Trabalhamos com @Ginkgo para conectar o GPT-5 a um laboratório autônomo, para que ele pudesse propor experimentos, executá-los em escala, aprender com os resultados e decidir o que tentar em seguida. Esse ciclo fechado reduziu o custo de produção de proteína em 40%.

O GPT-5 estava conectado a um laboratório autônomo: projetava experimentos, o laboratório os executava, e os resultados informavam os próximos projetos ao longo de seis iterações. Nesse contexto, o GPT-5 projetava lotes de experimentos, o laboratório os executava e os dados eram reintroduzidos na próxima rodada. Repetimos esse ciclo seis vezes, explorando 36.000+ composições de reação em 580 placas automatizadas.

Descobrimos que as melhorias vieram da identificação de combinações que funcionam bem juntas e que se sustentam na realidade da automação de alta produtividade. O GPT-5 identificou composições de reação de baixo custo que os humanos não haviam testado anteriormente nessa configuração. A síntese de proteínas sem células (CFPS) tem sido estudada há anos, mas o espaço de misturas possíveis ainda é grande. Quando você consegue propor e executar milhares de combinações rapidamente, pode encontrar regiões viáveis que são fáceis de perder com um fluxo de trabalho manual.