Wir haben mit @Ginkgo zusammengearbeitet, um GPT-5 mit einem autonomen Labor zu verbinden, damit es Experimente vorschlagen, diese im großen Maßstab durchführen, aus den Ergebnissen lernen und entscheiden kann, was als Nächstes ausprobiert werden soll. Dieser geschlossene Kreislauf senkte die Kosten für die Proteinproduktion um 40 %.

GPT-5 wurde mit einem autonomen Labor verbunden: Es entwarf Experimente, das Labor führte sie aus, und die Ergebnisse informierten die nächsten Designs über sechs Iterationen. In diesem Setup entwarf GPT-5 Chargen von Experimenten, das Labor führte sie aus, und die Daten flossen in die nächste Runde ein. Wir wiederholten diesen Zyklus sechs Mal und erkundeten über 36.000 Reaktionszusammensetzungen über 580 automatisierte Platten.

Wir haben festgestellt, dass die Verbesserungen aus der Identifizierung von Kombinationen stammen, die gut zusammenarbeiten und in der Realität der Hochdurchsatzautomatisierung standhalten. GPT-5 identifizierte kostengünstige Reaktionszusammensetzungen, die von Menschen in dieser Konfiguration zuvor nicht getestet worden waren. Die zellfreie Proteinsynthese (CFPS) wird seit Jahren untersucht, aber der Raum möglicher Mischungen ist immer noch groß. Wenn Sie schnell Tausende von Kombinationen vorschlagen und ausführen können, können Sie umsetzbare Bereiche finden, die mit einem manuellen Workflow leicht übersehen werden können.