Mitä OpenAI paljasti
OpenAI julkaisi 16. huhtikuuta GPT-Rosalindin, biologiaan ja lääkekehitykseen räätälöidyn päättelymallin. Nimi kunnioittaa brittiläistä tutkijaa Rosalind Franklinia, jonka röntgendiffraktiokuvat avasivat DNA:n kaksoiskierteen 1950-luvulla. Malli on saatavilla ChatGPT:ssä, Codexissa ja API:ssa OpenAI:n trusted access -ohjelman kautta. Samalla yhtiö julkaisi maksuttoman Life Sciences -lisäosan Codexiin, joka avaa tutkijalle yli 50 tieteellistä tietokantaa ja työkalua.
Vertailuluvut näyttävät vaikuttavilta. BixBench-testissä, joka arvioi bioinformatiikkaa 53 todellisessa analyysitehtävässä, GPT-Rosalind yltää tulokseen 0,751. GPT-5.4 jää lukemaan 0,732, Grok 4.2 pistelukuun 0,698 ja Gemini 3.1 Pro tippuu 0,550:een. LABBench2-testin 1 900 biologiatehtävässä Rosalind voittaa GPT-5.4:n kuudessa osa-alueessa yhdestätoista. Vahvin ero tulee CloningQA-tehtävässä, jossa malli suunnittelee DNA- ja entsyymiyhdisteitä kloonausprotokollaan.
Miten päättelymalli pärjää labrassa
GPT-Rosalind on päättelymalli, ei proteiinirakenteita laskeva järjestelmä. Tämä erottaa sen Google DeepMindin AlphaFold 3:sta ja Alphabetin tytäryhtiön Isomorphic Labsin työkaluista, jotka laskevat proteiinien 3D-rakenteita ab initio. Rosalind keskittyy kirjallisuushakuihin, sekvenssianalyysiin, koesuunnitteluun ja tulosten tulkintaan. Se osaa käyttää työkaluja pitkissä tehtäväketjuissa, mutta konkreettinen molekyylimuotoilu jää edelleen erikoistuneiden mallien tehtäväksi.
Viimeisen vuoden aikana kenttä on tiivistynyt. DeepMind laajensi AlphaFold 3:n käyttörajoja, Isomorphic Labs rakentaa rinnalle klinikkakelpoista työkaluketjua, ja OpenAI tiivisti ensimmäisen biokumppanuutensa Novo Nordiskin kanssa jo kaksi päivää ennen Rosalindin julkistusta. Varhaisiksi testikäyttäjiksi pääsivät Moderna, Amgen, Thermo Fisher Scientific ja Allen Institute. Modernan toimitusjohtaja kuvailee työkalun tiivistävän monimutkaista dataa kokeellisiksi työprosesseiksi. Lause on yleisluontoinen, ja se paljastaa, miten varovaisesti yhtiöt vielä puhuvat mallin käytännön hyödyistä.
Mitä GPT-Rosalind ei tee
Rosalind ei suunnittele proteiineja ab initio eikä laske 3D-rakenteita. Se on reasoning-malli, joka lukee kirjallisuutta, suunnittelee kokeita ja tulkitsee sekvenssidataa. Lopullinen validointi kuuluu yhä märkälaboratorioon ja erikoistuneille rakenteenennustajille.
Mitä tämä ei vielä tarkoita
Riippumattomia labratuloksia ei ole julkaistu. OpenAI:n vertailutestit on tehty yhtiön omilla testipenkeillä, eikä yksikään kumppani ole esittänyt vertaisarvioitua aineistoa siitä, että GPT-Rosalind olisi tuottanut uuden lääkeaihion laboratoriossa. Kloonauskoesuunnittelu ja kirjallisuuskatsaus ovat arvokkaita työvaiheita, mutta myös niitä, joissa vähäisetkin virheet kertautuvat myöhemmin. Päättelymalli, joka ehdottaa vääriä restriktioentsyymejä tai tulkitsee sekvenssidataa ohi kohdalleen, voi tuhota viikkojen kokeet.
Toinen avoin kysymys koskee pääsyä. Rosalind on toistaiseksi vain trusted access -ohjelmassa, mikä tarkoittaa käytännössä suurten lääkeyhtiöiden ja laitosten etulyöntiasemaa. Suomalaiselle yliopistoryhmälle tai startupille tämä voi tarkoittaa kuukausien odotusta, ellei OpenAI laajenna ohjelmaa nopeasti.
Mitä tämä tarkoittaa Suomessa
Suomessa tekoäly on osa lääkekehitystä jo nyt. Orion Pharma on hyödyntänyt generatiivisia malleja noin viisi vuotta, ja yhtiön yhteishanke Helsingin yliopiston kanssa yhdistää koneoppimista uusien lääkeaineiden kemialliseen suunnitteluun. Orionin Nubeqa-lääkkeen tuotekumppanuus Bayerin kanssa avaa epäsuoran polun: Bayer investoi Euroopassa merkittävästi tekoälyavusteiseen lääketutkimukseen, ja Nubeqan rojaltivirta Suomeen mahdollistaa Orionin oman T&K-panostuksen kasvun vuonna 2026. Diagnostiikkayhtiö Biohit puolestaan käyttää tekoälyä testien tulkinnassa ja kehityksessä.
Yliopistopuolella Helsingin yliopiston tietojenkäsittelytieteen laitos tekee vahvaa bioinformatiikan ja koneoppimisen tutkimusta, ja Aallon laskennallisen biologian ryhmät yhdistävät mallinnusta märkälaboratoriotyöhön. Näille ryhmille GPT-Rosalind ei ole kilpailija vaan työkalu, jos pääsy avautuu. Malli voisi nopeuttaa etenkin kirjallisuuskatsauksia ja sekvenssitulkintaa, joihin tutkijoilta kuluu tyypillisesti viikkoja kuukaudessa.
