Yapay zeka sistemlerinin bilimsel araştırma süreçlerine entegrasyonu, son yıllarda yaşam bilimleri alanında giderek artan bir ilgi konusu haline gelmiştir. Biyoloji, ilaç keşfi ve translasyonel tıp gibi alanlarda araştırma iş akışları; geniş literatür taramaları, özelleşmiş veri tabanlarına erişim, deneysel verilerin yorumlanması ve hipotez geliştirme gibi çok aşamalı süreçleri kapsamaktadır. Amerika Birleşik Devletleri’nde hedef keşfinden düzenleyici onaya kadar geçen sürecin ortalama 10 ila 15 yıl sürdüğü bildirilmiştir. Bu sürecin uzunluğu, yalnızca temel bilimsel güçlüklerden değil, araştırma iş akışlarının parçalı ve ölçeklenmesi zor yapısından da kaynaklanmaktadır. Moleküller, proteinler, genler ve biyolojik yolaklar üzerinde çok adımlı akıl yürütme gerektiren görevlerde yapay zekâ modellerinin performansı, alandaki önemli araştırma sorularından biri olarak güncelliğini korumaktadır.
OpenAI araştırma ekibi tarafından geliştirilen çalışmada, yaşam bilimleri araştırmalarına yönelik olarak tasarlanmış GPT-Rosalind adlı akıl yürütme modelinin tanıtılması amaçlanmıştır. Modelin, DNA’nın yapısının aydınlatılmasına katkıda bulunan ve modern moleküler biyolojinin temellerinin atılmasında önemli bir rol üstlenen Rosalind Franklin’in adından esinlenilerek isimlendirildiği aktarılmıştır. Çalışmada, genel amaçlı dil modellerinin kimyasal reaksiyon mekanizmaları, protein yapısı, mutasyon etkileri ve DNA dizilerinin filogenetik yorumlanması gibi alana özgü görevlerde yetersiz kalabildiği noktalardan hareket edilmiştir. Bu bağlamda, bilimsel araç kullanımı ve çok adımlı araştırma iş akışlarında; literatür taraması, diziden işleve yorumlama, deney planlama ve veri analizi dahil daha yüksek performans sağlayabilecek, alana özgü (domain-specific) bir modelin değerlendirilmesi hedeflenmiştir.
Model, bilimsel keşif için temel kabul edilen bir dizi yetkinlik üzerinde değerlendirilmiştir. Değerlendirme kapsamı; organik kimya, biyokimya ve protein anlama, genomik, deney tasarımı ve analizi ile araç kullanımı (tool usage) alt alanlarını kapsamıştır. Modelin performansı, GPT-5, GPT-5.2 ve GPT-5.4 gibi önceki modellerle karşılaştırmalı olarak incelenmiştir; ayrıca biyoinformatik ve veri analizi görevlerini içeren BixBench ile literatür erişimi, veri tabanı kullanımı, dizi manipülasyonu ve protokol tasarımı gibi araştırma görevlerini kapsayan LABBench2 adlı kamuya açık kıyaslama (benchmark) setleri kullanılmıştır. Yapay zeka temelli gen tedavileri üzerine çalışan Dyno Therapeutics ile yürütülen iş birliğinde ise model, yayımlanmamış ve veri bulaşması içermeyen RNA dizileri üzerinde, diziden işleve öngörü ve dizi üretim görevlerinde 57 insan uzmanın tarihsel skorlarıyla karşılaştırılmıştır.
Elde edilen bulgular, GPT-Rosalind modelinin kimya, biyokimya ve protein anlama, filogenetik ile deney tasarımı ve analizi alanlarında önceki modellere kıyasla daha yüksek skorlara ulaştığını göstermiştir. BixBench değerlendirmesinde, yayımlanmış skorları bulunan modeller arasında önde gelen bir performans elde edildiği bildirilmiştir. LABBench2 üzerinde yapılan karşılaştırmada, modelin 11 görevin 6’sında GPT-5.4’ten daha iyi sonuç verdiği; en belirgin gelişmenin, moleküler klonlama protokolleri için DNA ve enzim reaktiflerinin uçtan uca tasarımını gerektiren CloningQA görevinde gözlendiği aktarılmıştır. Dyno Therapeutics ile yürütülen değerlendirmede, en iyi on gönderim temel alındığında modelin RNA diziden işleve öngörü görevinde insan uzmanların 95. yüzdeliğinin üzerinde, dizi üretim görevinde ise yaklaşık 84. yüzdelik düzeyinde sonuçlar ürettiği belirtilmiştir. Bulguların, alana özgü modellerin çok adımlı ve araç yoğun bilimsel iş akışlarında araştırmacıları destekleme potansiyeline işaret ettiği değerlendirilmektedir. Söz konusu sonuçların klinik uygulamaya doğrudan aktarılması için ek bağımsız değerlendirmelerin ve gerçek araştırma ortamlarında yürütülecek çalışmaların gerekli olacağı vurgulanmalıdır.
Referans: Introducing GPT-rosalind for Life Sciences Research. https://openai.com/index/introducing-gpt-rosalind/
MSc. Stu. Uskudar Uni. | Bioinformatics
CEO, Bioinforange&Bioinfocodes