GPT-5 Pro 在免疫學中：解決 T 細胞專化之謎

GPT-5 Pro 已展示出透過分析實驗數據並產生人類專家難以察覺的機制性見解，來解決複雜且長期存在的生物學謎題的能力。在 OpenAI 的一個案例研究中，免疫學家 Derya Unutmaz 使用該模型解決了一個關於 T 細胞專化的三年舊謎題，證明該模型能夠作為科學協作者，具備預測未發表實驗結果的能力。

解決 T 細胞葡萄糖之謎

GPT-5 Pro 辨識出一種特定的蛋白質干擾機制，解釋了為什麼去氧葡萄糖會使 T 細胞以比低葡萄糖環境更高的比例專化為炎症反應細胞。

2022 年，Derya Unutmaz 教授及其團隊觀察到一個異常：暴露於去氧葡萄糖（一種會干擾能量和蛋白質合成的類葡萄糖分子）的 T 細胞產生的炎症反應細胞顯著多於低葡萄糖環境中的 T 細胞，儘管兩種條件都限制了能量。當時研究人員無法解釋這種差異，因而將實驗擱置。

於 2025 年底使用 GPT-5 Pro 分析數據時，模型指出去氧葡萄糖具體干擾了蛋白質 IL-2 的構建。由於 IL-2 通常會阻止 T 細胞變成 Th17 炎症反應細胞，去氧葡萄糖移除這個蛋白質屏障加速了專化過程。這個見解使研究者能夠回顧性地理解先前在其實驗室中無法解釋的實驗結果。

淋巴瘤研究中的預測能力

GPT-5 Pro 成功預測了一項涉及 CD8+ T 細胞和淋巴瘤的未發表實驗結果，展示了其進行模擬而非僅從現有互聯網數據進行簡單模式匹配的能力。

為了測試模型的預測能力，Unutmaz 向 GPT-5 Pro 提供了他已進行但尚未發表的實驗參數。該實驗聚焦於 CD8+ T 細胞定位並殺死淋巴瘤細胞的能力。GPT-5 Pro 正確預測這些細胞將展現出殺死淋巴瘤細胞的增強能力，確認該模型能夠基於提供的數據模擬生物過程。

對科學工作流程與研究加速的影響

像 GPT-5 Pro 這樣的 AI 模型正從簡單工具過渡為科學協作者，以以下幾種關鍵方式簡化研究生命週期：

• 文獻回顧與假設生成： 模型能夠處理每週數百篇學術論文，以識別未解答的問題並完善假設。
• 實驗模擬： 透過模擬實驗和預測結果，研究人員可以縮小範圍，找出最值得進行的實驗室實驗，從而可能節省數週、數月甚至數年的人工勞動。
• 數據編譯： 先進工具如 Codex 和 GPT-5.2 Deep Research 正被用來編譯大規模癌症突變數據集並生成研究材料，包括針對精準免疫療法的 T 細胞聚焦教科書。

人類專業知識與安全的角色

儘管 AI 加速了發現，但學科專業知識對於評估 AI 生成見解的合理性和重要性仍然必不可少。缺乏免疫學專業知識的研究者將無法判斷關於 IL-2 的見解是否在科學上具有意義。

此外，OpenAI 指出，加速生物研究的能力也會帶來風險。不良行為者利用這些能力設計生物或化學武器的潛在風險，將透過 OpenAI 的 Preparedness Framework 來應對，該框架會追蹤風險並針對可能造成嚴重危害的能力實施防護措施。