OpenAI совместно с биотехнологической компанией Ginkgo Bioworks подключила модель GPT-5 к полностью автоматизированному исследовательскому комплексу. Система получила задачу — удешевить бесклеточный синтез белков, технологию, которая позволяет создавать протеины без выращивания живых организмов. За шесть циклов экспериментов ИИ самостоятельно разработал и протестировал 36 000 вариантов химических составов, используя 580 планшетов для анализа. Результат превзошел все предыдущие разработки: стоимость производства упала на 40%, а расход реагентов сократился на 57%.
Белки — это основа большинства современных лекарств, диагностических тестов и промышленных катализаторов. Их можно найти даже в составе стирального порошка. Традиционно протеины получают, внедряя генетический код в бактерии или дрожжи, которые затем месяцами растут в биореакторах. Бесклеточный метод работает иначе: ученые берут клеточный экстракт с готовой молекулярной «фабрикой» и добавляют туда ДНК нужного белка плюс набор из десятков химических компонентов Реакция идет в пробирке за несколько часов, что ускоряет тестирование идей в сотни раз. Но такая скорость имеет цену в буквальном смысле. Стандартные наборы для бесклеточного синтеза рассчитаны на ручную работу — несколько десятков опытов в неделю. Когда автоматическая система запускает тысячи реакций ежедневно, расходы на химикаты становятся критическим барьером.
GPT-5 работала по замкнутому циклу: анализировала данные предыдущих опытов, формулировала гипотезы, составляла план новых экспериментов и отправляла инструкции роботам-манипуляторам Ginkgo. Те смешивали реагенты в микроскопических ячейках планшета, инкубировали образцы и измеряли флуоресценцию синтезированного белка. Полученные цифры возвращались модели, которая корректировала стратегию поиска. Перед запуском каждого эксперимента система проходила программную валидацию — это исключало «бумажные» протоколы, физически невыполнимые на автоматическом оборудовании.
Ключевые находки оказались неожиданными, так как ИИ обнаружила, что в условиях планшетного формата, где доступ кислорода ограничен из-за малого объема реакции, работают составы, отличные от тех, что эффективны в пробирках. Нейросеть подобрала комбинации буферных систем, компонентов для регенерации энергии и полиаминов, которые раньше не считались приоритетными переменными, но в высокопоточном режиме показали непропорционально большое влияние на выход продукта. Уже после третьего раунда испытаний система предложила формулы, превосходящие предыдущий рекорд и продолжила улучшать результаты еще три итерации.
OpenAI планирует масштабировать подход на другие области биологии, где узким местом остается число попыток для проверки гипотез. Компания также оценивает биобезопасность таких систем через собственный фреймворк рисков.
