GPT-5 与 Ginkgo Bioworks 合作：AI 驱动的自动化实验室将无细胞蛋白质合成成本降低 40%

突破生物学瓶颈：AI 从理论走向实验

人工智能在数学和物理学领域取得了飞速进展，这些领域的想法往往可以在不接触物理世界的情况下进行评估。但生物学截然不同。生物学的进步必须通过实验室实现，科学家们需要花费时间和金钱进行实验。

然而，这种情况正在发生改变。前沿模型现在可以直接连接到实验室自动化系统，提出实验方案，大规模执行实验，从结果中学习，并决定下一步行动。在生命科学的许多领域，瓶颈在于迭代，而自动化实验室正是为了消除这一限制而设计的。

在先前的工作中，我们展示了 GPT-5 能够通过闭环实验改进湿实验室方案。现在，我们证明同样的方法可以降低蛋白质生产成本。我们与 Ginkgo Bioworks 合作，将 GPT-5 连接到一个云实验室——这是一个通过软件远程操作的自动化湿实验室，机器人执行实验并返回数据——并利用这个实验室在环中的设置来优化一个广泛使用的生物过程：无细胞蛋白质合成（CFPS）。

实验过程：六轮闭环，36,000 次反应

经过六轮闭环实验，该系统在 580 个自动化板上测试了超过 36,000 种独特的 CFPS 反应组合。在获得计算机、网络浏览器和相关论文的访问权限后，GPT-5 仅用了三轮实验就建立了低成本 CFPS 的新技术标准，实现了蛋白质生产成本降低 40%（试剂成本改善 57%），包括在自动化实验室常见反应条件下更具鲁棒性的新型反应组合。

为什么无细胞蛋白质合成如此重要？

无细胞蛋白质合成（CFPS）是一种无需培养活细胞即可制造蛋白质的方法。与将 DNA 放入细胞并等待其产生蛋白质不同，CFPS 在一个受控的混合物中运行蛋白质制造机制。这使其成为快速原型设计和测试的实用工具，因为科学家可以快速进行大量实验，并在当天测量结果。

蛋白质是现代生物学所提供的重要成果的重要组成部分。许多重要的药物都基于蛋白质。许多诊断方法和研究检测都依赖于蛋白质。在工业环境中，蛋白质作为酶，使化学过程更清洁、更高效。甚至洗衣粉中也含有蛋白质。当蛋白质生产变得更快、更便宜时，科学家通常可以更快地测试更多想法，并降低将早期研究转化为人们日常受益的成果的成本。

CFPS 已经对这种迭代非常有用。其瓶颈在于优化起来很棘手，并且在大规模应用时成本高昂。

无细胞蛋白质合成的挑战：既难优化，又成本高昂

无细胞蛋白质合成需要复杂且相互作用的成分：编码要制造蛋白质的 DNA 模板、细胞裂解物（来自细胞内部的细胞机制混合物）以及大量生化成分，从能源到盐类。从整体上推理这个系统极其困难，许多先前的研究已经应用了不同类型的机器学习来降低蛋白质生产成本。

标准的无细胞蛋白质合成（CFPS）配方和商业试剂盒的价格通常是为人工操作的速度而定的。自动化实验室可以在人类团队进行几十次反应的时间内进行数千次反应。在这种规模下，试剂成本成为限制因素。

CFPS 也很难仅凭直觉进行优化。它是一个由许多相互作用的成分组成的混合物。微小的变化可能很重要，但影响的方向并不总是显而易见，而且在不进行大量实验的情况下很难找到最佳组合。以前的方法虽然降低了成本，但进展往往是渐进的，因为彻底探索该空间需要大量的劳动力。

连接 GPT-5 与机器人实验室

我们将 GPT-5 与 Ginkgo Bioworks 的云实验室配对，形成了一个用于无细胞蛋白质合成（CFPS）优化的闭环自主系统。

GPT-5 设计了一批批实验。实验室执行了这些实验。结果被反馈给模型。模型利用这些数据提出下一轮实验。我们重复了这个循环六次。

GPT-5 以标准的 384 孔板格式设计了一批批实验，并在 Ginkgo Bioworks 的云实验室上运行。一旦实验完成，云实验室将数据推回给 GPT-5，模型分析结果，生成新的假设，并设计下一轮实验。

为了确保这个循环与自动化实验室的能力保持一致，我们在任何实验运行之前都添加了严格的程序化验证。该验证确保 AI 设计的实验在自动化平台上物理上可执行。它防止了那些在文本中看起来合理但无法在机器人工作流程中执行的“纸上实验”。

在整个运行过程中，该系统在 580 个自动化板上执行了超过 36,000 次 CFPS 反应。这个规模很重要，因为它能让模式显现出来。在生物学中，单个实验充满噪音。吞吐量和迭代是区分信号和随机噪音的方法。一旦 GPT-5 能够访问相关论文和工具，它仅用了三轮实验和两个月的时间就建立了新的技术标准：与之前的最佳基线相比，蛋白质生产成本降低了 40%。

主要发现：AI 发现了人类未曾尝试的组合

我们发现，改进来自于识别那些能够很好地协同工作并且在高通量自动化的现实中仍然有效的组合。

我们发现，GPT-5 识别出了人类以前未在这种配置中测试过的低成本反应组合。无细胞蛋白质合成（CFPS）已经研究了多年，但搜索空间巨大。GPT-5 能够探索人类研究人员可能忽略的配方组合，特别是那些使用更便宜或更少试剂但仍能产生高产量的配方。

此外，GPT-5 发现的配方对自动化实验室常见的变化（如移液误差、温度波动和孵育时间变化）具有更强的鲁棒性。这对于将技术从研究实验室转移到工业应用至关重要。

对 OpenAI News 的影响：AI 在生物技术领域的里程碑

这项研究是 AI 在生物技术领域应用的一个重要里程碑。它展示了前沿 AI 模型如何不仅作为分析工具，而且作为自主实验的设计者和执行者，直接加速科学发现。对于关注 OpenAI News 的读者来说，这标志着 GPT 系列模型的能力从处理纯数字和文本信息扩展到主动与物理世界互动并优化复杂的生物化学过程。

这项技术的潜在影响是深远的。更便宜、更快速的蛋白质生产可以加速药物开发、降低诊断成本、使工业生物制造更加可持续，并最终使更多基于蛋白质的疗法和产品惠及大众。

随着 AI 驱动的自动化实验室变得越来越普遍，我们可以预期看到生物学研究的迭代速度将大幅提升。GPT-5 在 CFPS 优化上的成功，为 AI 在更广泛的生物工程领域（如酶设计、代谢工程和合成生物学）的应用铺平了道路。