GPT-5 驱动自主实验室，蛋白质成本骤降 40%

Ginkgo Bioworks 和 OpenAI 近日宣布，双方利用 GPT-5 驱动的自动化实验室开展合作，成功将无细胞蛋白质合成成本降低了 40%。这标志着人工智能在生物研究领域的一个重要里程碑。这家生物技术公司报告称，在六个月的测试期间，该系统将超级绿色荧光蛋白的生产成本从每克 698 美元降至每克 422 美元。

这一成果详述于一篇尚未经过同行评审的科学预印本论文中。论文描述了自动化实验室如何在六个迭代周期中执行了超过 36,000 次实验，并在极少人工参与的情况下生成了近 150,000 个数据点。人工的作用主要限于试剂制备、装卸材料和系统监督，而 AI 则负责实验设计、执行、数据解读和假设生成。

原文链接

系统工作原理

这次合作将 OpenAI 的 GPT-5 推理模型与 Ginkgo 的云端实验室基础设施相结合，该基础设施基于其可重新配置的自动化推车技术和 Catalyst 自动化软件构建。该系统采用闭环工作流程运行，允许 GPT-5 设计实验、分析结果并根据反馈优化其方法——其功能类似于一位实验科学家。

"我们与 Ginkgo 合作，将 GPT-5 连接到一个自主实验室，使其能够提出实验方案、大规模运行实验、从结果中学习，并决定下一步尝试什么，" OpenAI 在宣布此次合作的社交媒体上写道。

GPT-5 模型配备了互联网访问、数据分析能力以及先前的实验数据。该模型还会提出并优先测试新的试剂，其中一些试剂独立预测了已发表研究的发现，而模型并未获得这些研究的访问权限。

为了防止不切实际的实验，每个设计在执行前都会通过 Pydantic 模型进行验证，其中包括对孔板布局、对照组、标准品重复、试剂可用性和体积的检查。该公司计划将 Pydantic 验证模型开源发布。

商业与研究意义

"通过将前沿大语言模型与自主实验室相结合，我们发现了反应组合物，其成本明显低于此前的最先进水平，"Ginkgo Bioworks 联合创始人兼该研究共同作者 Reshma Shetty 表示。"我们预计会有越来越多的实验在自主实验室中进行，在这些实验中，试剂和耗材成本占据了实验成本的主导地位。降低蛋白质生产的试剂成本能够产生更多数据，从而在每一美元的投入上实现更多的科学进步"。

无细胞蛋白质合成在生物学研究中应用广泛，但一直受到高昂材料成本和复杂优化过程的限制，这使其成为自主实验的理想测试案例。经 AI 改进的无细胞反应混合物现已通过 Ginkgo 的试剂商店进行商业销售。

Ginkgo Bioworks 的股价在该消息发布后上涨。题为"使用 GPT-5 驱动的自主实验室优化无细胞蛋白质合成的成本和滴度"的完整论文手稿已在 OpenAI 网站上发布，并将很快在 bioRxiv 上发表。