Trabajamos con @Ginkgo para conectar GPT-5 a un laboratorio autónomo, para que pudiera proponer experimentos, ejecutarlos a gran escala, aprender de los resultados y decidir qué intentar a continuación. Ese ciclo cerrado redujo el costo de producción de proteínas en un 40%.

GPT-5 se conectó a un laboratorio autónomo: diseñó experimentos, el laboratorio los ejecutó y los resultados informaron los siguientes diseños a lo largo de seis iteraciones. En esta configuración, GPT-5 diseñó lotes de experimentos, el laboratorio los ejecutó y los datos se retroalimentaron en la siguiente ronda. Repetimos ese ciclo seis veces, explorando más de 36,000 composiciones de reacciones a través de 580 placas automatizadas.

Descubrimos que las mejoras provenían de identificar combinaciones que funcionan bien juntas y que se mantienen en las realidades de la automatización de alto rendimiento. GPT-5 identificó composiciones de reacción de bajo costo que los humanos no habían probado previamente en esta configuración. La síntesis de proteínas sin células (CFPS) se ha estudiado durante años, pero el espacio de posibles mezclas sigue siendo grande. Cuando puedes proponer y ejecutar miles de combinaciones rápidamente, puedes encontrar regiones viables que son fáciles de pasar por alto con un flujo de trabajo manual.