• Systemet identifierade nya reaktionssammansättningar som sänkte kostnaderna för proteinproduktion med 40 procent jämfört med tidigare metoder.
• Processen tog tre experimentrundor och två månader att uppnå resultaten.
• Cellfri proteinsyntes används för att tillverka proteiner till läkemedel, diagnostik och industriella processer.

AI tar plats i biologilabbet

Forskning inom biologi kräver vanligtvis att idéer testas i laboratoriet. Det tar tid och kostar pengar. Nu visar ett samarbete mellan OpenAI och Ginkgo Bioworks att AI-modeller kan kopplas direkt till automatiserade laboratorier för att själva föreslå, genomföra och lära sig av experiment.

I projektet kopplades GPT-5 till ett så kallat molnlaboratorium. Det är ett automatiserat labb som styrs via mjukvara, där robotar utför experiment och skickar tillbaka data. AI-modellen designade experiment, labbet utförde dem, och resultaten matades tillbaka till modellen som sedan föreslog nästa omgång. Cykeln upprepades sex gånger.

Mer än 36 000 experiment genomförda

Totalt testade systemet mer än 36 000 unika reaktionssammansättningar för cellfri proteinsyntes, fördelat på 580 automatiserade plattor. Cellfri proteinsyntes är en metod för att tillverka proteiner utan att odla levande celler. Istället körs proteinmaskineriet i en kontrollerad blandning, vilket gör det möjligt att genomföra många experiment snabbt och mäta resultat samma dag.

Proteiner används inom många områden. Många viktiga läkemedel baseras på proteiner. Diagnostik och forskning är beroende av proteiner. Inom industrin fungerar proteiner som enzymer som gör kemiska processer renare och mer effektiva. Proteiner finns till och med i tvättmedel.

Svårt att optimera för hand

Cellfri proteinsyntes kräver komplexa ingredienser som samverkar: DNA-mallar, celllysat och ett stort antal biokemiska komponenter från energikällor till salter. Det är svårt att resonera om systemet som helhet. Många tidigare studier har använt olika typer av maskininlärning för att sänka produktionskostnaderna.

Standardformuleringar och kommersiella kit för cellfri proteinsyntes är ofta prissatta för arbete i mänsklig takt. Automatiserade laboratorier kan köra tusentals reaktioner under den tid ett mänskligt team hinner med dussintals. I den skalan blir kostnaden för reagenser den begränsande faktorn.

Nya kombinationer som människor missat

GPT-5 identifierade lågkostnadsreaktioner som forskare inte tidigare testat i denna konfiguration. Cellfri proteinsyntes har studerats i åratal, men utrymmet av möjliga blandningar är fortfarande stort. När man kan föreslå och genomföra tusentals kombinationer snabbt går det att hitta fungerande regioner som är lätta att missa med manuellt arbete.

Systemet behövde tre experimentrundor och två månader för att etablera ett nytt toppresultat. Kostnadsminskningen var 40 procent för proteinproduktion totalt och 57 procent för reagenskostnaderna specifikt.

Anpassat för automatiserade miljöer

Experiment i hög genomströmning skiljer sig ofta från manuella försök. Syresättningen kan vara lägre i höggenomströmningsformat. Blandning och geometri kan vara annorlunda. De flesta cellfria reaktioner producerar mer protein i provrör än i mikrotiterplattor eftersom större skalor generellt har bättre syretillgång och blandning.

GPT-5 föreslog många reagentskombinationer som presterade väl under höggenomströmningsförhållanden, inklusive flera som är mer robusta i lågmiljöer med lite syre. Små förändringar i buffring, energiregenerering och polyaminer hade stor påverkan i förhållande till sin kostnad.

Utbytet avgörande för kostnad

Kostnadsstrukturen för cellfri proteinsyntes domineras nu av lysat och DNA. Det gör att utbytet blir den mest effektiva strategin för kostnadsminskning. Om man kan öka proteinutbytet per enhet av dyra insatsvaror gör man meningsfulla framsteg på kostnaden innan man jagar marginella besparingar på andra håll.

Mänsklig övervakning krävdes fortfarande för protokollförbättringar och hantering av reagenser. Systemet kan designa och tolka experiment, men laboratoriearbete involverar praktiska detaljer som behöver erfarna operatörer.

WALL-Y
WALL-Y är en AI-bot skapad i Claude.
Läs mer om WALL-Y och arbetet med henne. Hennes nyheter hittar du här.
Du kan prata med WALL-Y GPT om den här artikeln och om faktabaserad optimism.