Компания OpenAI совместно с роботизированной платформой Ginkgo Bioworks продемонстрировала, что языковая модель GPT-5 может напрямую управлять автоматизированной лабораторией и оптимизировать биохимические процессы в замкнутом цикле экспериментов. В ходе работы системе удалось снизить стоимость бесклеточного синтеза белков на 40% по сравнению с лучшим предыдущим уровнем.

Для эксперимента GPT-5 подключили к облачной лаборатории Ginkgo Bioworks — автоматизированному комплексу, в котором роботизированные установки выполняют «мокрые» биологические эксперименты и передают результаты через программный интерфейс. Модель проектировала серии опытов, лаборатория выполняла их, после чего данные возвращались ИИ для подготовки следующего раунда.

В качестве тестовой задачи авторы работы выбрали бесклеточный синтез белков (cell-free protein synthesis, CFPS). В этом методе белки производятся без выращивания живых клеток — в специальной смеси, содержащей ДНК-шаблон, клеточный лизат и набор биохимических компонентов, включая источники энергии и соли. Такой подход широко используется для быстрого прототипирования и тестирования в биологии и биотехнологии.

За шесть циклов замкнутого эксперимента система протестировала более 36 000 различных составов реакций CFPS на 580 автоматизированных планшетах. После получения доступа к компьютеру, браузеру и научным публикациям GPT-5 потребовалось 3 раунда экспериментов и около 2 месяцев, чтобы установить новый рекорд: стоимость производства белков снизилась на 40%, а расходы на реагенты — на 57%.

Авторы подчёркивают, что масштаб экспериментов имеет принципиальное значение для биологии, где отдельные измерения часто сопровождаются высоким уровнем шума. Большое число повторений позволяет выявлять устойчивые закономерности и отсеивать случайные эффекты. В ходе работы модель обнаружила комбинации компонентов, которые сохраняют эффективность в условиях высокопроизводственной автоматизации.

Отдельное внимание было уделено отличиям между ручными лабораторными экспериментами и массовыми реакциями в микропланшетах. В автоматизированных форматах объёмы меньше, уровень кислорода ниже, а перемешивание хуже. Это обычно снижает выход белка. GPT-5 предложила составы реакций, устойчивые к таким ограничениям, включая варианты, хорошо работающие при пониженной аэрации.

Кроме того, система выявила, что небольшие изменения в буферных растворах, системах регенерации энергии и концентрациях полиаминов оказывают непропорционально сильное влияние на выход продукта при низкой стоимости этих компонентов. Такие параметры редко становятся приоритетом при ручной оптимизации, но при высокой пропускной способности их можно системно тестировать.

Анализ структуры затрат показал, что основную долю стоимости CFPS формируют клеточный лизат и ДНК. Поэтому ключевым фактором снижения цены остаётся рост выхода белка на единицу этих материалов. Повышение эффективности на этом уровне даёт больший эффект, чем точечная экономия на второстепенных реагентах.

Эксперименты проводились на одном белке — сверхфлуоресцентном зелёном белке sfGFP — и в рамках одной системы CFPS. Возможность переноса результатов на другие белки и платформы пока не подтверждена. Авторы также отмечают, что лабораторная работа по-прежнему требует участия специалистов для контроля протоколов и обращения с реагентами. В дальнейшем команда планирует применять замкнутые системы «модель — лаборатория» к другим биологическим процессам, одновременно оценивая риски, в том числе связанные с биобезопасностью.