研究員如何利用 Codex 與 ChatGPT 搜尋新型抗微生物分子
為何重要
這顯示 AI 工具已從單純的對話機器進階為跨學科研究的「專業協作夥伴」，能有效降低科學家在生命科學、資料科學與編碼之間的溝通門檻。對重視效率的生技與 AI 整合領域而言，這是一個證實 LLM 可縮短藥物發現週期的具體例項，也暗示了未來 AI 作為生命科學研究基石的可能性。
細菌、真菌、寄生蟲及病毒的抗藥性是全球重大威脅，2018年約有 500 萬死亡案例與其相關，且已有 50 年未出現新抗生素類別。César de la Fuente 實驗室將生物視為資訊系統，使用 AI 模型掃描基因組序列，並結合 Codex 與 ChatGPT 加速程式編寫與跨領域協作。
- 實驗室利用 AI 分析龐大的生物序列資料集，將候選分子的初始篩選時間從數年大幅縮減至數小時。
- 研究團隊利用 ChatGPT 與 Codex 橋接不同專業領域的溝通障礙，透過領域互補協助撰寫程式碼與處理資料。
- ChatGPT Workspace 被用作跨領域的 Collaborative sounding board，讓成員輸入各自專業意見，幫助構思假說與分析結果。