GPT-5 помог снизить стоимость синтеза белков на 40 процентов в автономной лаборатории
Компания OpenAI сообщила о результатах совместного проекта с Ginkgo Bioworks, в рамках которого модель GPT-5 была подключена к полностью автоматизированной биологической лаборатории. Целью эксперимента стало удешевление одного из ключевых процессов современной биотехнологии - бесклеточного синтеза белков (cell-free protein synthesis, CFPS).
В отличие от традиционного подхода, где белки получают путём выращивания живых клеток, CFPS использует «очищенную» биохимическую среду с ДНК-шаблоном и клеточными компонентами. Это ускоряет эксперименты и делает технологию удобной для прототипирования, однако при масштабировании она остаётся дорогостоящей и сложной в оптимизации.
В рамках проекта GPT-5 был интегрирован с облачной лабораторией Ginkgo Bioworks, где эксперименты выполняются роботами и управляются программно. Модель получила доступ к научным публикациям, инструментам анализа данных и результатам предыдущих экспериментов. Далее она самостоятельно предлагала новые конфигурации реакций, которые запускались в лаборатории, после чего данные возвращались обратно в модель. Такой «замкнутый цикл» повторялся шесть раз.
Всего система протестировала более 36 тысяч уникальных реакций CFPS на 580 автоматизированных планшетах. По итогам трёх раундов активной оптимизации GPT-5 удалось добиться снижения стоимости производства белка на 40 процентов по сравнению с лучшими предыдущими результатами. При этом затраты на реагенты сократились ещё сильнее - примерно на 57 процентов.
Исследователи отмечают, что ключевой вклад ИИ заключался не в отдельных «хитрых» изменениях, а в выявлении устойчивых сочетаний компонентов, которые хорошо работают именно в условиях высокопроизводительных автоматизированных лабораторий. GPT-5 предложил реакционные смеси, которые ранее не использовались в такой конфигурации и оказались более стабильными при низком уровне кислорода - типичном ограничении для микропланшетных экспериментов.
Отдельное внимание команда уделяет тому, что ИИ смог учитывать реальную структуру затрат. В CFPS основная часть расходов приходится на лизат и ДНК, поэтому повышение выхода белка на единицу дорогого сырья даёт максимальный экономический эффект. GPT-5 сумел найти решения, где небольшие изменения буферов и энергетических компонентов приводили к непропорционально большому выигрышу по стоимости.
При этом авторы подчёркивают ограничения работы. Эксперименты проводились только с одним белком и в рамках одной системы CFPS, а перенос результатов на другие задачи ещё предстоит проверить. Кроме того, несмотря на высокий уровень автономности, процесс всё ещё требовал участия специалистов - прежде всего на этапе работы с реагентами и контроля протоколов.
В OpenAI рассматривают этот результат как показатель того, что ИИ может играть активную роль в «мокрой» биологии, а не только в анализе данных или моделировании. Связка языковой модели и роботизированной лаборатории, по мнению исследователей, способна ускорить научные итерации и снизить барьеры между фундаментальными идеями и практическими применениями - при условии строгого контроля и соблюдения мер биобезопасности.
