Ngukur kemampuan AI kanggo nyepetake riset biologi ing wet lab

Nyepetake kemajuan ilmiah iku salah siji cara paling migunani AI bisa menehi manfaat kanggo umat manungsa. Kanthi GPT‑5, kita wiwit ndeleng tandha awal⁠ iki—ora mung ing mbantu peneliti maju luwih cepet liwat literatur ilmiah, nanging uga ing ndhukung wangun nalar ilmiah anyar, kayata nemokake sambungan sing ora dikira, ngusulake strategi pambuktian, utawa nyaranake mekanisme sing masuk akal sing bisa dievaluasi lan diuji para ahli.

Kemajuan nganti saiki paling katon ing bidang kaya matematika, fisika teoretis, lan ilmu komputer teoretis, ing ngendi gagasan bisa dipriksa kanthi ketat tanpa eksperimen fisik. Biologi beda: umume kemajuan gumantung marang pelaksanaan eksperimen, iterasi, lan validasi empiris ing laboratorium.

Kanggo mbantu mangerteni kepiye model tercanggih tumindak ing setelan iki, kita kerja bareng Red Queen Bio, sawijining start-up biosekuriti, kanggo mbangun kerangka evaluasi sing nguji kepiye sawijining model ngusulake, nganalisis, lan ngiterasi gagasan ing wet lab. Kita nyiyapake sistem eksperimen biologi molekuler sing prasaja lan njaluk GPT‑5 ngoptimalake protokol kloning molekuler kanggo efisiensi.

Sajrone pirang-pirang ronde eksperimen, GPT‑5 ngenalake mekanisme anyar sing ningkatake efisiensi kloning nganti 79x. Kloning iku piranti dhasar biologi molekuler. Efisiensi metode kloning penting kanggo nggawe pustaka gedhe lan kompleks sing dadi inti kanggo rekayasa protein⁠(mbukak ing jendhela anyar), skrining genetik⁠(mbukak ing jendhela anyar), lan rekayasa galur organisme⁠(mbukak ing jendhela anyar). Proyek iki menehi sekilas babagan kepiye AI bisa kerja jejere ahli biologi kanggo nyepetake riset. Ningkatake metode eksperimen bakal mbantu peneliti manungsa maju luwih cepet, nyuda biaya, lan nerjemahake panemuan dadi dampak ing donya nyata.

Amarga kemajuan ing nalar biologis nduweni implikasi biosekuriti, kita nindakake karya iki ing setelan sing dikontrol ketat—kanthi nggunakake sistem eksperimen sing jinak, matesi cakupan tugas, lan ngevaluasi prilaku model kanggo ngandhani penilaian risiko biosekuriti lan pangembangan pengaman tingkat model lan sistem, kaya sing digarisake ing Kerangka Kesiapan⁠(mbukak ing jendhela anyar) kita.

Ing setelan iki, GPT‑5 kanthi otonom bernalar babagan protokol kloning, ngusulake modifikasi, lan nggabungake data saka eksperimen anyar kanggo nyaranake perbaikan luwih lanjut. Siji-sijine intervensi manungsa yaiku para ilmuwan nindakake protokol sing wis dimodifikasi lan ngunggah data eksperimen.

Sajrone pirang-pirang ronde, GPT‑5 ngoptimalake prosedur kloning kanggo ningkatake efisiensi luwih saka 79x—tegesé kanggo jumlah DNA input sing tetep, kita entuk 79x luwih akeh klon sing diverifikasi urutane tinimbang protokol dasar. Sing paling wigati, model iki ngenalake rong enzim sing mbentuk mekanisme anyar: rekombinase RecA saka E. coli, lan protein pengikat DNA untai tunggal gen 32 faga T4 (gp32). Nalika kerja bebarengan, gp32 nglembutake lan mbusak kusut pucuk DNA sing longgar, banjur RecA nuntun saben untai menyang pasangan sing bener.

Sanajan isih awal, asil iki nyemangati. Perbaikane spesifik kanggo setelan kloning tartamtu sing digunakake ing sistem model kita, lan isih mbutuhake ilmuwan manungsa kanggo nyiyapake lan nindakake protokol. Senadyan mangkono, eksperimen iki nuduhake yen sistem AI bisa mbantu karya laboratorium nyata kanthi migunani lan bisa nyepetake ilmuwan manungsa ing tembe.

Sing patut dicathet, loop AI-lab iki ditindakake kanthi prompt tetep lan tanpa intervensi manungsa. Scaffolding iki mbantu mbukak kapasitas model kanggo ngusulake owah-owahan protokol sing tenan anyar kanthi mandiri saka pandhuan manungsa, nanging uga ngunci sistem ing eksplorasi lan matesi kemampuane kanggo nggedhekake kinerja gagasan anyar sing ditemokake. Keseimbangan dinamis sing luwih apik antarane eksplorasi lan eksploitasi kamungkinan bakal ngasilake keuntungan luwih gedhe, amarga perbaikan enzimatik lan transformasi loro-lorone isih nduweni ruang refinemen sing gedhe. Kita ngarepake kemajuan ing perencanaan lan nalar cakrawala tugas bakal ningkatake kemampuan prompt tetep sing prasaja kanggo ndhukung panemuan lan optimasi sabanjure.

Reaksi Gibson assembly⁠(mbukak ing jendhela anyar) wis dadi metode kloning utama wiwit diciptakake ing 2009, kanthi adopsi nyebar ing biologi molekuler. Gibson assembly ngidini ahli biologi molekuler “ngelemi” potongan-potongan DNA bebarengan kanthi nyawijekake pucuke sedhela supaya urutan sing cocog bisa disegel dadi siji molekul. Salah siji daya tarik utama Gibson assembly yaiku kesederhanaane: kabeh kedadeyan ing siji tabung kanthi siji suhu. Watesan kasebut kanthi alami isih menehi ruang kanggo perbaikan. Kajaba iku, sifat-sifat ing ngisor iki ndadekake metode iki cocog kanggo ngevaluasi kemampuan model AI ing ningkatake teknik wet lab:

• Wis ditemtokake kanthi cetha kanthi komponen sing dikontrol, ora kaya sistem berbasis sel
• Nduweni fungsi optimasi sing cetha: DNA sirkular sing bisa ditransformasikake digawe saka jumlah input DNA linear sing tetep
• Siklus eksperimen cukup cepet (1-2 dina)
• Ruang desain dimensi dhuwur sing mbutuhake nalar mekanistik kanggo ningkatake: buffer, reagen, lan suhu optimal kabeh saling gumantung

Kita nggunakake HiFi assembly⁠(mbukak ing jendhela anyar), sistem enzim proprietary sing dikembangake New England Biolabs lan adhedhasar Gibson assembly, minangka titik wiwitan optimasi. Kita njelajah apa AI bisa berinovasi lan sinau saka umpan balik eksperimen sawise watesan siji langkah lan isotermal dibusak, lan kanthi mangkono ngenali perbaikan protokol ing skenario iki.

Khususé, kita nindakake reaksi kloning rong potongan nggunakake gen kanggo green fluorescent protein (GFP) lan plasmid pUC19 sing akeh digunakake, sawijining “kendaraan” DNA standar sing digunakake kanggo nggawa gen menyang bakteri supaya bisa digandakake. Tujuane yaiku nambah jumlah koloni sing sukses.

Kita ngoptimalake reaksi kloning kanthi ngenalake kerangka evolusioner kanggo ngiterasi usulan, supaya model bisa sinau “online” saka eksperimen sadurunge. Ing saben ronde, GPT‑5 ngusulake batch 8-10 reaksi beda, kanthi reaksi didorong menyang ronde sabanjure yen mbutuhake reagen khusus sing laboratorium durung siyapake. Para ilmuwan manungsa banjur nindakake reaksi kasebut lan ngukur jumlah koloni relatif marang dasar HiFi Gibson assembly ing penyaringan awal. Data kanthi kinerja paling apik saka ronde sadurunge banjur dipakani menyang ronde sabanjure. Sing penting, prompt iki distandardisasi tanpa input manungsa saliyane pitakon klarifikasi, saengga kita bisa ngatribusi wawasan mekanistik anyar langsung marang AI tinimbang pandhuan manungsa.

Kita nguji maneh wolung reaksi paling apik saka kabeh seri optimasi nganggo rentang pengenceran DNA sing luwih jembar, lan nemokake manawa akeh sing nuduhake efek luwih cilik tinimbang ing penyaringan awal; pungkasane, kandidat tervalidasi paling kuat yaiku reaksi saka ronde 5 sing ngasilake maneh kinerja asline. Akeh performa dhuwur kalebu kulawarga ligase-polish, sing katon banget sensitif marang variasi cilik ing kahanan competent-cell lan/utawa penanganan DNA pascareaksi. Amarga reaksi iki nggunakake langkah HiFi sing cekak, kita nduga akeh produk kamungkinan mlebu E. coli mung kanthi siji sambungan sing disegel lan liyane mung ditahan kanthi annealing, saengga perbaikan sabanjure gumantung marang jalur perbaikan seluler. Iki nggawe varians dhuwur lan dinamika ‘jackpot’: sanajan umume wektu varian reaksi iki ora ngluwihi performa, siji outlier sing kuwat bisa nggawa kulawarga iki mlebu ronde sabanjure.

Sanajan kita fokus ngoptimalake reaksi kloning sajrone ronde amarga kerumitan mekanistike, kanthi paralel kita ngoptimalake prosedur transformasi nggunakake siji ronde “conto pisanan” ing ngendi model ngusulake akeh owah-owahan mandiri, lan kita njupuk reaksi kanthi performa paling apik.

Kanthi prompt standar tanpa input manungsa, GPT5 ningkatake efisiensi kloning end-to-end nganti 79 kali lipat, dikonfirmasi ing replikasi eksperimen.

Sing patut dicathet, model iki ngusulake prosedur enzimatik anyar, sing diarani model minangka RecA-Assisted Pair-and-Finish HiFi Assembly (RAPF-HiFi), sing nambahake rong protein anyar menyang reaksi: rekombinase RecA saka E. coli, lan protein pengikat DNA untai tunggal gen 32 faga T4 (gp32). Kajaba iku, model nggawe modifikasi sing disengaja marang suhu lan wektu inkubasi, uga wektu penambahan enzim: model ngusulake nambah RecA lan gp32 sawise reaksi HiFi 50°C awal, ngidini protein-protein iki kerja ing 37°C, banjur bali menyang 50°C kanggo ngrampungake perakitan. Bareng, modifikasi anyar iki ningkatake efisiensi luwih saka 2,5 kaping. Perlu dicathet manawa iki nuduhake kinerja awal tanpa optimasi iteratif kondisi reaksi lan wektu.

Ing sisi transformasi, modifikasi paling efektif kabukten prasaja kanthi cara sing ora diduga: nggawe pelet sel (diputer ing sentrifus supaya ngumpul ing ngisor tabung), mbusak separo saka volume sing diwenehake, lan nyuspensikake maneh sel sadurunge nambah DNA, kabeh ing 4°C. Senajan sel kompeten kimia efisiensi dhuwur biasane dianggep rapuh, sel kasebut bisa nahan konsentrasi kanthi apik lan tabrakan molekuler sing tambah ningkatake efisiensi transformasi kanthi nyata (>30 kaping ing validasi final).

Gibson assembly bisa digunakake kanthi menehi potongan DNA pucuk “lengket” sing cocog supaya bisa nemokake siji lan sijine lan gabung. Reaksi iki nggunakake rong enzim beda (polymerase lan ligase) kanggo nyegel potongan sing wis nyambung. Ing RAPF-HiFi, ana rong protein sing dienalake kanggo nggawe langkah pencocokan luwih apik. Sing pisanan, gp32, tumindak kaya sisir sing nglembutake lan mbusak kusut pucuk DNA sing longgar. Sing kapindho, RecA, tumindak kaya panuntun sing nggoleki pasangan sing bener kanggo saben untai lan narik potongan sing cocog supaya nyawiji. Suhu luwih dhuwur nyebabake loro helper iki copot saka DNA, ngidini enzim Gibson normal ngrampungake reaksi.

Ringkese, kita nduga kinerja sing luwih apik iki dimediasi liwat mekanisme ing ngisor iki:

• Gp32 nglapisi buntut DNA untai tunggal (ssDNA) sing durung anneal, mbusak struktur sekunder
• RecA, sing biasane dihambat dening struktur, nyusup saka 3’ lan nggeser filamen gp32
• RecA mediasi panelusuran homologi ssDNA:ssDNA⁠(mbukak ing jendhela anyar), nyurung annealing
• Bali menyang 50°C nggeser filamen recA lan gp32, ngidini polymerase lan ligase ngrampungake reaksi.

Kanggo nguji apa enzim anyar kasebut fungsional, lan kanggo nyingkirake kemungkinan manawa peningkatan kinerja mung didorong owah-owahan langkah termal utawa buffer, kita nguji kinerja RAPF-HiFi tanpa RecA, lan tanpa RecA lan gp32. Kinerja loro reaksi kasebut mudhun relatif marang RAPF-HiFi, nuduhake yen loro protein kasebut perlu kanggo mekanisme kerja RAPF-HiFi.

Pangembangan RAPF-HiFi nuduhake yen GPT‑5 mampu nalar kompleks multidimensi:

• RecA dihambat dening struktur DNA⁠(mbukak ing jendhela anyar), lan patut dicathet yen model ngenalake loro modifikasi sinergis sekaligus: nambah RecA, lan nglengkapi karo gp32 kanggo mbusak struktur sekunder DNA.
• Pasangan alami kanggo RecA E. coli yaiku protein pengikat untai tunggal (SSB) E. coli . SSB nindakake peran sing padha karo gp32 sajrone replikasi genom, rekombinasi, lan perbaikan. Nanging, SSB E. coli ora copot saka DNA kanthi spontan cukup cepet kanggo pertumbuhan filamen RecA, kanthi kompleks RecFOR sing nyengkuyung nukleasi RecA ing filamen SSB in vivo⁠(mbukak ing jendhela anyar). SSB ngiket minangka tetramer stabil kanthi tingkat lepas sing banget alon⁠(mbukak ing jendhela anyar). Kosok baline, filamen gp32 luwih dinamis⁠(mbukak ing jendhela anyar), saengga ngidini displacement dening RecA.

Sepengetahuan kita, RecA lan gp32 durung tau digunakake bebarengan kanthi fungsional ing metode biologi molekuler. Kaya akeh teknik biologi molekuler anyar, aktivitas biokimia dhasare wis tau diteliti, nanging panggunaane minangka metode praktis lan bisa digeneralisasi iku sing dadi kemajuan.

Contone, interaksi RecA lan gp32 wis diteliti ing uji rekonstitusi in vitro mekanistik: ing studi pembentukan D loop, gp32 dituduhake⁠(mbukak ing jendhela anyar) mampu ningkatake aktivitas RecA. Gp32 wis digunakake bebarengan karo pasangan alami recombinase T4 yaiku UvsX lan faktor loading recombinase uvsY ing recombinase polymerase amplification (RPA⁠(mbukak ing jendhela anyar)). Sanajan sawijining spesifikasi paten RPA nyatakake⁠(mbukak ing jendhela anyar) manawa reaksi RPA efektif wis didemonstrasikake nggunakake RecA E. coli ing sistem heterolog karo protein gp32 sing dikompromi (yaiku, direkayasa, non–wild-type), pernyataan iki katon mung minangka selingan ing sawetara pengungkapan paten lan, sepengatahuan kita, durung didhukung data sing diterbitake utawa diadopsi minangka sistem RPA berbasis RecA sing kuwat. Salah siji metode kloning sing diarani SLiCE⁠(mbukak ing jendhela anyar) nggunakake ekstrak sel utuh saka E. coli sing ngemot sistem rekombinasi λ Red, ing ngendi Red beta bisa nindakake peran ganda minangka protein pengikat DNA lan recombinase (sanajan kita kanthi tegas nglarang panggunaan ekstrak sel ing prompt kita). Ing aplikasi liya, Ferrin & Camerini-Otero⁠(mbukak ing jendhela anyar) nggunakake RecA dhewe kanggo nangkep molekul DNA sacara selektif adhedhasar urutan sing cocog. Kapisah, gp32 wis digunakake minangka aditif⁠(mbukak ing jendhela anyar) ing proses amplifikasi DNA sing diarani PCR kanggo nyuda struktur sekunder. Amplifikasi NABSA dituduhake⁠(mbukak ing jendhela anyar) bisa ditingkatake dening RecA lan gp32, sanajan saben-saben bisa ningkatake reaksi kanthi kapisah lan ora ana sinergi sing diidentifikasi. Luwih jembar maneh, perbaikan sing dilapurake kanggo reaksi perakitan DNA gaya Gibson dhasar langka, kanthi conto paling wigati yaiku protein pengikat DNA tahan panas (ET SSB) sing ningkatake efisiensi perakitan kira-kira 2,5 kaping⁠(mbukak ing jendhela anyar).

Kanggo umume aplikasi, kita ora ngarepake RAPF-HiFi bisa saingan karo kesederhanaan lan kekokohan kloning HiFi/Gibson. Nanging, munculé jalur perakitan sing beda kanthi mekanistik iku patut dicathet: GPT‑5 tekan solusi sing nggabungake kombinasi protein rekombinasi lan dinamika reaksi sing ora lumrah. Mekanisme dhasar iki bisa uga modular, nyedhiyakake komponen sing bisa digunakake maneh utawa digabung maneh ing alur kerja molekuler liyane. Kita uga terus njelajah perbaikan kanggo RAPF-HiFi. Suhu reaksi lan suwene langkah bisa disetel kanggo ngimbangi aktivitas RecA lan gp32 marang pencernaan berlebihan exonuclease, lan jumlah loro protein kasebut isih kudu dioptimalake. GPT‑5 uga wis ngusulake varian RecA hiperaktif, sing saiki lagi kita murnikake.

Babagan protokol transformasi, kondisi optimasi sing sukses nyakup macem-macem aditif lan gangguan termal sing dimaksudake kanggo ningkatake efisiensi heat-shock saka sel kompeten 10-beta⁠(mbukak ing jendhela anyar) komersial. Saka 13 transformasi conto pisanan sing digawe AI lan diuji, modifikasi paling efektif, Transformasi 7 (T7), nggawe pelet sel, mbusak separo volume sing diwenehake, lan nyuspensikake maneh sel sadurunge nambah DNA, kabeh ing 4°C. Sel kompeten kimia efisiensi dhuwur biasane dianggep rapuh, lan langkah penanganan kaya ngono umume dihindari. Nanging, sel kasebut bisa nahan konsentrasi kanthi apik. Efek gabungan saka tambahé paparan DNA saben sel lan buffer sing luwih sithik ngganggu sing nyebabake heat-shock luwih cetha ngasilake peningkatan gedhe ing efisiensi transformasi (>30 kaping).

Protokol transformasi iki anyar, sanajan pendekatan sing sacara konsep mirip⁠(mbukak ing jendhela anyar) ing ngendi sel dikonsentrasi ing langkah luwih awal wis tau dilapurake. Sing patut dicathet, metode sing dikembangake GPT‑5 ing kene kompatibel karo sel kompeten kimia siap pakai, ngilangake kabutuhan persiapan sel ing laboratorium dhewe, nalika ngluwihi gain efisiensi sing dilapurake pendekatan mirip kasebut ing galur sel sing bisa dibandhingake.

Kanggo nambah kapasitas pangolahan sistem eksperimen model iki, Robot on Rails lan Red Queen Bio kerja bareng mbangun sistem robotik sing nampa protokol kloning basa alami lan nindakake ing wet lab.

Sistem iki nggabungake telung komponen: 1) LLM manungsa-kanggo-robot sing ngowahi basa Inggris biasa dadi aksi robot; 2) sistem visi sing ngenali lan nemokake posisi piranti lab kanthi wektu nyata; lan 3) perencana jalur robotik sing nemtokake carane nindakake saben aksi kanthi aman lan akurat. Asilé yaiku robot lab sing fleksibel lan umum, sing banjur luwih dioptimalake kanggo varian protokol kloning Gibson.

Kita nguji apa robot otonom iki bisa nindakake eksperimen kloning lengkap kanthi mbukak rong protokol bebarengan: metode HiFi standar lan R8, protokol modifikasi AI kanthi performa paling apik saka ronde optimasi pisanan.

Kita mbandhingake karya robot iki karo eksperimen sing ditindakake manungsa ing saben langkah. Robot kanthi sukses nangani proses transformasi, sing mbutuhake operasi fisik maneka warna: mindhah lan nyampur cairan, mindhah tabung sampel, menehi panas terkontrol marang sel, lan nyebar sel menyang plate pertumbuhan. Nalika dibandhingake langsung karo transformasi sing ditindakake manungsa, robot ngasilake data kanthi kualitas sing padha lan perbaikan sing setara marang dasar, nuduhake potensi awal kanggo ngotomatisasi lan nyepetake optimasi eksperimen biologi.

Sanajan perubahan lipat antarane eksperimen robot lan manungsa padha, jumlah koloni absolut saka robot kira-kira sepuluh kaping luwih murah tinimbang pelaksanaan manual, nuduhake area perbaikan kayata presisi penanganan cairan, kalibrasi kontrol suhu, lan niru nuansa teknik penanganan sel manual.

Kita yakin eksperimen iki menehi gambaran sekedhap babagan kaya apa ilmu pengetahuan sing dipercepat AI ing masa depan: model sing terus sinau lan sesambungan karo donya nyata. Sanajan eksperimen kita ngilangi intervensi manungsa kanggo ngukur kemampuan model kanthi murni, kita utamane bungah babagan AI mbantu ilmuwan manungsa⁠ ngrancang eksperimen lan nyumbang kanggo terobosan riset.

Nalika kita kerja kanggo nyepetake kemajuan ilmiah kanthi aman lan tanggung jawab, kita uga ngupaya ngevaluasi lan nyuda risiko, utamane sing ana gandhengane karo biosekuriti. Asil evaluasi iki nuduhake yen model bisa bernalar ing wet lab kanggo ningkatake protokol, lan bisa nduweni implikasi kanggo biosekuriti kaya diterangake ing Kerangka Kesiapan⁠(mbukak ing jendhela anyar) kita. Kita setya mbangun⁠ pengaman sing perlu lan nuansane ing tingkat model lan sistem kanggo nyuda risiko iki, uga ngembangake evaluasi kanggo nglacak level saiki.