Vi samarbetade med @Ginkgo för att koppla GPT-5 till ett autonomt laboratorium, så att det kunde föreslå experiment, genomföra dem i stor skala, lära av resultaten och bestämma vad som skulle provas härnäst. Denna slutna krets sänkte proteinproduktionskostnaderna med 40%.

GPT-5 var kopplat till ett autonomt laboratorium: det designade experiment, laboratoriet genomförde dem, och resultaten informerade nästa designer över sex iterationer. I denna uppsättning designade GPT-5 batcher av experiment, laboratoriet utförde dem och data matades tillbaka till nästa omgång. Vi upprepade den cykeln sex gånger och utforskade 36 000+ reaktionssammansättningar över 580 automatiserade plattor.

Vi fann att förbättringarna kom från att identifiera kombinationer som fungerar bra tillsammans och som håller i verkligheten av högkapacitetsautomation. GPT-5 identifierade lågkostnadsreaktionssammansättningar som människor inte tidigare testat i denna konfiguration. Cellfri proteinsyntes (CFPS) har studerats i åratal, men utrymmet för möjliga blandningar är fortfarande stort. När du kan föreslå och genomföra tusentals kombinationer snabbt kan du hitta fungerande regioner som är lätta att missa med ett manuellt arbetsflöde.