OpenAI’s GPT-5 opnår gennembrud i biologisk forskning med 79 gange forbedring af laboratorieprotokol

OpenAI har offentliggjort resultater fra et banebrydende eksperiment, hvor deres avancerede AI-model GPT-5 selvstændigt har optimeret en molekylærbiologisk laboratorieprotokol og opnået en 79 gange forbedring i effektivitet. Forsøget markerer et betydeligt skridt mod AI’s potentiale til at accelerere videnskabelig forskning i praksis.

AI møder det virkelige laboratorium

I samarbejde med biosikkerhedsvirksomheden Red Queen Bio har OpenAI udviklet et evalueringssystem, der tester, hvordan AI-modeller kan foreslå, analysere og iterere på idéer i det våde laboratorium – den del af biologisk forskning, der kræver fysiske eksperimenter.

Projektet fokuserede på at optimere en såkaldt kloningsprotokol, en fundamental teknik i molekylærbiologien, der bruges til at “lime” DNA-stykker sammen. Kloningsmetoder er afgørende for at skabe store, komplekse biblioteker, der er centrale for proteinudvikling, genetiske screeninger og udvikling af organismer.

Selvstændig optimering gennem flere runder

Over flere eksperimentrunder arbejdede GPT-5 autonomt med at forbedre protokollen. Den eneste menneskelige intervention var, at forskere udførte de modificerede protokoller og uploadede eksperimentdata. AI’en analyserede derefter resultaterne og foreslog nye forbedringer.

Resultatet var imponerende: GPT-5 forbedrede effektiviteten af kloningsproceduren med over 79 gange sammenlignet med baseline-protokollen. Det betyder, at for en fast mængde input-DNA kunne forskerne udvinde 79 gange flere sekvensgodkendte kloner.

En ny enzymatisk mekanisme

Det mest bemærkelsesværdige ved eksperimentet var, at GPT-5 introducerede en helt ny mekanisme ved at tilføje to enzymer til reaktionen: rekombinase RecA fra E. coli-bakterien og phage T4 gen 32 enkeltstrengsbindende DNA-protein (gp32).

Denne kombination, som AI’en kaldte “RecA-Assisted Pair-and-Finish HiFi Assembly” (RAPF), fungerer ved at:

• Gp32 “glatter” og “reder ud” i de løse DNA-ender
• RecA guider hver streng til dens korrekte match
• Begge proteiner arbejder sammen synergistisk for at forbedre DNA-samlingen

Ifølge OpenAI har denne specifikke kombination af RecA og gp32 ikke tidligere været brugt funktionelt i molekylærbiologiske metoder, selvom de individuelle proteiner er velkendte.

Forbedret transformationsprotokol

Udover den enzymatiske forbedring optimerede GPT-5 også transformationsprocessen – måden hvorpå DNA indsættes i bakterier. Den mest effektive modifikation viste sig overraskende simpel: at koncentrere cellerne ved at fjerne halvdelen af væsken, før DNA tilføjes. Denne ændring alene forbedrede effektiviteten med over 30 gange.

Robotautomatisering af eksperimenter

For at øge gennemløbet af eksperimenter udviklede Robot on Rails og Red Queen Bio i samarbejde et robotsystem, der kan tage imod en kloningsprotokol beskrevet på naturligt sprog og udføre den i laboratoriet.

Systemet kombinerer tre komponenter: en AI der oversætter almindeligt engelsk til robothandlinger, et vision-system der identificerer laboratorieudstyr i realtid, og en robotplanlægger der bestemmer, hvordan hver handling skal udføres sikkert og præcist.

I tests viste robotten sig i stand til at udføre komplette kloningseksperimenter med resultater sammenlignelige med menneskelige forskeres arbejde, hvilket indikerer potentialet for at automatisere og accelerere biologisk eksperimentoptimering.

Biosikkerhedshensyn

OpenAI understreger, at fremskridt i biologisk ræsonnement medfører biosikkerhedsimplikationer. Derfor blev arbejdet udført i et stramt kontrolleret miljø med et ufarligt eksperimentelt system og begrænset opgavescope.

Resultaterne vil informere OpenAI’s biosikkerhedsrisikovurderinger og udviklingen af sikkerhedsforanstaltninger på model- og systemniveau, som beskrevet i deres Preparedness Framework.

Fremtidsperspektiver

Selvom resultaterne er lovende, understreger OpenAI, at forbedringerne er specifikke for deres særlige kloningsopsætning og stadig kræver menneskelige forskere til at opsætte og køre protokollerne.

“Vi tror, at disse eksperimenter tilbyder et øjebliksbillede af, hvordan fremtidig AI-accelereret videnskab vil se ud: modeller der kontinuerligt lærer og interagerer med den virkelige verden,” udtaler OpenAI.

Virksomheden er særligt begejstret for potentialet i at lade AI hjælpe menneskelige forskere med at designe eksperimenter og bidrage til forskningsgennembrud, samtidig med at risici evalueres og reduceres ansvarligt.