Nous avons travaillé avec @Ginkgo pour connecter GPT-5 à un laboratoire autonome, afin qu'il puisse proposer des expériences, les réaliser à grande échelle, apprendre des résultats et décider quoi essayer ensuite. Ce cycle fermé a réduit le coût de production des protéines de 40 %.

GPT-5 a été connecté à un laboratoire autonome : il a conçu des expériences, le laboratoire les a exécutées, et les résultats ont informé les prochaines conceptions à travers six itérations. Dans cette configuration, GPT-5 a conçu des lots d'expériences, le laboratoire les a exécutées, et les données ont été réinjectées dans le tour suivant. Nous avons répété ce cycle six fois, explorant plus de 36 000 compositions de réactions à travers 580 plaques automatisées.

Nous avons constaté que les améliorations provenaient de l'identification de combinaisons qui fonctionnent bien ensemble et qui résistent aux réalités de l'automatisation à haut débit. GPT-5 a identifié des compositions de réaction à faible coût que les humains n'avaient pas testées auparavant dans cette configuration. La synthèse de protéines sans cellules (CFPS) a été étudiée pendant des années, mais l'espace des mélanges possibles reste encore vaste. Lorsque vous pouvez proposer et exécuter rapidement des milliers de combinaisons, vous pouvez trouver des régions exploitables qui sont faciles à manquer avec un flux de travail manuel.