mechanisms, infer likely structural or functional properties of proteins, and really leveraging this mechanistic understanding," Wang said.
Read full article
Comments
関連記事
今日のまとめ
AIデイリーブリーフで今日の重要ニュースをまとめ読み