OpenAI et Retro Biosciences ont lancé un nouveau modèle d'intelligence artificielle, GPT-4b micro, dans le but d'utiliser la technologie de l'IA pour surmonter le problème du vieillissement et ajouter dix ans à la santé humaine. Ce modèle se concentre sur les « facteurs Yamanaka » et vise à améliorer l'efficacité de la reprogrammation cellulaire, ce qui revêt une grande importance pour retarder le vieillissement et traiter les maladies liées à l'âge. Cette collaboration combine la profonde accumulation d'OpenAI dans le domaine de l'intelligence artificielle et l'expertise de Retro Biosciences dans le domaine biomédical. Elle marque une avancée majeure dans l'application de la technologie de l'intelligence artificielle dans le domaine biomédical et pourrait changer la compréhension humaine du vieillissement et des maladies à l'avenir. .et traitement.
OpenAI a annoncé le lancement de son premier modèle d'intelligence artificielle axé sur les données biologiques - GPT-4b micro, conçu pour aider les humains à prolonger leur durée de vie, dans le but de leur permettre de vivre 10 ans de plus. Selon le MIT Technology Review, ce modèle offre non seulement une nouvelle perspective à la recherche biomédicale, mais pourrait également conduire à des découvertes scientifiques inattendues.
OpenAI s'est associé à Retro Biosciences, fondée en 2022 et se concentre sur le développement de nouveaux médicaments pour lutter contre le vieillissement cellulaire. Le co-fondateur de la société, le professeur Ding Sheng, a déjà été doyen de l'école de pharmacie de l'université Tsinghua. Son équipe a obtenu un résultat révolutionnaire en 2022, en utilisant avec succès de petites molécules chimiques pour induire la culture stable de cellules souches totipotentes de souris. publié le Publié dans la célèbre revue "Nature".
La collaboration se concentre sur les « facteurs Yamanaka », un groupe de protéines proposées en 2006 par le lauréat du prix Nobel Shinya Yamanaka et capables de transformer les cellules de la peau en cellules souches d'apparence plus jeune. Cependant, les méthodes existantes ne sont pas efficaces, prennent souvent plusieurs semaines et ont un taux de réussite inférieur à 1 %. Par conséquent, OpenAI a développé le micromodèle GPT-4b, visant à améliorer l’efficacité de la reprogrammation cellulaire en générant des méthodes pour améliorer la fonction des facteurs Yamanaka.
Les données d'entraînement de ce modèle comprennent des séquences protéiques d'un grand nombre d'espèces et des informations sur leurs interactions. Son fonctionnement est sensiblement différent de celui d'AlphaFold de Google, qui est principalement utilisé pour prédire les structures protéiques. Les scientifiques de Retro ont utilisé des invites « en quelques instants » pour guider le modèle afin de générer d'éventuelles refontes, montrant qu'environ un tiers des acides aminés suggérés par le modèle présentaient des changements significatifs.
Les résultats expérimentaux préliminaires montrent que l'effet des deux facteurs de montagne modifiés sur la base des recommandations du modèle est multiplié par plus de 50. Le PDG de Retro, Joe Betts-Lacroix, affirme que les recommandations fournies par le modèle sont en effet nettement meilleures que les méthodes traditionnelles. Bien que ces résultats de recherche n’aient pas encore été publiés publiquement et que les scientifiques extérieurs ne puissent pas vérifier leur authenticité, OpenAI souligne que le succès de cette recherche pourrait ouvrir de nouvelles voies pour la future technologie de reprogrammation cellulaire.
À l'avenir, il n'a pas été déterminé si le micro GPT-4b sera publié en tant que produit autonome ou intégré à d'autres modèles OpenAI. Il convient de noter qu’OpenAI a clairement indiqué que le PDG Altman n’était pas directement impliqué dans cette recherche et que la prise de décision de l’entreprise n’avait rien à voir avec son investissement personnel.
Bien que les résultats de la recherche nécessitent encore une vérification plus approfondie, l'émergence du GPT-4b micro apporte sans aucun doute un nouvel espoir à la recherche anti-âge, et sa valeur d'application potentielle mérite d'être attendue. À l’avenir, à mesure que la technologie évoluera et que davantage de résultats de recherche seront publiés, cette technologie devrait apporter des changements révolutionnaires à la santé humaine.