GPT-5 降低細胞自由蛋白質合成的成本

OpenAI 與 Ginkgo Bioworks 已證明，GPT-5 能透過閉環自主實驗將細胞自由蛋白質合成（CFPS）成本降低 40%，試劑成本降低 57%。透過將模型連接至雲端實驗室，該系統在三輪實驗內創下低成本蛋白質生產的新紀錄。

細胞自由蛋白質合成的自主優化

細胞自由蛋白質合成（CFPS）允許在受控混合液中運行蛋白質製造機制，從而在不需培養活細胞的情況下生產蛋白質。此過程對藥物、診斷、研究分析以及工業酶的生產至關重要，但由於 DNA 模板、細胞裂解液與各種生化組分之間的複雜相互作用，傳統上很難進行優化。

為了解決這些瓶頸，OpenAI 將 GPT-5 與 Ginkgo Bioworks 的雲端實驗室結合——一個透過軟體遠端操作的自動化濕實驗室。這創造了一個閉環系統，GPT-5 設計實驗批次，機器人實驗室執行這些實驗，產生的數據再回饋給模型，以指導下一輪假設的制定。

技術執行與規模

該系統採用了嚴格的程式化驗證層，以確保 AI 設計的實驗在自動化平台上實際可執行，防止提出無法由機器人執行的「紙上實驗」。

在為期兩個月、共六輪的實驗中，系統達成了以下成果：

  • Total Reactions: 超過 36,000 種獨特的 CFPS 反應配方經測試。
  • Total Plates: 580 片自動化 384 孔板。
  • Timeline to SOTA: 在取得電腦、網頁瀏覽器與相關研究論文後，GPT-5 於三輪實驗內建立了低成本 CFPS 的新最高水平（SOTA）。
  • Cost Reduction: 與先前最佳基準相比，蛋白質生產成本降低 40%，試劑成本提升 57%。

主要發現與技術洞見

自主系統找出了先前未被人類測試的低成本反應配方，利用高通量能力探索了廣闊的混合空間。

對自動化限制的韌性

GPT-5 找出了對高通量自動化條件特別具韌性的試劑組合，這些條件常與手動台面實驗不同。具體而言，模型發現了在微孔板常見的低氧環境下仍能良好表現的配方，因為在微孔板中氧化與混合程度通常低於試管。

高槓桿優化參數

研究顯示，以下領域的微小變化相較於其成本，對成本的影響極大：

  • 緩衝
  • 能量再生組件
  • 多胺

此外，團隊發現，由於 CFPS 的成本主要由裂解液與 DNA 主導，提高每單位昂貴投入的蛋白質產量是降低整體生產成本的最有效策略。

限制與未來工作

此結果是以單一蛋白質（sfGFP）與單一 CFPS 系統示範的。仍需進一步研究以確定這些收益是否能推廣至其他蛋白質與系統。此外，雖然模型能設計與解讀實驗，但仍需人工監督以改進操作流程與試劑處理。

OpenAI 計畫將此實驗室迴路優化應用於其他生物工作流程。實驗室亦指出，這些能力具有生物安全影響，正透過 OpenAI 的備援框架進行評估與緩解。

Sources