GPT‑5 эсгүй уургийн нийлэгжилтийн өртгийг бууруулдаг

Бид математикийн болон физикийн зэрэг, санааг физик ертөнцөд хүрэлгүйгээр ихэвчлэн үнэлж болдог салбаруудад хиймэл оюун ухаан хурдтай ахиц гаргаж байгааг харсан. Биологи өөр. Дэвшил нь лабораториор дамжин өрнөдөг бөгөөд тэнд эрдэмтэд цаг хугацаа, мөнгө шаарддаг туршилтуудыг явуулдаг.

Энэ байдал өөрчлөгдөж эхэлж байна. Хил хязгаар загварууд одоо лабораторийн автоматжуулалттай шууд холбогдож, туршилтуудыг санал болгож, тэдгээрийг өргөн хүрээнд гүйцэтгэж, үр дүнгээс суралцаж, дараа нь юу хийхээ шийдэж чадна. Амьдралын шинжлэх ухааны олон салбарт хамгийн том саад нь давталт бөгөөд автономит лабораториуд нь тэрхүү хязгаарлалтыг арилгахын тулд бүтээгдсэн.

Өмнөх ажилдаа бид GPT‑5 нь хаалттай мөчлөгт туршилтаар нойтон лабораторийн протоколуудыг сайжруулах боломжтойг харуулсан. Энд бид ижил арга барил нь уургийн үйлдвэрлэлийн зардлыг бууруулж чадна гэдгийг харуулж байна.

Бид Ginkgo Bioworks -той хамтран GPT‑5‑ыг үүлэн лабораторитой холбосон—програм хангамжаар алсаас удирддаг, роботууд туршилтыг гүйцэтгэж өгөгдөл буцаан илгээдэг автоматжуулсан нойтон лаборатори—мөн тэрхүү “lab-in-the-loop” тохиргоог ашиглан өргөн хэрэглэгддэг биологийн үйл явцыг оновчлох ажил хийсэн: эсгүй уургийн нийлэгжил (cell-free protein synthesis, CFPS). Хаалттай давталттай туршилтын зургаан үе шатны турш систем нь 580 автоматжуулсан хавтан дээр 36,000 гаруй өвөрмөц CFPS урвалын найрлагыг туршсан. Компьютер, вэб хөтөч, мөн холбогдох баримт бичгүүдэд хандах эрх олгосны дараа GPT‑5 нь бага өртөгтэй CFPS-ийн шинэ дээд амжилтыг тогтоохын тулд гурван үе шаттай туршилт хийж, уураг үйлдвэрлэлийн өртгийг 40%-иар бууруулсан (мөн урвалжийн өртгийг 57%-иар сайжруулсан) бөгөөд үүнд автономит лабораториудад түгээмэл тохиолддог урвалын нөхцөлд илүү тэсвэртэй шинэ урвалын найрлагууд багтсан.

Эсгүй уургийн нийлэгжил (CFPS) нь амьд эсийг өсгөхгүйгээр уураг үйлдвэрлэх арга юм. DNA-г эсүүдэд оруулаад тэднийг уураг үйлдвэрлэхийг хүлээхийн оронд CFPS нь уураг үүсгэх механизмыг хяналттай холимогт ажиллуулдаг. Ингэснээр энэ нь хурдан прототип боловсруулах, туршихад тохиромжтой хэрэгсэл болдог бөгөөд эрдэмтэд олон туршилтыг богино хугацаанд явуулж, үр дүнг нь тэр өдөртөө хэмжих боломжтой.

Уураг нь орчин үеийн биологийн ололт амжилтын томоохон хэсэг юм. Олон чухал эм нь уургууд дээр суурилдаг. Олон оношилгоо болон судалгааны шинжилгээ нь уургаас хамаардаг. Аж үйлдвэрийн орчинд уургууд нь химийн процессыг илүү цэвэр, илүү үр ашигтай болгодог энзимийн үүрэг гүйцэтгэдэг. Уургууд таны угаалгын нунтагт хүртэл байдаг. Уургийн үйлдвэрлэл илүү хурдан, хямд болох үед эрдэмтэд ихэвчлэн илүү олон санааг илүү эрт туршиж, анхны судалгааг хүмүүс өдөр тутамдаа ашиг тус хүртэхүйц зүйл болгон хувиргах зардлыг бууруулж чаддаг.

CFPS нь тийм төрлийн давталтад аль хэдийн хэрэгтэй. Саад болж буй зүйл нь оновчлох нь төвөгтэй бөгөөд цар хүрээ тэлэх тусам өртөг өндөрсдөг явдал юм.

Эсгүй уургийн нийлэгжилт нь харилцан үйлчилдэг, нарийн төвөгтэй найрлагуудыг шаарддаг: үйлдвэрлэх уургийг кодлодог ДНХ загвар, эсийн лизат (эсийн доторх эсийн механизмын “шөл”), мөн энергийн эх үүсвэрээс эхлээд давс хүртэлх олон тооны биохимийн бүрэлдэхүүн хэсгүүд. Системийг бүхэлд нь авч⁠(шинэ цонхонд нээгдэнэ) үзэхэд маш хэцүү⁠(шинэ цонхонд нээгдэнэ) бөгөөд өмнөх олон⁠(шинэ цонхонд нээгдэнэ) судалгаагаар уургийн үйлдвэрлэлийн зардлыг бууруулахын тулд янз бүрийн төрлийн машин сургалтыг ашигласан.

Стандарт эсгүй уургийн нийлэгжилтийн (CFPS) найрлага болон арилжааны иж бүрдлүүдийг ихэвчлэн хүний хэмнэлтэй ажлын үнээр тогтоодог. Автономит лабораториуд хүний баг хэдэн арван урвал явуулах хугацаанд хэдэн мянган урвалыг явуулж чадна. Тэр хэмжээний үед урвалжийн өртөг нь хязгаарлагч хүчин зүйл болдог.

CFPS-ийг зөвхөн зөн совингоор оновчлох нь мөн хэцүү. Энэ нь харилцан үйлчилж буй олон бүрэлдэхүүн хэсгийн холимог. Жижиг өөрчлөлтүүд чухал байж болох ч нөлөөллийн чиглэл нь үргэлж тодорхой байдаггүй бөгөөд олон туршилт хийхгүйгээр хамгийн сайн хослолуудыг олоход хэцүү байж болно. Өмнөх арга барилууд зардлыг бууруулсан ч орон зайг бүрэн дүүрэн судлах нь хөдөлмөр их шаарддаг тул ахиц дэвшил ихэвчлэн алхам алхмаар байдаг.

Бид GPT‑5‑ыг Ginkgo Bioworks’ үүлэн лабораторитой хослуулан, эсгүй уураг нийлэгжил (CFPS)-ийн оновчлолын зориулалттай хаалттай мөчлөгт автономит системийг бүрдүүлсэн.

GPT‑5 туршилтын багцуудыг боловсруулсан. Лаборатори тэдгээрийг гүйцэтгэсэн. Үр дүнг загварт буцаан оруулсан. Загвар нь тэр өгөгдлийг ашиглан дараагийн үе шатыг санал болгосон. Бид тэр мөчлөгийг зургаан удаа давтсан.

Автономит лаборатори юу хийж чадах бодит боломжид нийцүүлэн энэ мөчлөгийг газардуулахын тулд бид аливаа туршилт эхлэхээс өмнө хатуу програмчлалын баталгаажуулалт нэмсэн. Тэр баталгаажуулалт нь хиймэл оюун ухаанаар зохион бүтээсэн туршилтууд автоматжуулалтын платформ дээр физикийн хувьд хэрэгжих боломжтой байхыг хангаж байсан. Энэ нь бичвэр дээр боломжийн мэт харагддаг ч роботын ажлын урсгалд хэрэгжүүлэх боломжгүй “цаасан туршилтууд”-аас сэргийлсэн.

Бүрэн ашиглалтын хугацаанд систем нь 580 автомат хавтан дээр 36,000 гаруй CFPS урвал гүйцэтгэсэн. Энэ хэмжээс нь чухал, учир нь энэ нь хэв маягийг бий болгоход тусалдаг. Биологийн хувьд ганц туршилтууд чимээ шуугиантай байдаг. Гүйцэтгэл ба давталт нь дохиог санамсаргүй шуугианаас хэрхэн ялгаж салгах явдал юм. GPT‑5 нь холбогдох баримт бичиг, хэрэгслүүдтэй танилцсаны дараа технологийн шинэ түвшинг тогтоохын тулд гурван удаагийн туршилт, хоёр сар зарцуулсан: өмнөх хамгийн сайн суурь үзүүлэлттэй⁠(шинэ цонхонд нээгдэнэ) харьцуулахад уургийн үйлдвэрлэлийн зардлыг 40%-иар бууруулсан.

Сайжруулалт нь хоорондоо сайн зохицдог бөгөөд өндөр нэвтрүүлэх чадамжтай автоматжуулалтын бодит нөхцөлд ч найдвартай хэвээр байдаг хослолуудыг тодорхойлсноос үүдэлтэй болохыг бид олж тогтоосон.

Бид GPT‑5 нь хүмүүс өмнө нь энэ тохиргоонд туршиж үзээгүй, өртөг багатай урвалын найрлагуудыг тодорхойлсныг олж тогтоосон. Эсгүй уургийн нийлэгжил (CFPS)-ийг олон жилийн турш судалсан боловч боломжит хольцын орон зай одоо ч өргөн байна. Та мянга мянган хослолыг хурдан санал болгож, хэрэгжүүлж чадвал, гар аргаар хийдэг ажлын урсгалаар амархан анзаарагдахгүй өнгөрөх боломжтой, хэрэгжихүйц бүсүүдийг олж чадна.

Мөн бид өндөр нэвтрүүлэх чадамжтай, хавтан дээр суурилсан туршилтууд нь ихэвчлэн гар аргаар, лабораторийн ширээн дээр хийдэг туршилтуудаас ялгаатай байдгийг олж тогтоосон. Өндөр нэвтрүүлэх чадамжийн урвалын форматуудын үед хүчилтөрөгчжилт бага байж болно. Холих болон геометр нь өөр байж болно. Ихэнх CFPS урвалууд микротитрийн хавтангаас илүү туршилтын хоолойд их уураг үүсгэдэг, учир нь ихэвчлэн том хэмжээ нь илүү их хүчилтөрөгчийн хүртээмж болон илүү сайн холилдолттой байдаг. Үнэндээ, бага эзэлхүүнтэй хавтан дээр суурилсан урвалуудын хувьд GPT‑5 нь өгөгдөл шинжилгээ хийх компьютер болон холбогдох өгүүллүүдийг хайх вэб хөтөчид хандах эрх авмагцаа өмнөх хамгийн сайнаас илүү гүйцэтгэлтэй олон урвалыг санал болгосон. Ерөнхийдөө, GPT‑5 нь өндөр нэвтрүүлэх чадамжийн хязгаарлалтуудын дор сайн гүйцэтгэлтэй олон урвалжийн хослолыг санал болгосон бөгөөд үүнд автоматжуулсан лабораторийн орчинд түгээмэл тохиолддог хүчилтөрөгч багатай нөхцөлд илүү тогтвортой олон хослол багтсан.

Нэмж дурдахад, буферлэлт, энерги нөхөн сэргэлтийн бүрэлдэхүүн хэсгүүд болон полиаминууд дахь жижиг өөрчлөлтүүд нь өртөгтэй нь харьцуулахад хэт их нөлөө үзүүлдэг болохыг бид олж тогтоосон. Эдгээр нь хүмүүсийн хамгийн түрүүнд сонгодог параметрүүд байдаггүй ч нэвтрүүлэх чадамж өндөр үед тэдгээр нь суурь таамаглал бус, харин туршиж шалгаж болох таамаглал болж хувирдаг.

Эцэст нь, зардлын бүтэц өөрөө юу чухал болохыг тодорхойлсон. CFPS-д одоо зардлын ихэнхийг лизат болон ДНХ эзэлж байна. Энэ нь yield нь хамгийн өндөр үр ашигтай стратеги гэсэн үг юм. Хэрэв та өндөр өртөгтэй орцын нэгж тутамд уургийн гарцыг нэмэгдүүлж чадвал, өөр газарт өчүүхэн хэмнэлт хайхаасаа өмнө ч өртгийн хувьд бодитой ахиц гаргана.

Эдгээр үр дүнг нэг уураг болох sfGFP болон эсгүй уураг нийлэгжүүлэх (CFPS) нэг систем дээр харуулсан. Бусад уураг болон бусад CFPS системүүдэд ерөнхийлөн хэрэглэх боломжтой гэдгийг хараахан нотлох шаардлагатай байна.

Хүчилтөрөгчийн хангамж болон урвалын геометр нь ургацад хүчтэй нөлөөлдөг бөгөөд эдгээр хүчин зүйлс нь масштабаас хамааран харилцан адилгүй байж болно. Зарим сайжруулалт нь эдгээр нөхцөлд мэдрэмтгий байж болох бөгөөд тэдгээр мэдрэмтгий байдлыг ойлгох нь дараагийн алхмын нэг хэсэг юм.

Протоколын сайжруулалт болон урвалжтай харьцах ажиллагаанд хүний хяналт шаардлагатай байсан. Систем нь туршилтуудыг төлөвлөж, тайлбарлаж чадна, гэхдээ лабораторийн ажил нь туршлагатай операторууд шаарддаг практик нарийн зүйлсийг мөн хамарсаар байдаг.

Бид илүү хурдан давталт хийх нь ахиц дэвшил гаргах боломжийг нээх бусад биологийн ажлын урсгалуудад лаборатори-оролцоотой оновчлолыг хэрэгжүүлэхээр төлөвлөж байна. Бид автономит лабораториудыг загваруудын нэмэлт гэж үздэг. Загварууд загваруудыг үүсгэж чадна, гэхдээ эцсийн дүндээ биологид туршилт болон давталт шаардлагатай хэвээр байна. Үүсгэлт ба туршилтын хоорондын холбоог бүрэн гүйцээх нь ирээдүйтэй санааг ажил хэрэг болохуйц үр дүн болгон хувиргах арга юм.

Бид шинжлэх ухааны дэвшлийг аюулгүй, хариуцлагатайгаар хурдасгахын төлөө ажиллахын зэрэгцээ эрсдэлийг, ялангуяа биологийн аюулгүй байдалтай холбоотой эрсдэлийг үнэлж, бууруулахыг зорьдог. Эдгээр үр дүн нь загварууд нойтон лабораторид протоколуудыг сайжруулахын тулд дүгнэлт хийж чаддагийг харуулж байгаа бөгөөд бид үүнийг манай Preparedness Framework⁠-ээр дамжуулан үнэлж, бууруулдаг биоаюулгүй байдалд нөлөөлөх үр дагавартай байж болзошгүй. Бид эдгээр эрсдэлийг бууруулахын тулд загвар болон системийн түвшинд шаардлагатай бөгөөд нарийн хамгаалалтын арга хэмжээг бий болгох, мөн одоогийн түвшинг хянах үнэлгээг боловсруулахад тууштай ажиллаж байна.

Бид Ginkgo Bioworks дахь түншүүд болон энэ ажлын ар дахь автоматжуулсан үүлэн лабораторийг төлөвлөх, ажиллуулах, дэмжихэд тусалсан багуудад талархаж байна.