OpenAI GPT-5 생물학 연구 능력

GPT-5가 분자 클로닝 효율을 79배 증가시킴

OpenAI는 바이오보안 스타트업 Red Queen Bio와 협력하여 GPT-5가 습식 실험실 프로토콜에 대해 자율적으로 추론하고, 제안하며, 반복하여 생물학 연구를 크게 가속할 수 있음을 입증했습니다. 통제된 실험 설정에서 GPT-5는 분자 클로닝 프로토콜을 최적화하여 기준 HiFi 어셈블리 프로토콜과 비교해 효율이 79배 증가했습니다.

이 개선은 두 가지 서로 다른 최적화의 조합을 통해 달성되었습니다:

Enzymatic Assembly (RAPF): 2.6배 개선.
Transformation Protocol (T7): 36배 개선.

결합하면, 이러한 추가 개선은 입력 DNA의 고정된 양에 대해 서열이 검증된 클론 회수량이 총 79배 증가하는 결과를 가져왔습니다.

RAPF-HiFi 효소 메커니즘의 발견

GPT-5는 "RecA-Assisted Pair-and-Finish HiFi Assembly"(RAPF-HiFi)라고 명명된 새로운 효소 절차를 제안했습니다. 이 모델은 DNA 어셈블리의 동일성 검색 및 어닐링 과정을 개선하기 위해 두 단백질의 시너지 조합을 식별했습니다:

gp32 (phage T4 gene 32 단일 가닥 DNA 결합 단백질): 2차 구조를 제거하여 느슨한 DNA 끝을 부드럽게 하고 풀어줍니다.
RecA (대장균에서 유래한 재조합효소): 각 DNA 가닥을 올바른 매치로 안내하여 동일성 검색 및 어닐링을 촉진합니다.

작용 메커니즘의 기술적 세부사항

OpenAI는 RAPF-HiFi 메커니즘이 다음과 같이 작동한다고 가정합니다:

T5 exonuclease가 3’ 오버행을 생성합니다.
gp32가 비어닐링된 단일 가닥 DNA(ssDNA) 꼬리를 코팅하여 2차 구조를 억제합니다.
RecA가 3’ 끝에서 침입하여 gp32를 밀어내고 일치하는 서열의 어닐링을 촉진합니다.
열 재설정: 50°C로 복귀하면 RecA와 gp32가 모두 이동되어 표준 폴리머라제와 리가제가 반응을 완료할 수 있습니다.

이 모델의 reasoning은 더 일반적인 E. coli SSB 단백질보다 gp32를 선택한 데서 드러났습니다; SSB는 RecA의 자연스러운 파트너이지만, 이 프로토콜에 필요한 효율적인 RecA 이동을 허용하기에는 너무 안정적으로 결합합니다.

변형 프로토콜 (T7) 최적화

효소 조립은 다섯 라운드에 걸쳐 반복적으로 최적화되었지만, 변형 절차는 '한 번' 라운드에서 최적화되었습니다. GPT-5는 'Transformation 7'(T7)라고 명명된 수정을 식별했는데, 이는 세포를 펠렛화하고, 공급된 부피의 절반을 제거한 후, DNA를 추가하기 전에 4°C에서 세포를 재현탁하는 과정을 포함합니다.

고효율 화학적으로 competent 세포는 취약하고 이렇게 다루어서는 안 된다는 일반적인 실험실 믿음에도 불구하고, 세포는 농축 과정을 견뎠습니다. 이 수정은 분자 충돌을 증가시키고 억제 버퍼를 줄여 변형 효율이 30배 이상 증가하게 했습니다.

습식 실험실 반복을 위한 AI 주도 진화 프레임워크

모델의 능력을 테스트하기 위해 OpenAI는 GPT-5가 실험 피드백으로부터 '온라인'으로 학습하는 진화 프레임워크를 사용했습니다:

Iterative Loop: GPT-5는 라운드당 8-10개의 반응 배치를 제안했습니다.
Human-in-the-Loop Execution: 인간 과학자들이 프로토콜을 실행하고 기준 대비 콜로니 수를 제공했습니다.
Standardized Prompting: AI의 기여가 인간 지침과 독립적이도록 보장하기 위해, 명확화 질문을 넘어서는 인간 개입 없이 프롬프트를 고정했습니다.

OpenAI는 현재 시스템의 고정된 프롬프트가 탐색과 활용 사이의 균형을 제한한다고 지적하며, 계획 및 작업 지향 추론의 미래 발전이 더 큰 향상을 가져올 수 있다고 제안했습니다.

자율 로봇 실행

Robot on Rails와의 협력으로 OpenAI는 이러한 자연어 프로토콜을 실행하는 로봇 시스템을 개발했습니다. 이 시스템은 인간-로봇 LLM, 실험실 위치를 파악하는 실시간 비전 시스템, 그리고 로봇 경로 계획기로 구성됩니다.

비교 테스트에서 로봇은 개선된 R8 프로토콜을 성공적으로 실행하여 기준 대비 2.13배 향상을 달성했는데, 이는 인간 연구자가 달성한 성능(2.39배)의 89%에 해당합니다. 액체 처리 및 온도 보정 차이로 인해 절대 콜로니 수는 수동 실행보다 약 10배 낮았지만, 로봇이 프로토콜을 정확하게 순위를 매길 수 있는 능력은 완전 자율적인 생물학 실험 최적화의 잠재력을 보여줍니다.

바이오보안 및 안전 프레임워크

생물학적 추론 능력과 관련된 잠재적 위험 때문에, 이 연구는 무해한 실험 시스템을 사용해 엄격하게 통제된 환경에서 수행되었습니다. OpenAI는 이러한 결과를 Preparedness Framework의 일부로 바이오보안 위험 평가에 활용하고 보호 장치를 개발하고 있습니다.}