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 probar a continuación. Ese ciclo cerrado redujo el coste de producción de proteínas en un 40%.

GPT-5 estaba conectado a un laboratorio autónomo: diseñaba experimentos, el laboratorio los ejecutaba y los resultados informaban los siguientes diseños a lo largo de seis iteraciones. En esta configuración, GPT-5 diseñaba lotes de experimentos, el laboratorio los ejecutaba y los datos se reintroducían en la siguiente ronda. Repetimos ese ciclo seis veces, explorando 36.000+ composiciones de reacciones en 580 placas automatizadas.

Descubrimos que las mejoras venían de identificar combinaciones que funcionan bien juntas y que se mantienen en la realidad de la automatización de alto rendimiento. GPT-5 identificó composiciones de reacciones de bajo coste que los humanos no habían probado previamente en esta configuración. La síntesis de proteínas libres de 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.