Perjalanan dari hipotesis di lab menuju rak apotek adalah salah satu maraton paling menantang di industri modern, biasanya memakan waktu antara 10 hingga 15 tahun dan menghabiskan miliaran dolar untuk investasi.
Kemajuan sering terhambat tidak hanya oleh misteri yang melekat pada biologi, tetapi juga oleh alur kerja yang “terfragmentasi dan sulit di-scale-up” yang memaksa peneliti berpindah secara manual antara peralatan desain eksperimen, perangkat lunak, dan basis data.
Namun, OpenAI meluncurkan model baru yang spesial, GPT-Rosalind, untuk mempercepat proses ini dan menjadikannya lebih efisien, mudah, dan semoga lebih produktif. Dinamai dari ilmuwan kimia pionir, Rosalind Franklin, yang karyanya sangat penting untuk penemuan struktur DNA (dan sering kali diabaikan dibandingkan rekan-rekan prianya, James Watson dan Francis Crick), model ini dibangun khusus untuk bertindak sebagai lapisan intelijen yang terfokus pada penelitian ilmu kehidupan.
Dengan menggeser peran AI dari asisten umum menjadi mitra “penalaran” yang spesifik, OpenAI menunjukkan komitmen jangka panjang terhadap penemuan biologis dan kimia.
Apa yang ditawarkan GPT-Rosalind
GPT-Rosalind tidak hanya soal memproduksi teks lebih cepat; ia dirancang untuk menyintesis bukti, menghasilkan hipotesis biologis, dan merencanakan eksperimen—tugas yang biasanya membutuhkan bertahun-tahun sintesis keahlian manusia.
Di intinya, GPT-Rosalind adalah yang pertama dari serangkaian model baru yang dioptimalkan untuk alur kerja ilmiah. Sementara versi sebelumnya dari GPT unggul dalam tugas bahasa umum, model ini disetel lebih mendalam untuk pemahaman di bidang genomik, rekayasa protein, dan kimia.
Untuk memvalidasi kemampuannya, OpenAI menguji model ini dengan beberapa tolok ukur industri. Di BixBench, metrik untuk bioinformatika dan analisis data nyata, GPT-Rosalind mencapai kinerja teratas di antara model-model lain dengan skor yang dipublikasikan.
Pada pengujian yang lebih mendetail melalui LABBench2, model ini melampaui GPT-5.4 di enam dari sebelas tugas, dengan peningkatan paling signifikan terlihat pada CloningQA—tugas yang memerlukan desain reagen dari awal untuk protokol kloning molekuler.
Sinyal kinerja paling mencolok berasal dari kemitraan dengan Dyno Therapeutics. Dalam evaluasi menggunakan urutan RNA yang “tidak terkontaminasi”, GPT-Rosalind ditugaskan untuk prediksi dan generasi urutan fungsi.
Ketika diuji langsung di lingkungan Codex, pengiriman model ini berada di atas persentil 95 dari pakar manusia dalam tugas prediksi dan mencapai persentil 84 untuk generasi urutan.
Tingkat keahlian ini menunjukkan bahwa model dapat berfungsi sebagai kolaborator tingkat tinggi yang mampu mengidentifikasi pola yang relevan bagi para ahli yang sering kali terlewat oleh model umum.
Alur kerja laboratorium yang baru
OpenAI tidak hanya meluncurkan model; mereka juga memperkenalkan ekosistem yang dirancang untuk terintegrasi dengan alat yang sudah digunakan oleh para ilmuwan. Sentral dalam ini adalah plugin penelitian Life Sciences untuk Codex, yang tersedia di GitHub.
Penelitian ilmiah dikenal dengan silo-nya. Sebuah proyek tunggal mungkin memerlukan peneliti untuk berkonsultasi dengan database struktur protein, mencari melalui 20 tahun literatur klinis, dan kemudian menggunakan alat terpisah untuk manipulasi urutan. Plugin baru ini bertindak sebagai “lapisan orkestra,” memberikan titik awal yang terintegrasi untuk pertanyaan-pertanyaan multi-langkah ini.
-
Keterampilan: Paket ini mencakup keterampilan modular untuk biokimia, genetika manusia, genomika fungsional, dan bukti klinis.
-
Konektivitas: Menghubungkan model dengan lebih dari 50 basis data multi-omik publik dan sumber literatur.
-
Efisiensi: Pendekatan ini menargetkan “alur kerja ilmiah yang berat dengan alat-alat,” memungkinkan peneliti untuk mengotomatisasi tugas yang bisa diulang seperti pencarian struktur protein dan pencarian urutan.
Akses terbatas dan terkontrol
Mengingat potensi besar dari model yang mampu meredesain struktur biologis, OpenAI memilih untuk tidak merilisnya secara umum, melainkan dengan program Trusted Access.
Model ini diluncurkan sebagai pratinjau penelitian yang khusus untuk pelanggan Enterprise yang memenuhi syarat di Amerika Serikat. Penempatan terbatas ini dibangun berdasarkan tiga prinsip inti: penggunaan yang bermanfaat, tata kelola yang kuat, dan akses yang terkontrol.
Organisasi yang meminta akses harus menjalani tinjauan kualifikasi dan keselamatan untuk memastikan mereka melakukan penelitian yang sah dengan manfaat publik yang jelas.
Berbeda dengan model penggunaan umum, GPT-Rosalind dikembangkan dengan kontrol keamanan tingkat enterprise yang tinggi. Untuk pengguna akhir, ini berarti:
-
Akses Terbatas: Penggunaan dibatasi untuk pengguna yang disetujui di lingkungan yang aman dan terkelola dengan baik.
-
Tata Kelola: Organisasi yang berpartisipasi harus mempertahankan kontrol pencegahan penyalahgunaan yang ketat dan setuju pada ketentuan pratinjau penelitian ilmu kehidupan yang spesifik.
-
Biaya: Selama fase pratinjau, model tidak akan mengonsumsi kredit atau token yang ada, memungkinkan peneliti untuk bereksperimen tanpa batasan anggaran yang langsung (tergantung pada pengawasan penyalahgunaan).
Penerimaan hangat dari mitra industri awal
Pengumuman ini mendapatkan dukungan signifikan dari mitra OpenAI di sektor farmasi dan teknologi.
Sean Bruich, SVP AI dan Data di Amgen, mencatat bahwa kolaborasi ini memungkinkan perusahaan untuk menerapkan alat-alat canggih dengan cara yang dapat “mempercepat bagaimana kami memberikan obat kepada pasien”. Dampak ini juga dirasakan dalam infrastruktur teknologi khusus yang mendukung laboratorium:
-
NVIDIA: Kimberly Powell, VP Kesehatan dan Ilmu Kehidupan, menjelaskan bahwa pertemuan antara penalaran domain dan komputasi yang dipercepat adalah cara untuk “memadatkan tahun-tahun R&D tradisional menjadi wawasan ilmiah yang langsung dan dapat ditindaklanjuti”.
-
Moderna: CEO Stéphane Bancel menekankan kemampuan model untuk “menalar berdasarkan bukti biologis yang kompleks” untuk membantu tim menerjemahkan wawasan ke dalam alur kerja eksperimen.
-
The Allen Institute: CTO Andy Hickl menegaskan bahwa GPT-Rosalind menonjol untuk menjadikan langkah manual—seperti menemukan dan menyelaraskan data—lebih “konsisten dan dapat diulang dalam alur kerja yang terotomatiskan”.
Ini membangun hasil nyata yang telah dilihat OpenAI di lapangan, seperti kolaborasinya dengan Ginkgo Bioworks, di mana model AI membantu mencapai pengurangan biaya produksi protein sebesar 40%.
Apa langkah selanjutnya untuk Rosalind dan OpenAI di bidang ilmu kehidupan?
Misi OpenAI dengan GPT-Rosalind adalah untuk memperkecil jarak antara “ide ilmiah yang menjanjikan” dan “bukti, eksperimen, serta keputusan” yang diperlukan untuk kemajuan medis.
Dengan bermitra dengan lembaga seperti Los Alamos National Laboratory untuk mengeksplorasi desain katalis yang diarahkan AI dan modifikasi struktur biologis, perusahaan ini memposisikan GPT-Rosalind sebagai lebih dari sekadar alat—ia dimaksudkan untuk menjadi “mitra yang mampu dalam penemuan”.
Seiring dengan semakin data-densitas di bidang ilmu kehidupan, langkah menuju model-model “penalaran” terfokus seperti Rosalind mungkin akan menjadi standar untuk menjelajahi “ruang pencarian yang luas” dalam biologi dan kimia.
