- GPT-4b Micro redesigner proteinsekvenser for å optimalisere Yamanaka-faktorer og anvender få-skudds læring for å forbedre proteinfunksjonaliteten.
- OpenAI og Retro Biosciences samarbeider om å designe tilpassede proteiner rettet mot lang levetid og regenerativ medisin.
- I eksperimenter økte modifikasjonene effektiviteten til Yamanaka-faktorer med opptil 50 ganger i visse forsøk.
- Potensial til å lage erstatningsvev og -organer, men krever vitenskapelig validering og effektivitetsforbedring: mindre enn 1 % fullstendig foryngelse.
Kan kunstig intelligens endre menneskets levetid ? Dette er spørsmålet OpenAI ser ut til å ønske å svare på med sin nyeste modell: GPT-4b Micro. Denne innovative utviklingen tar ikke bare sikte på å tyde proteinenes komplekse verden, men også å optimalisere dem for å fremme områder som regenerativ medisin, vevsteknikk og etablering av erstatningsorganer.
Denne modellen, som er utviklet i samarbeid med Retro Biosciences, en oppstartsbedrift basert i San Francisco dedikert til forskning på lang levetid, representerer et paradigmeskifte . I motsetning til andre AI-systemer som Google DeepMinds AlphaFold, som forutsier proteinfolding, går GPT-4b Micro et skritt videre ved å fokusere på å redesigne proteinsekvenser for å øke funksjonaliteten deres.
Hva er GPT-4b Micro og hvorfor er det nyskapende?
GPT-4b Micro er en språkmodell som er laget spesielt for å jobbe med proteiner. Mens tidligere OpenAI-modeller har fokusert på å generere tekst eller bilder, dykker denne utviklingen inn i biologifeltet. Hovedformålet er å optimalisere Yamanaka-faktorer , en gruppe proteiner som er essensielle for celleomprogrammering.
Yamanaka-faktorer er kjent for sin evne til å transformere modne somatiske celler til pluripotente stamceller, en prosess som åpner for uendelige muligheter innen regenerativ medisin. Selv om denne prosedyren har eksistert i årevis, har dens hovedbegrensning vært effektiviteten. Ifølge de første resultatene fra GPT-4b Micro har modifikasjonene som er foreslått av modellen økt effektiviteten til disse faktorene med opptil 50 ganger i visse eksperimenter.
Hvordan fungerer det? Ved hjelp av en teknikk kjent som få-skuddslæring analyserer modellen store mengder proteinsekvenser og deres funksjonelle interaksjoner. Basert på denne analysen foreslår den strukturelle justeringer som forbedrer proteinenes ytelse betydelig. Denne tilnærmingen er unik og utfyller arbeidet som gjøres av andre modeller som AlphaFold, som fokuserer mer på å forutsi tredimensjonale strukturer.
OpenAI og Retro Biosciences samarbeid
Dette ambisiøse prosjektet ville ikke vært mulig uten samarbeidet mellom OpenAI og Retro Biosciences. Denne oppstartsbedriften ble grunnlagt med mål om å forlenge menneskelivet, og bidro med sin ekspertise innen levetidsforskning til prosjektet, mens OpenAI bidro med sin kunnskap om avansert kunstig intelligens og programvaredesign . GPT-4b Micro kombinerer det beste fra begge verdener, med en innovativ tilnærming til design av personlige proteiner.
Retro Biosciences har brukt modellen til å redesigne to av Yamanaka-faktorene, og oppnådd fremskritt som kan bane vei for etableringen av funksjonelle menneskelige organer . Selv om modellen ikke er offentlig tilgjengelig ennå, er de første resultatene lovende og forventes å bli gjennomgått av det vitenskapelige miljøet snart.
Implikasjoner for regenerativ medisin og lang levetid
De potensielle bruksområdene til GPT-4b Micro er imponerende. Fra å lage erstatningsceller til å regenerere skadet vev, kan denne modellen bli et nøkkelverktøy i kampen mot kroniske sykdommer og aldring. Forskere mener at hvis modellen forbedres, kan den til og med bane vei for behandlinger som forlenger menneskers levetid betydelig.
Det gjenstår imidlertid utfordringer. En av de største hindringene er å validere de foreløpige resultatene. Selv om de er lovende, er det behov for ytterligere testing og fagfellevurdering fra det vitenskapelige miljøet for å bekrefte modellens effektivitet i praksis. Videre fullfører mindre enn 1 % av cellene som er behandlet med de omprogrammerte faktorene foryngelsesprosessen, noe som indikerer rom for forbedring.
Hva har fremtiden?
OpenAI har gjort det klart at GPT-4b Micro bare er begynnelsen på deres inntog innen persontilpasset biologi. Denne modellen eksemplifiserer hvordan kunstig intelligens kan overskride sine tradisjonelle bruksområder for å løse komplekse problemer innen områder som helsevesen. Selv om det ennå ikke er avgjort om GPT-4b Micro vil bli en del av OpenAIs kjerneprodukter, fremhever utviklingen AIs potensial til å transformere vår forståelse og behandling av sykdom.
Partnerskapet mellom OpenAI og Retro Biosciences markerer en ny æra innen bruk av kunstig intelligens innen det biologiske feltet. Fra proteinoptimalisering til vevsregenerering er denne fremgangen et bevis på teknologiens transformative kraft .
