GPT‑5 ಕೋಶರಹಿತ ಪ್ರೋಟೀನ್ ಸಂಶ್ಲೇಷಣೆಯ ವೆಚ್ಚವನ್ನು ಕಡಿಮೆ ಮಾಡುತ್ತದೆ
Ginkgo Bioworks ಜೊತೆಗೆ ಕೆಲಸ ಮಾಡಿ, ನಾವು AI-ಚಾಲಿತ ಸ್ವಾಯತ್ತ ಪ್ರಯೋಗಾಲಯವನ್ನು ನಿರ್ಮಿಸಿ, ಪ್ರೋಟೀನ್ ಉತ್ಪಾದನಾ ವೆಚ್ಚದಲ್ಲಿ 40% ಇಳಿಕೆಯನ್ನು ಸಾಧಿಸಿದ್ದೇವೆ.
ಗಣಿತ ಮತ್ತು ಭೌತಶಾಸ್ತ್ರದಂತಹ ಕ್ಷೇತ್ರಗಳಲ್ಲಿ, ಭೌತಿಕ ಜಗತ್ತನ್ನು ಸ್ಪರ್ಶಿಸದೆ ಕೂಡ ಆಲೋಚನೆಗಳನ್ನು ಬಹುಸಾರ ಮೌಲ್ಯಮಾಪನ ಮಾಡಬಹುದಾದ್ದರಿಂದ, AI ಯಿಂದ ನಾವು ವೇಗವಾದ ಪ್ರಗತಿ ಯನ್ನು ಕಂಡಿದ್ದೇವೆ. ಜೀವಶಾಸ್ತ್ರ ವಿಭಿನ್ನವಾಗಿದೆ. ಪ್ರಗತಿ ಪ್ರಯೋಗಾಲಯದ ಮೂಲಕ ಸಾಗುತ್ತದೆ, ಅಲ್ಲಿ ವಿಜ್ಞಾನಿಗಳು ಸಮಯ ಮತ್ತು ಹಣವನ್ನು ತೆಗೆದುಕೊಳ್ಳುವ ಪ್ರಯೋಗಗಳನ್ನು ನಡೆಸುತ್ತಾರೆ.
ಅದು ಬದಲಾಗಲು ಆರಂಭವಾಗಿದೆ. ಅತ್ಯಾಧುನಿಕ ಮಾಡೆಲ್ಗಳು ಈಗ ಲ್ಯಾಬ್ ಸ್ವಯಂಚಾಲಿತ ವ್ಯವಸ್ಥೆಗೆ ನೇರವಾಗಿ ಸಂಪರ್ಕಿಸಬಹುದು, ಪ್ರಯೋಗಗಳನ್ನು ಪ್ರಸ್ತಾಪಿಸಬಹುದು, ಅವುಗಳನ್ನು ದೊಡ್ಡ ಪ್ರಮಾಣದಲ್ಲಿ ನಡೆಸಬಹುದು, ಫಲಿತಾಂಶಗಳಿಂದ ಕಲಿಯಬಹುದು ಮತ್ತು ಮುಂದೇನು ಮಾಡಬೇಕೆಂದು ನಿರ್ಧರಿಸಬಹುದು. ಜೀವ ವಿಜ್ಞಾನಗಳ ಬಹುಪಾಲು ಕ್ಷೇತ್ರದಲ್ಲಿ, ಅಡಚಣೆ ಪುನರಾವರ್ತನೆಯಾಗಿದ್ದು, ಆ ನಿರ್ಬಂಧವನ್ನು ತೆಗೆದುಹಾಕಲು ಸ್ವಾಯತ್ತ ಪ್ರಯೋಗಾಲಯಗಳನ್ನು ನಿರ್ಮಿಸಲಾಗಿದೆ.
ಹಿಂದಿನ ಕೆಲಸದಲ್ಲಿ, ನಾವು ತೋರಿಸಿದ್ದೇವೆ GPT‑5 ಮುಚ್ಚಿದ-ಲೂಪ್ ಪ್ರಯೋಗಗಳ ಮೂಲಕ ತೇವ-ಲ್ಯಾಬ್ ಪ್ರೋಟೋಕಾಲ್ಗಳನ್ನು ಸುಧಾರಿಸಬಹುದು. ಇಲ್ಲಿ, ಅದೇ ವಿಧಾನವು ಪ್ರೋಟೀನ್ ಉತ್ಪಾದನೆಯ ವೆಚ್ಚವನ್ನು ಕಡಿಮೆ ಮಾಡಬಹುದು ಎಂದು ನಾವು ತೋರಿಸುತ್ತೇವೆ.
ನಾವು Ginkgo Bioworks(ಹೊಸ ಕಿಟಕಿಯಲ್ಲಿ ತೆರೆಯುತ್ತದೆ) ಜೊತೆಗೆ ಪಾಲುದಾರಿಕೆ ಮಾಡಿಕೊಂಡು GPT‑5 ಅನ್ನು ಮೋಡ ಲ್ಯಾಬೊರೇಟರಿಗೆ ಸಂಪರ್ಕಿಸಿದೆವು—ಸಾಫ್ಟ್ವೇರ್ ಮೂಲಕ ದೂರದಿಂದ ನಿರ್ವಹಿಸಲ್ಪಡುವ ಸ್ವಯಂಚಾಲಿತ ವೆಟ್ ಲ್ಯಾಬ್, ಅಲ್ಲಿ ರೋಬೋಟ್ಗಳು ಪ್ರಯೋಗಗಳನ್ನು ನಡೆಸಿ ಡೇಟಾವನ್ನು ಹಿಂತಿರುಗಿಸುತ್ತವೆ—ಮತ್ತು ವ್ಯಾಪಕವಾಗಿ ಬಳಸಲಾಗುವ ಜೈವಿಕ ಪ್ರಕ್ರಿಯೆಯನ್ನು ಆಪ್ಟಿಮೈಸ್ ಮಾಡಲು ಆ ಲ್ಯಾಬ್-ಇನ್-ದಿ-ಲೂಪ್ ಸೆಟಪ್ ಅನ್ನು ಬಳಸಿದೆವು: ಕೋಶರಹಿತ ಪ್ರೋಟೀನ್ ಸಂಶ್ಲೇಷಣೆ (CFPS). ಆರು ಸುತ್ತುಗಳ ಕ್ಲೋಸ್ಡ್-ಲೂಪ್ ಪ್ರಯೋಗಗಳಲ್ಲಿ, ವ್ಯವಸ್ಥೆಯು 580 ಸ್ವಯಂಚಾಲಿತ ಪ್ಲೇಟ್ಗಳಲ್ಲಿ 36,000 ಕ್ಕೂ ಹೆಚ್ಚು ವಿಶಿಷ್ಟ CFPS ಪ್ರತಿಕ್ರಿಯಾ ಸಂಯೋಜನೆಗಳನ್ನು ಪರೀಕ್ಷಿಸಿತು. ಕಂಪ್ಯೂಟರ್, ವೆಬ್ ಬ್ರೌಸರ್ ಮತ್ತು ಸಂಬಂಧಿತ ಪೇಪರ್ಗಳಿಗೆ ಪ್ರವೇಶವನ್ನು ಒದಗಿಸಿದ ನಂತರ, GPT‑5 ಕಡಿಮೆ ವೆಚ್ಚದ CFPS ನಲ್ಲಿ ಹೊಸ ಅತ್ಯಾಧುನಿಕ ಮಟ್ಟವನ್ನು ಸ್ಥಾಪಿಸಲು ಮೂರು ಸುತ್ತಿನ ಪ್ರಯೋಗಗಳನ್ನು ನಡೆಸಿತು. ಇದರಿಂದ ಪ್ರೋಟೀನ್ ಉತ್ಪಾದನಾ ವೆಚ್ಚದಲ್ಲಿ 40% ಇಳಿಕೆ (ಮತ್ತು ರಿಯಾಜೆಂಟ್ಗಳ ವೆಚ್ಚದಲ್ಲಿ 57% ಸುಧಾರಣೆ) ಸಾಧಿಸಲಾಯಿತು, ಜೊತೆಗೆ ಸ್ವಾಯತ್ತ ಲ್ಯಾಬ್ಗಳಲ್ಲಿ ಸಾಮಾನ್ಯವಾಗಿರುವ ಪ್ರತಿಕ್ರಿಯಾ ಪರಿಸ್ಥಿತಿಗಳಿಗೆ ಹೆಚ್ಚು ದೃಢವಾಗಿರುವ ಹೊಸ ಪ್ರತಿಕ್ರಿಯಾ ಸಂಯೋಜನೆಗಳನ್ನೂ ಒಳಗೊಂಡಿದೆ.
ಕೋಶರಹಿತ ಪ್ರೋಟೀನ್ ಸಂಶ್ಲೇಷಣೆ (CFPS) ಎಂಬುದು ಜೀವಂತ ಕೋಶಗಳನ್ನು ಬೆಳೆಸದೆ ಪ್ರೋಟೀನ್ಗಳನ್ನು ತಯಾರಿಸುವ ವಿಧಾನವಾಗಿದೆ. DNA ಅನ್ನು ಕೋಶಗಳಲ್ಲಿ ಹಾಕಿ ಅವುಗಳು ಪ್ರೋಟೀನ್ ಉತ್ಪಾದಿಸುವುದನ್ನು ಕಾಯುವ ಬದಲು, CFPS ನಿಯಂತ್ರಿತ ಮಿಶ್ರಣದಲ್ಲಿ ಪ್ರೋಟೀನ್ ತಯಾರಿಸುವ ಯಂತ್ರವನ್ನು ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ. ಇದರಿಂದ ವಿಜ್ಞಾನಿಗಳು ಅನೇಕ ಪ್ರಯೋಗಗಳನ್ನು ತ್ವರಿತವಾಗಿ ನಡೆಸಿ ಅದೇ ದಿನ ಫಲಿತಾಂಶಗಳನ್ನು ಅಳೆಯಬಹುದಾದುದರಿಂದ, ಇದು ತ್ವರಿತ ಪ್ರೋಟೋಟೈಪಿಂಗ್ ಮತ್ತು ಪರೀಕ್ಷೆಗಾಗಿ ಒಂದು ಪ್ರಾಯೋಗಿಕ ಸಾಧನವಾಗುತ್ತದೆ.
ಪ್ರೋಟೀನ್ಗಳು ಆಧುನಿಕ ಜೀವವಿಜ್ಞಾನ ಒದಗಿಸುವ ಪ್ರಮುಖ ಭಾಗವಾಗಿದೆ. ಅನೇಕ ಪ್ರಮುಖ ಔಷಧಿಗಳು ಪ್ರೋಟೀನ್ಗಳ ಆಧಾರದ ಮೇಲೆ ತಯಾರಿಸಲ್ಪಟ್ಟಿವೆ. ಅನೇಕ ರೋಗನಿರ್ಣಯ ಮತ್ತು ಸಂಶೋಧನಾ ಪರೀಕ್ಷೆಗಳು ಪ್ರೋಟೀನ್ಗಳ ಮೇಲೆ ಅವಲಂಬಿತವಾಗಿವೆ. ಕೈಗಾರಿಕಾ ಪರಿಸರಗಳಲ್ಲಿ, ಪ್ರೋಟೀನ್ಗಳು ಎನ್ಜೈಮ್ಗಳಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತವೆ, ಇದು ರಾಸಾಯನಿಕ ಪ್ರಕ್ರಿಯೆಗಳನ್ನು ಹೆಚ್ಚು ಸ್ವಚ್ಛ ಮತ್ತು ಪರಿಣಾಮಕಾರಿಯಾಗಿಸುತ್ತದೆ. ಪ್ರೋಟೀನ್ಗಳು ನಿಮ್ಮ ಬಟ್ಟೆ ತೊಳೆಯುವ ಡಿಟರ್ಜೆಂಟ್ನಲ್ಲೂ ಕಂಡುಬರುತ್ತವೆ. ಪ್ರೋಟೀನ್ ಉತ್ಪಾದನೆ ವೇಗವಾಗಿ ಮತ್ತು ಕಡಿಮೆ ವೆಚ್ಚದಲ್ಲಿ ಸಾಧ್ಯವಾದಾಗ, ವಿಜ್ಞಾನಿಗಳು ಸಾಮಾನ್ಯವಾಗಿ ಹೆಚ್ಚಿನ ಆಲೋಚನೆಗಳನ್ನು ಬೇಗನೆ ಪರೀಕ್ಷಿಸಬಹುದು ಮತ್ತು ಆರಂಭಿಕ ಸಂಶೋಧನೆಯನ್ನು ಜನರು ಪ್ರತಿದಿನ ಪ್ರಯೋಜನ ಪಡೆಯಬಹುದಾದ ಯಾವುದಾದರೂ ಒಂದಾಗಿ ಪರಿವರ್ತಿಸುವ ವೆಚ್ಚವನ್ನು ಕಡಿಮೆ ಮಾಡಬಹುದು.
ಆ ರೀತಿಯ ಪುನರಾವರ್ತನೆಗಾಗಿ CFPS ಈಗಾಗಲೇ ಉಪಯುಕ್ತವಾಗಿದೆ. ಸಂಕೀರ್ಣತೆ ಎಂದರೆ ಇದನ್ನು ಆಪ್ಟಿಮೈಸ್ ಮಾಡುವುದು ಕಷ್ಟಕರವಾಗಿದೆ ಮತ್ತು ದೊಡ್ಡ ಪ್ರಮಾಣದಲ್ಲಿ ದುಬಾರಿಯಾಗುತ್ತದೆ.
ಕೋಶ-ರಹಿತ ಪ್ರೋಟೀನ್ ಸಂಶ್ಲೇಷಣೆಗೆ ಸಂಕೀರ್ಣ, ಪರಸ್ಪರ ಕ್ರಿಯಾಶೀಲ ಘಟಕಗಳು ಅಗತ್ಯವಿರುತ್ತವೆ: ತಯಾರಿಸಬೇಕಾದ ಪ್ರೋಟೀನ್ ಅನ್ನು ಸಂಕೇತಿಸುವ ಡಿಎನ್ಎ ಟೆಂಪ್ಲೇಟ್, ಕೋಶ ಲೈಸೇಟ್ (ಕೋಶಗಳ ಒಳಗಿನಿಂದ ಬಂದ ಕೋಶೀಯ ಯಂತ್ರಾಂಗಗಳ ಸೂಪ್) ಮತ್ತು ಶಕ್ತಿಸ್ರೋತಗಳಿಂದ ಉಪ್ಪುಗಳವರೆಗೆ ವ್ಯಾಪಿಸುವ ಹೆಚ್ಚಿನ ಸಂಖ್ಯೆಯ ಜೈವ-ರಾಸಾಯನಿಕ ಘಟಕಗಳು. ವ್ಯವಸ್ಥೆಯನ್ನು ಒಟ್ಟಾರೆಯಾಗಿ ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವುದು ಅತ್ಯಂತ ಕಷ್ಟ, ಮತ್ತು ಅನೇಕ(ಹೊಸ ಕಿಟಕಿಯಲ್ಲಿ ತೆರೆಯುತ್ತದೆ) ಹಿಂದಿನ(ಹೊಸ ಕಿಟಕಿಯಲ್ಲಿ ತೆರೆಯುತ್ತದೆ) ಅಧ್ಯಯನಗಳು(ಹೊಸ ಕಿಟಕಿಯಲ್ಲಿ ತೆರೆಯುತ್ತದೆ) ಪ್ರೋಟೀನ್ ಉತ್ಪಾದನಾ ವೆಚ್ಚವನ್ನು ಕಡಿಮೆ ಮಾಡಲು ವಿಭಿನ್ನ ವಿಧದ ಯಂತ್ರ ಕಲಿಕೆಯನ್ನು ಬಳಸಿವೆ.
ಪ್ರಮಾಣಿತ ಕೋಶರಹಿತ ಪ್ರೋಟೀನ್ ಸಂಶ್ಲೇಷಣೆ (CFPS) ಸಂಯೋಜನೆಗಳು ಮತ್ತು ವಾಣಿಜ್ಯ ಕಿಟ್ಗಳು ಸಾಮಾನ್ಯವಾಗಿ ಮಾನವ-ವೇಗದ ಕೆಲಸಕ್ಕಾಗಿ ಬೆಲೆ ನಿಗದಿಯಾಗಿರುತ್ತವೆ. ಸ್ವಾಯತ್ತ ಲ್ಯಾಬ್ಗಳು ಮಾನವ ತಂಡವು ಡಜನ್ಗಟ್ಟಲೆ ನಡೆಸುವ ಸಮಯದಲ್ಲಿ ಸಾವಿರಾರು ಪ್ರತಿಕ್ರಿಯೆಗಳನ್ನು ನಡೆಸಬಹುದು. ಆ ಪ್ರಮಾಣದಲ್ಲಿ, ರಾಸಾಯನಿಕಗಳ ವೆಚ್ಚವು ಮಿತಿಗೊಳಿಸುವ ಅಂಶವಾಗುತ್ತದೆ.
CFPS ಅನ್ನು ಕೇವಲ ಅಂತಃಪ್ರಜ್ಞೆಯ ಆಧಾರದ ಮೇಲೆ ಆಪ್ಟಿಮೈಸ್ ಮಾಡುವುದು ಕಷ್ಟಕರವಾಗಿದೆ. ಇದು ಅನೇಕ ಪರಸ್ಪರ ಕ್ರಿಯಾಶೀಲ ಘಟಕಗಳ ಸಂಯೋಜನೆಯಾಗಿದೆ. ಸಣ್ಣ ಬದಲಾವಣೆಗಳು ಮಹತ್ವ ಹೊಂದಿರಬಹುದು, ಆದರೆ ಪರಿಣಾಮದ ದಿಕ್ಕು ಯಾವಾಗಲೂ ಸ್ಪಷ್ಟವಾಗುವುದಿಲ್ಲ ಮತ್ತು ಅನೇಕ ಪ್ರಯೋಗಗಳನ್ನು ನಡೆಸದೆ ಉತ್ತಮ ಸಂಯೋಜನೆಗಳನ್ನು ಕಂಡುಹಿಡಿಯುವುದು ಕಷ್ಟವಾಗಬಹುದು. ಹಿಂದಿನ ವಿಧಾನಗಳು ವೆಚ್ಚಗಳನ್ನು ಕಡಿಮೆ ಮಾಡಿವೆ, ಆದರೆ ಸ್ಥಳವನ್ನು ಸಂಪೂರ್ಣವಾಗಿ ಪರಿಶೀಲಿಸುವುದು ಕಾರ್ಮಿಕ-ಗಹನವಾಗಿರುವುದರಿಂದ ಪ್ರಗತಿ ಸಾಮಾನ್ಯವಾಗಿ ಕ್ರಮೇಣವಾಗಿರುತ್ತದೆ.
ಸೆಲ್-ಫ್ರೀ ಪ್ರೋಟೀನ್ ಸಿಂಥಸಿಸ್ (CFPS) ಆಪ್ಟಿಮೈಸೇಶನ್ಗಾಗಿ ಕ್ಲೋಸ್ಡ್-ಲೂಪ್ ಸ್ವಾಯತ್ತ ವ್ಯವಸ್ಥೆಯನ್ನು ರೂಪಿಸಲು ನಾವು GPT‑5 ಅನ್ನು Ginkgo Bioworks’ ಕ್ಲೌಡ್ ಪ್ರಯೋಗಾಲಯದೊಂದಿಗೆ ಜೋಡಿಸಿದ್ದೇವೆ.
GPT‑5 ಪ್ರಯೋಗಗಳ ಗುಂಪುಗಳನ್ನು ವಿನ್ಯಾಸಗೊಳಿಸಿತು. ಲ್ಯಾಬ್ ಅವುಗಳನ್ನು ನಿರ್ವಹಿಸಿತು. ಫಲಿತಾಂಶಗಳನ್ನು ಮಾಡೆಲ್ಗೆ ಹಿಂತಿರುಗಿಸಲಾಯಿತು. ಮಾಡೆಲ್ ಆ ಡೇಟಾವನ್ನು ಬಳಸಿಕೊಂಡು ಮುಂದಿನ ಸುತ್ತಿನ ಪ್ರಸ್ತಾಪವನ್ನು ಮಾಡಿತು. ನಾವು ಆ ಚಕ್ರವನ್ನು ಆರು ಬಾರಿ ಪುನರಾವರ್ತಿಸಿದೆವು.
GPT‑5 ಮಾನಕ 384-ವೆಲ್ ಪ್ಲೇಟ್ ಫಾರ್ಮ್ಯಾಟ್ನಲ್ಲಿ ಪ್ರಯೋಗಗಳ ಗುಚ್ಛಗಳನ್ನು ವಿನ್ಯಾಸಗೊಳಿಸಿತು ಮತ್ತು ಅವುಗಳನ್ನು Ginkgo Bioworks’ ಕ್ಲೌಡ್ ಪ್ರಯೋಗಾಲಯದಲ್ಲಿ ನಡೆಸಿತು. ಪ್ರಯೋಗಗಳು ಮುಗಿದ ನಂತರ, ಕ್ಲೌಡ್ ಪ್ರಯೋಗಾಲಯವು ಡೇಟಾವನ್ನು GPT‑5 ಗೆ ಹಿಂದಕ್ಕೆ ಕಳುಹಿಸಿತು, ಅಲ್ಲಿ ಮಾಡೆಲ್ ಫಲಿತಾಂಶಗಳನ್ನು ವಿಶ್ಲೇಷಿಸಿ, ಹೊಸ ಊಹೆಗಳನ್ನು ರಚಿಸಿ, ಮುಂದಿನ ಸುತ್ತಿನ ಪ್ರಯೋಗಗಳನ್ನು ವಿನ್ಯಾಸಗೊಳಿಸಿತು.
ಸ್ವಾಯತ್ತ ಪ್ರಯೋಗಾಲಯವು ಏನು ಸಾಧಿಸಬಲ್ಲದು ಎಂಬುದರ ಆಧಾರದ ಮೇಲೆ ಲೂಪ್ ಅನ್ನು ನೆಲೆಯೂರಿಸಲು, ಯಾವುದೇ ಪ್ರಯೋಗ ಆರಂಭವಾಗುವ ಮೊದಲು ನಾವು ಕಠಿಣ ಕಾರ್ಯಕ್ರಮಾತ್ಮಕ ಮಾನ್ಯತೆಯನ್ನು ಸೇರಿಸಿದ್ದೇವೆ. ಆ ವ್ಯಾಲಿಡೇಶನ್ AI-ವಿನ್ಯಾಸಗೊಳಿಸಿದ ಪ್ರಯೋಗಗಳನ್ನು ಆಟೊಮೇಶನ್ ಪ್ಲಾಟ್ಫಾರ್ಮ್ನಲ್ಲಿ ಭೌತಿಕವಾಗಿ ಕಾರ್ಯಗತಗೊಳಿಸಬಹುದಾಗಿರುವಂತೆ ಜಾರಿಗೆ ತಂದಿತು. ಇದು ಪಠ್ಯದಲ್ಲಿ ನಂಬುವಂತೆ ಕಾಣುವ ಆದರೆ ರೋಬೋಟಿಕ್ ವರ್ಕ್ಫ್ಲೋದಲ್ಲಿ ನಡೆಸಲು ಸಾಧ್ಯವಾಗದ “ಕಾಗದದ ಪ್ರಯೋಗಗಳನ್ನು” ತಡೆಯಿತು.
ಸಂಪೂರ್ಣ ಕಾರ್ಯಾಚರಣೆಯ ಅವಧಿಯಲ್ಲಿ, ವ್ಯವಸ್ಥೆಯು 580 ಸ್ವಯಂಚಾಲಿತ ಪ್ಲೇಟ್ಗಳಲ್ಲಿ 36,000 ಕ್ಕಿಂತ ಹೆಚ್ಚು CFPS ಪ್ರತಿಕ್ರಿಯೆಗಳನ್ನು ನಿರ್ವಹಿಸಿತು. ಈ ಪ್ರಮಾಣವು ಮುಖ್ಯವಾಗಿದೆ ಏಕೆಂದರೆ ಇದು ಮಾದರಿಗಳನ್ನು ಹೊರಹೊಮ್ಮಲು ಅವಕಾಶ ಮಾಡುತ್ತದೆ. ಜೀವವಿಜ್ಞಾನದಲ್ಲಿ, ಏಕೈಕ ಪ್ರಯೋಗಗಳು ಅಸ್ಥಿರವಾಗಿರುತ್ತವೆ. ಥ್ರೂಪುಟ್ ಮತ್ತು ಪುನರಾವರ್ತನೆಗಳು ಯಾದೃಚ್ಛಿಕ ಶಬ್ದದಿಂದ ಸಂಕೇತವನ್ನು ಬೇರ್ಪಡಿಸುವ ಮಾರ್ಗವಾಗಿದೆ. GPT‑5 ಗೆ ಸಂಬಂಧಿತ ಪೇಪರ್ ಮತ್ತು ಉಪಕರಣಗಳಿಗೆ ಪ್ರವೇಶ ದೊರಕಿದ ನಂತರ, ಹೊಸ ಅತ್ಯಾಧುನಿಕ ಸ್ಥಿತಿಯನ್ನು ಸ್ಥಾಪಿಸಲು ಮೂರು ಸುತ್ತಿನ ಪ್ರಯೋಗಗಳು ಮತ್ತು ಎರಡು ತಿಂಗಳು ಬೇಕಾಯಿತು: ಅತ್ಯುತ್ತಮ ಹಿಂದಿನ ಮೂಲ ಅಂಕೆ(ಹೊಸ ಕಿಟಕಿಯಲ್ಲಿ ತೆರೆಯುತ್ತದೆ)ಗೆ ಹೋಲಿಸಿದಾಗ ಪ್ರೋಟೀನ್ ಉತ್ಪಾದನಾ ವೆಚ್ಚವು 40% ಕಡಿಮೆ.
Ginkgo Bioworks’ ಮರುಸಂರಚಿಸಬಹುದಾದ ಸ್ವಯಂಚಾಲಿತ ಕಾರ್ಟ್ಗಳು. ಕ್ರೆಡಿಟ್: Ginkgo Bioworks
ಹೈ-ಥ್ರೂಪುಟ್ ಸ್ವಯಂಚಾಲಿತಗೊಳಿಸುವಿಕೆಯ ವಾಸ್ತವಿಕತೆಯಲ್ಲಿ ಒಟ್ಟಿಗೆ ಚೆನ್ನಾಗಿ ಕೆಲಸ ಮಾಡುವ ಮತ್ತು ಸ್ಥಿರವಾಗಿ ನಿಲ್ಲುವ ಸಂಯೋಜನೆಗಳನ್ನು ಗುರುತಿಸುವುದರಿಂದ ಸುಧಾರಣೆಗಳು ಬಂದಿವೆ ಎಂದು ನಾವು ಕಂಡುಕೊಂಡಿದ್ದೇವೆ.
ನಾವು ಕಂಡುಕೊಂಡಿದ್ದು, ಈ ಸಂರಚನೆಯಲ್ಲಿ ಮಾನವರು ಹಿಂದೆ ಪರೀಕ್ಷಿಸದ ಕಡಿಮೆ ವೆಚ್ಚದ ಪ್ರತಿಕ್ರಿಯೆ ಸಂಯೋಜನೆಗಳನ್ನು GPT‑5 ಗುರುತಿಸಿದೆ. ಕೋಶರಹಿತ ಪ್ರೋಟೀನ್ ಸಂಶ್ಲೇಷಣೆ (CFPS) ವರ್ಷಗಳಿಂದ ಅಧ್ಯಯನಕ್ಕೊಳಪಟ್ಟಿದೆ, ಆದರೆ ಸಾಧ್ಯವಿರುವ ಮಿಶ್ರಣಗಳ ವ್ಯಾಪ್ತಿ ಇನ್ನೂ ವಿಶಾಲವಾಗಿದೆ. ನೀವು ಸಾವಿರಾರು ಸಂಯೋಜನೆಗಳನ್ನು ತ್ವರಿತವಾಗಿ ಪ್ರಸ್ತಾಪಿಸಿ ಕಾರ್ಯಗತಗೊಳಿಸಿದಾಗ, ಹಸ್ತಚಾಲಿತ ಕೆಲಸದ ಹರಿವಿನಲ್ಲಿ ಸುಲಭವಾಗಿ ಗಮನ ತಪ್ಪಿಸಬಹುದಾದ ಕಾರ್ಯನಿರ್ವಹಣಾ ಪ್ರದೇಶಗಳನ್ನು ನೀವು ಕಂಡುಹಿಡಿಯಬಹುದು.
ನಾವು ಹೈ-ಥ್ರೂಪುಟ್, ಪ್ಲೇಟ್-ಆಧಾರಿತ ಪ್ರಯೋಗಗಳು ಸಾಮಾನ್ಯವಾಗಿ ಕೈಯಿಂದ ಮಾಡುವ ಬೆಂಚ್-ಟಾಪ್ ಪ್ರಯೋಗಗಳಿಂದ ಭಿನ್ನವಾಗಿರುತ್ತವೆ ಎಂಬುದನ್ನು ಸಹ ಕಂಡುಕೊಂಡೆವು. ಹೈ-ಥ್ರೂಪುಟ್ ಪ್ರತಿಕ್ರಿಯಾ ಸ್ವರೂಪಗಳಲ್ಲಿ ಆಕ್ಸಿಜನೇಷನ್ ಕಡಿಮೆಯಾಗಿರಬಹುದು. ಮಿಶ್ರಣ ಮತ್ತು ಜ್ಯಾಮಿತಿ ವಿಭಿನ್ನವಾಗಬಹುದು. ಬಹುತೇಕ CFPS ಪ್ರತಿಕ್ರಿಯೆಗಳು ಪರೀಕ್ಷಾ ನಳಿಗಳಲ್ಲಿ ಮೈಕ್ರೋಟೈಟರ್ ಪ್ಲೇಟ್ಗಳಿಗಿಂತ ಹೆಚ್ಚು ಪ್ರೋಟೀನ್ ಉತ್ಪಾದಿಸುತ್ತವೆ, ಏಕೆಂದರೆ ದೊಡ್ಡ ಪ್ರಮಾಣಗಳಲ್ಲಿ ಸಾಮಾನ್ಯವಾಗಿ ಹೆಚ್ಚು ಆಮ್ಲಜನಕ ಲಭ್ಯತೆ ಮತ್ತು ಉತ್ತಮ ಮಿಶ್ರಣವಿರುತ್ತದೆ. ವಾಸ್ತವವಾಗಿ, ಕಡಿಮೆ ಪ್ರಮಾಣದ ಪ್ಲೇಟ್-ಆಧಾರಿತ ಪ್ರತಿಕ್ರಿಯೆಗಳಿಗಾಗಿ, GPT‑5 ಡೇಟಾ ವಿಶ್ಲೇಷಣೆಗೆ ಕಂಪ್ಯೂಟರ್ ಮತ್ತು ಸಂಬಂಧಿತ ಪೇಪರ್ಗಳನ್ನು ಹುಡುಕಲು ವೆಬ್ ಬ್ರೌಸರ್ಗೆ ಪ್ರವೇಶ ಪಡೆದ ತಕ್ಷಣವೇ ಹಿಂದಿನ ಅತ್ಯುತ್ತಮದಿಗಿಂತ ಉತ್ತಮವಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸಿದ ಅನೇಕ ಪ್ರತಿಕ್ರಿಯೆಗಳನ್ನು ಪ್ರಸ್ತಾಪಿಸಿತು. ಒಟ್ಟಾರೆಯಾಗಿ, GPT‑5 ಹೈ-ಥ್ರೂಪುಟ್ ನಿರ್ಬಂಧಗಳ ಅಡಿಯಲ್ಲಿ ಉತ್ತಮವಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸಿದ ಅನೇಕ ರಿಯಾಜೆಂಟ್ ಸಂಯೋಜನೆಗಳನ್ನು ಪ್ರಸ್ತಾಪಿಸಿದೆ, ಇದರಲ್ಲಿ ಸ್ವಯಂಚಾಲಿತ ಪ್ರಯೋಗಾಲಯ ಪರಿಸರಗಳಲ್ಲಿ ಸಾಮಾನ್ಯವಾಗಿರುವ ಕಡಿಮೆ-ಆಮ್ಲಜನಕ ಪರಿಸ್ಥಿತಿಗಳಲ್ಲೂ ಹೆಚ್ಚು ದೃಢವಾಗಿರುವ ಅನೇಕ ಸಂಯೋಜನೆಗಳು ಸೇರಿವೆ.
ಇದಲ್ಲದೆ, ಬಫರಿಂಗ್, ಶಕ್ತಿ ಪುನರುತ್ಪಾದನೆ ಘಟಕಗಳು ಮತ್ತು ಪಾಲಿಯಮೈನ್ಸ್ಗಳಲ್ಲಿ ಸಣ್ಣ ಬದಲಾವಣೆಗಳು ಅವುಗಳ ವೆಚ್ಚಕ್ಕೆ ಹೋಲಿಸಿದರೆ ಹೆಚ್ಚಿನ ಪರಿಣಾಮವನ್ನು ಬೀರಿವೆ ಎಂದು ನಾವು ಕಂಡುಕೊಂಡೆವು. ಇವು ಯಾವಾಗಲೂ ಜನರು ಮೊದಲು ಆಯ್ಕೆ ಮಾಡುವ ಪರಾಮೀಟರ್ಗಳು ಅಲ್ಲ, ಆದರೆ ಹೆಚ್ಚಿನ ಥ್ರೂಪುಟ್ನಲ್ಲಿ, ಅವು ಹಿನ್ನೆಲೆ ಊಹೆಗಳಿಗಿಂತ ಪರೀಕ್ಷಿಸಬಹುದಾದ ಹೈಪೋಥೆಸಿಸ್ಗಳಾಗುತ್ತವೆ.
ಕೊನೆಗೆ, ವೆಚ್ಚದ ರಚನೆಯೇ ಏನು ಮುಖ್ಯವೆಂದು ರೂಪಿಸಿತು. CFPS ನಲ್ಲಿ, ವೆಚ್ಚಗಳು ಈಗ ಲೈಸೇಟ್ ಮತ್ತು DNA ನಿಂದ ಆಳಲ್ಪಟ್ಟಿವೆ. ಅಂದರೆ yield ಅತ್ಯಂತ ಹೆಚ್ಚು ಲಾಭದಾಯಕ ತಂತ್ರವಾಗಿದೆ. ನೀವು ದುಬಾರಿ ಇನ್ಪುಟ್ನ ಪ್ರತಿ ಘಟಕಕ್ಕೆ ಪ್ರೋಟೀನ್ ಉತ್ಪಾದನೆಯನ್ನು ಹೆಚ್ಚಿಸಬಲ್ಲರಾದರೆ, ಬೇರೆಡೆ ಅಲ್ಪ ಉಳಿತಾಯಗಳನ್ನು ಹುಡುಕುವ ಮೊದಲೇ ವೆಚ್ಚದ ಮೇಲೆ ಅರ್ಥಪೂರ್ಣ ಪ್ರಗತಿಯನ್ನು ಸಾಧಿಸುತ್ತೀರಿ.
ಆರು ಸುತ್ತುಗಳ ಸ್ವಾಯತ್ತ ಪ್ರಯೋಗಗಳಲ್ಲಿ, ವ್ಯವಸ್ಥೆಯು ಸೆಲ್-ಫ್ರೀ ಪ್ರೋಟೀನ್ ಸಂಶ್ಲೇಷಣೆಯನ್ನು ಕ್ರಮೇಣ ಸುಧಾರಿಸಿತು, ವೆಚ್ಚಗಳನ್ನು ಕಡಿಮೆ ಮಾಡುತ್ತಾ ಪ್ರೋಟೀನ್ ಉತ್ಪಾದನೆಯನ್ನು ಹೆಚ್ಚಿಸಿತು. ಪ್ರತಿ ಸುತ್ತಿಗೆ ಫಲಿತಾಂಶಗಳನ್ನು ಪ್ರತಿಕ್ರಿಯೆ ವೆಚ್ಚ ಮತ್ತು ಪ್ರೋಟೀನ್ ಟೈಟರ್ ನಡುವಿನ ಸಂಬಂಧದಲ್ಲಿ ತೋರಿಸಲಾಗುತ್ತದೆ ಮತ್ತು ಉತ್ತಮ ಸಮತೋಲನಗಳು ಅತ್ಯಾಧುನಿಕವನ್ನು ರೂಪಿಸುತ್ತವೆ. ಪ್ರತಿ ಸುತ್ತಿನಲ್ಲಿ ಸಾಧಿಸಲಾದ ಅತಿ ಕಡಿಮೆ ಪ್ರತಿ-ಗ್ರಾಂ ವೆಚ್ಚವನ್ನು ದೊಡ್ಡ ಬಿಂದುಗಳು ಸೂಚಿಸುತ್ತವೆ ಮತ್ತು ನಕ್ಷತ್ರ/ಚುಕ್ಕಿ ಉಲ್ಲೇಖವು 384-ವೆಲ್ ಪ್ಲೇಟ್ಗಳಲ್ಲಿ ಹಿಂದಿನ ಅತ್ಯಾಧುನಿಕ ಬೆಂಚ್ಮಾರ್ಕ್ ಅನ್ನು ಸೂಚಿಸುತ್ತದೆ (Olsen et al., 2025). ನಂತರದ ಸುತ್ತುಗಳನ್ನು ಸಮೀಪದಿಂದ ಗಮನಿಸಿದರೆ ಅಂತಿಮ ಲಾಭಗಳು ಸ್ಪಷ್ಟವಾಗುತ್ತವೆ, ಮತ್ತು ಪ್ರತಿ ಸುತ್ತಿನ ಸಾರಾಂಶವು ಕಾಲಕ್ರಮೇಣ ಉತ್ತಮ ಗ್ರಾಂ-ಪ್ರತಿ-ವೆಚ್ಚ ಕಡಿಮೆಯಾಗುತ್ತಿರುವುದನ್ನು ತೋರಿಸುತ್ತದೆ.
ಈ ಫಲಿತಾಂಶಗಳನ್ನು ಒಂದು ಪ್ರೋಟೀನ್, sfGFP ಮತ್ತು ಒಂದು ಕೋಶ-ರಹಿತ ಪ್ರೋಟೀನ್ ಸಂಶ್ಲೇಷಣೆ (CFPS) ವ್ಯವಸ್ಥೆಯಲ್ಲಿ ತೋರಿಸಲಾಯಿತು. ಇತರ ಪ್ರೋಟೀನ್ಗಳು ಮತ್ತು ಇತರ CFPS ವ್ಯವಸ್ಥೆಗಳಿಗೆ ಸಾಮಾನ್ಯೀಕರಣವನ್ನು ಇನ್ನೂ ತೋರಿಸಬೇಕಾಗಿದೆ.
ಆಮ್ಲಜನಕೀಕರಣ ಮತ್ತು ಪ್ರತಿಕ್ರಿಯೆಯ ಜ್ಯಾಮಿತಿ ಉತ್ಪಾದನೆಯನ್ನು ಬಹಳವಾಗಿ ಪ್ರಭಾವಿಸಬಹುದು ಮತ್ತು ಈ ಅಂಶಗಳು ವಿವಿಧ ಪ್ರಮಾಣಗಳಲ್ಲಿ ಬದಲಾಗಬಹುದು. ಕೆಲವು ಸುಧಾರಣೆಗಳು ಈ ಷರತ್ತುಗಳಿಗೆ ಸೂಕ್ಷ್ಮವಾಗಿರಬಹುದು ಮತ್ತು ಆ ಸೂಕ್ಷ್ಮತೆಗಳನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವುದು ಮುಂದಿನ ಹಂತದ ಭಾಗವಾಗಿದೆ.
ಪ್ರೋಟೋಕಾಲ್ ಸುಧಾರಣೆಗಳು ಮತ್ತು ರಿಯಾಜೆಂಟ್ ನಿರ್ವಹಣೆಗೆ ಮಾನವ ಮೇಲ್ವಿಚಾರಣೆ ಅಗತ್ಯವಿತ್ತು. ಸಿಸ್ಟಮ್ ಪ್ರಯೋಗಗಳನ್ನು ವಿನ್ಯಾಸಗೊಳಿಸಬಹುದು ಮತ್ತು ಅರ್ಥೈಸಬಹುದು, ಆದರೆ ಪ್ರಯೋಗಾಲಯದ ಕೆಲಸ ಇನ್ನೂ ಅನುಭವಸಂಪನ್ನ ಕಾರ್ಯನಿರ್ವಾಹಕರುಗಳ ಅಗತ್ಯವಿರುವ ಪ್ರಾಯೋಗಿಕ ವಿವರಗಳು ಒಳಗೊಂಡಿರುತ್ತವೆ.
ನಾವು ವೇಗವಾದ ಪುನರಾವರ್ತನೆಯಿಂದ ಪ್ರಗತಿಯನ್ನು ಅನ್ಲಾಕ್ ಮಾಡಬಹುದಾದ ಇತರ ಜೈವಿಕ ವರ್ಕ್ಫ್ಲೋಗಳಿಗೆ ಲ್ಯಾಬ್-ಇನ್-ದಿ-ಲೂಪ್ ಆಪ್ಟಿಮೈಸೇಶನ್ ಅನ್ನು ಅನ್ವಯಿಸಲು ಯೋಜಿಸುತ್ತಿದ್ದೇವೆ. ನಾವು ಸ್ವಾಯತ್ತ ಲ್ಯಾಬ್ಗಳನ್ನು ಮಾಡೆಲ್ಗಳಿಗೆ ಪೂರಕವೆಂದು ನೋಡುತ್ತೇವೆ. ಮಾಡೆಲ್ಗಳು ವಿನ್ಯಾಸಗಳನ್ನು ರಚಿಸಬಹುದು, ಆದರೆ ಅಂತಿಮವಾಗಿ ಜೀವಶಾಸ್ತ್ರಕ್ಕೆ ಇನ್ನೂ ಪರೀಕ್ಷೆ ಮತ್ತು ಪುನರಾವರ್ತನೆ ಅಗತ್ಯವಿದೆ. ರಚನೆ ಮತ್ತು ಪ್ರಯೋಗದ ನಡುವಿನ ಲೂಪ್ ಅನ್ನು ಮುಚ್ಚುವುದು ಭರವಸೆಯ ಆಲೋಚನೆಗಳನ್ನು ಕಾರ್ಯನಿರ್ವಹಿಸುವ ಫಲಿತಾಂಶಗಳಾಗಿ ಪರಿವರ್ತಿಸುವುದು.
ನಾವು ವೈಜ್ಞಾನಿಕ ಪ್ರಗತಿಯನ್ನು ಸುರಕ್ಷಿತವಾಗಿ ಮತ್ತು ಹೊಣೆಗಾರಿಕೆಯಿಂದ ವೇಗಗೊಳಿಸುತ್ತಿರುವಾಗ, ಜೈವಿಕ ಭದ್ರತೆಗೆ ಸಂಬಂಧಿಸಿದ ಅಪಾಯಗಳನ್ನು ಮೌಲ್ಯಮಾಪನ ಮಾಡಿ ಕಡಿಮೆ ಮಾಡಲು ನಾವು ಪ್ರಯತ್ನಿಸುತ್ತೇವೆ. ಈ ಫಲಿತಾಂಶಗಳು ಮಾಡೆಲ್ಗಳು ವೆಟ್ ಲ್ಯಾಬ್ನಲ್ಲಿ ತಾರ್ಕಿಕತೆ ಬಳಸಿಕೊಂಡು ಪ್ರೋಟೋಕಾಲ್ಗಳನ್ನು ಸುಧಾರಿಸಬಹುದು ಎಂದು ತೋರಿಸುತ್ತವೆ, ಮತ್ತು ಜೈವಿಕ ಸುರಕ್ಷತೆಗೆ ಪರಿಣಾಮಗಳನ್ನು ಹೊಂದಿರಬಹುದು, ಅವುಗಳನ್ನು ನಾವು ನಮ್ಮ ಪ್ರಿಪೇರ್ಡ್ನೆಸ್ ಫ್ರೇಮ್ವರ್ಕ್ ಮೂಲಕ ಮೌಲ್ಯಮಾಪನ ಮಾಡಿ ತಗ್ಗಿಸುತ್ತೇವೆ. ನಾವು ಈ ಅಪಾಯಗಳನ್ನು ಕಡಿಮೆ ಮಾಡಲು ಮಾಡೆಲ್ ಮತ್ತು ಸಿಸ್ಟಮ್ ಮಟ್ಟದಲ್ಲಿ ಅಗತ್ಯ ಮತ್ತು ಸೂಕ್ಷ್ಮ ಭದ್ರತೆಗಳನ್ನು ನಿರ್ಮಿಸಲು ಬದ್ಧರಾಗಿದ್ದೇವೆ ಮತ್ತು ಪ್ರಸ್ತುತ ಮಟ್ಟಗಳನ್ನು ಹಿಂಬಾಲಿಸಲು ಮೌಲ್ಯಮಾಪನೆಗಳನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸುತ್ತಿದ್ದೇವೆ.
ಈ ಕೆಲಸದ ಹಿಂದೆ ಇರುವ ಸ್ವಯಂಚಾಲಿತ ಕ್ಲೌಡ್ ಪ್ರಯೋಗಾಲಯವನ್ನು ವಿನ್ಯಾಸಗೊಳಿಸಲು, ನಡೆಸಲು ಮತ್ತು ಬೆಂಬಲಿಸಲು ಸಹಾಯ ಮಾಡಿದ Ginkgo Bioworks ಮತ್ತು ತಂಡಗಳಿಗೆ ನಾವು ಕೃತಜ್ಞರಾಗಿದ್ದೇವೆ.
