वेट लॅबमध्ये जैविक संशोधनाला गती देण्यासाठी AI च्या क्षमतेचे मोजमाप करणे

वैज्ञानिक प्रगतीला गती देणे हे मानवतेला लाभदायक ठरणाऱ्या AI च्या सर्वात मौल्यवान मार्गांपैकी एक आहे. GPT‑5 सह, आम्ही याचे प्रारंभिक संकेत⁠ पाहू लागलो आहोत—फक्त संशोधकांना वैज्ञानिक साहित्याच्या माध्यमातून जलद गतीने जाण्यास मदत करण्यासाठीच नाही, तर नवीन प्रकारच्या वैज्ञानिक तर्कासाठी देखील समर्थन देण्यासाठी, जसे की अनपेक्षित संबंध उघड करणे, पुरावा धोरणे प्रस्तावित करणे, किंवा तज्ञ मूल्यांकन आणि चाचणी करू शकतील अशा संभाव्य यंत्रणा सुचवणे.

आजपर्यंतची प्रगती गणित, सैद्धांतिक भौतिकशास्त्र आणि सैद्धांतिक संगणक विज्ञान यांसारख्या क्षेत्रांमध्ये सर्वाधिक दिसून आली आहे, जिथे कल्पनांची शारीरिक प्रयोगांशिवाय काटेकोरपणे पडताळणी केली जाऊ शकते. जीवशास्त्र वेगळे आहे: बहुतेक प्रगती प्रयोगशाळेत प्रायोगिक अंमलबजावणी, पुनरावृत्ती आणि अनुभवसिद्ध प्रमाणीकरणावर अवलंबून असते.

या सेटिंग्जमध्ये फ्रंटियर मॉडेल्स कसे वागतात हे समजून घेण्यासाठी, आम्ही Red Queen Bio, एक बायोसेक्युरिटी स्टार्ट-अप, सोबत काम केले, ज्यासाठी आम्ही एक मूल्यांकन फ्रेमवर्क तयार केले जे मॉडेल वेट लॅबमध्ये कल्पना प्रस्तावित, विश्लेषण आणि पुनरावृत्ती कसे करते हे तपासते. आम्ही एक साधी आण्विक जीवशास्त्र प्रयोगात्मक प्रणाली स्थापित केली आणि कार्यक्षमतेसाठी आण्विक क्लोनिंग प्रोटोकॉल ऑप्टिमाईझ करण्यासाठी GPT‑5 चा वापर केला.

अनेक प्रयोगांच्या फेऱ्यांमध्ये, GPT‑5 ने एक नवीन यंत्रणा सादर केली ज्यामुळे क्लोनिंग कार्यक्षमता 79 पट सुधारली. क्लोनिंग हे एक मूलभूत आण्विक जीवशास्त्र साधन आहे. क्लोनिंग पद्धतींची कार्यक्षमता प्रोटीन अभियांत्रिकी⁠(नवीन विंडोमध्ये उघडेल), आनुवंशिक स्क्रीन⁠(नवीन विंडोमध्ये उघडेल), आणि जीवसृष्टी स्ट्रेन अभियांत्रिकी⁠(नवीन विंडोमध्ये उघडेल) यांसारख्या मोठ्या, जटिल लायब्ररी तयार करण्यासाठी अत्यंत महत्त्वाची आहे. हा प्रोजेक्ट संशोधनाला गती देण्यासाठी AI बायोलॉजिस्ट्ससोबत खांद्याला खांदा लावून कसे काम करू शकतो याची झलक दाखवतो. प्रायोगिक पद्धतींमध्ये सुधारणा केल्याने मानवी संशोधकांना जलद गतीने काम करता येईल, खर्च कमी करता येईल आणि शोधांना वास्तविक जगात प्रभावी परिणामात रूपांतरित करता येईल.

जीववैज्ञानिक तर्कशक्तीतील प्रगतीचे जैवसुरक्षेवर परिणाम होऊ शकतात, म्हणून आम्ही हे काम अत्यंत नियंत्रित वातावरणात केले—एक सौम्य प्रयोगात्मक प्रणाली वापरून, कार्याचा आवाठ मर्यादित करून, आणि आमच्या जैवसुरक्षा धोका मूल्यांकनांना व मॉडेल- व प्रणाली-स्तरीय संरक्षण उपाय विकसित करण्यास मार्गदर्शन करण्यासाठी मॉडेलच्या वर्तनाचे मूल्यांकन करून, जसे की आमच्या तयारी फ्रेमवर्क⁠(नवीन विंडोमध्ये उघडेल)मध्ये नमूद केले आहे.

या सेट-अपमध्ये, GPT‑5 ने स्वायत्तपणे क्लोनिंग प्रोटोकॉलवर तर्कशुद्ध विचार केला, सुधारणा सुचवल्या, आणि नवीन प्रयोगांमधून डेटा समाविष्ट करून अधिक सुधारणा सुचवल्या. मानवी हस्तक्षेप फक्त शास्त्रज्ञांनी सुधारित प्रोटोकॉल अंमलात आणणे आणि प्रायोगिक डेटा अपलोड करा एवढाच होता.

अनेक फेऱ्यांमध्ये, GPT‑5 ने क्लोनिंग प्रक्रियेचे अनुकूलन करून कार्यक्षमतेत 79 पट वाढ केली—याचा अर्थ, निश्चित प्रमाणात इनपुट DNA साठी, आम्ही बेसलाइन प्रोटोकॉलच्या तुलनेत 79 पट अधिक अनुक्रम-प्रमाणीकृत क्लोन्स मिळवले. विशेषतः, यामध्ये दोन एन्झाइम्सचा समावेश आहे जे एक नवीन यंत्रणा तयार करतात: E. coli मधील रिकॉम्बिनेस RecA, आणि फेज T4 जीन 32 सिंगल-स्ट्रँडेड DNA-बाइंडिंग प्रोटीन (gp32). एकत्र काम करत, gp32 सैल DNAच्या टोकांना गुळगुळीत आणि सुलभ करते, आणि RecA नंतर प्रत्येक तंतूला त्याच्या योग्य जुळणीपर्यंत मार्गदर्शन करते.

जरी हे सुरुवातीचे असले तरी हे निकाल उत्साहवर्धक आहेत. सुधारणा आमच्या मॉडेल प्रणालीमध्ये वापरल्या जाणाऱ्या विशिष्ट क्लोनिंग सेटअपसाठी आहेत आणि प्रोटोकॉल सेट अप आणि चालवण्यासाठी अजूनही मानवी वैज्ञानिकांची आवश्यकता आहे. तरीही, या प्रयोगांनी दाखवले आहे की AI प्रणाली वास्तविक प्रयोगशाळेच्या कामात अर्थपूर्ण सहाय्य करू शकतात आणि भविष्यात मानव शास्त्रज्ञांना गती देऊ शकतात.

लक्षात घेण्यासारखे म्हणजे, AI-लॅब लूप निश्चित प्रॉम्प्टिंगसह आणि कोणत्याही मानवी हस्तक्षेपाशिवाय चालवला गेला. या स्कॅफोल्डिंगने मॉडेलच्या मानवी मार्गदर्शनाशिवाय खरोखरच नवीन प्रोटोकॉल बदल प्रस्तावित करण्याच्या क्षमतेचे प्रकटीकरण करण्यात मदत केली, परंतु त्याच वेळी प्रणालीला अन्वेषणात अडकवले आणि नव्याने शोधलेल्या कल्पनांच्या कार्यक्षमतेला जास्तीत जास्त करण्याची क्षमता मर्यादित केली. अन्वेषण आणि शोषण यांच्यातील अधिक चांगले गतिशील संतुलन अधिक फायदे देऊ शकते, कारण एंझायमॅटिक आणि परिवर्तन सुधारणा परिष्करणासाठी मोठ्या प्रमाणात वाव आहे. आम्ही नियोजन आणि कामांचा-कालावधी तर्कशक्तीतील प्रगतीमुळे साध्या स्थिर प्रॉम्प्ट्सना शोध आणि नंतरच्या अनुकूलनास दोन्ही प्रकारे सपोर्ट देण्याची क्षमता सुधारेल अशी अपेक्षा करतो.

गिब्सन असेंब्ली⁠(नवीन विंडोमध्ये उघडेल) प्रतिक्रिया 2009 मध्ये शोधल्यानंतरपासून प्राथमिक क्लोनिंग पद्धत म्हणून वापरली जात आहे, ज्याचा आण्विक जीवशास्त्रात व्यापक प्रसार झाला आहे. गिब्सन असेंब्ली आण्विक जीवशास्त्रज्ञांना DNA चे तुकडे एकत्र 'ग्लू' करण्यास अनुमती देते, त्यांच्या टोकांना थोडावेळ वितळवून, ज्यामुळे जुळणारे अनुक्रम एका एकल रेणूमध्ये सील केले जाऊ शकतात. गिब्सन असेंब्लीचे एक मुख्य आवाहन म्हणजे त्याची साधेपणा: सर्व काही एका ट्यूबमध्ये आणि एका तापमानावर होते. त्या मर्यादा नैसर्गिकरित्या सुधारासाठी जागा ठेवतात. याव्यतिरिक्त, खालील गुणधर्म AI मॉडेल्सच्या वेट लॅब तंत्रांना सुधारण्याच्या क्षमतेचे मूल्यांकन करण्यासाठी त्यांना अत्यंत उपयुक्त बनवतात:

• सेल-आधारित प्रणालीपेक्षा नियंत्रित घटकांसह स्पष्टपणे परिभाषित केलेले
• स्पष्ट ऑप्टिमायझेशन फंक्शन आहे: निश्चित प्रमाणातील रेखीय DNA इनपुटपासून तयार केलेले परिवर्तनक्षम वर्तुळाकार DNA
• सापेक्षतः जलद प्रयोगात्मक चक्रे (1-2 दिवस)
• उच्च-आयामी डिझाइन स्पेस ज्याला सुधारण्यासाठी यांत्रिकी तर्कशक्तीची आवश्यकता आहे: इष्टतम बफर्स, अभिकर्मक, आणि तापमान हे सर्व परस्परावलंबी आहेत

आम्ही HiFi assembly⁠(नवीन विंडोमध्ये उघडेल), न्यू इंग्लंड बायोलॅब्सने विकसित केलेली आणि गिब्सन असेंब्लीवर आधारित एक मालकीची एन्झाइम प्रणाली, ऑप्टिमायझेशनच्या प्रारंभिक बिंदू म्हणून वापरली. आम्ही एक्स्प्लोर केले की एकदा एक-चरणीय आणि समतापीय बंधने काढून टाकल्यावर एखादी कृत्रिम बुद्धिमत्ता नवकल्पना करू शकते आणि प्रयोगात्मक अभिप्रायावरून शिकू शकते का, आणि अशा परिस्थितीत प्रोटोकॉल सुधारणा ओळखू शकते का.विशेषतः, आम्ही हिरवा फ्लोरोसेंट प्रोटीन (GFP) साठीच्या जीनचा वापर करून आणि व्यापकपणे वापरल्या जाणाऱ्या pUC19 प्लास्मिडचा वापर करून दोन-भागीय क्लोनिंग प्रतिक्रिया केली, जो एक मानक DNA "वाहन" आहे, जो जीनला बॅक्टेरियामध्ये नेण्यासाठी वापरला जातो जेणेकरून ते प्रत केले जाऊ शकतील. उद्दिष्ट यशस्वी वसाहतींची संख्या वाढवणे होते.

आम्ही प्रस्तावांवर पुनरावृत्ती करण्यासाठी एक उत्क्रांतीवादी फ्रेमवर्क सादर करून क्लोनिंग प्रतिक्रिया अनुकूलित केली, ज्यामुळे मॉडेलला त्याच्या भूतकाळातील प्रयोगांमधून 'ऑनलाइन' शिकता येईल. प्रत्येक फेरीत, GPT‑5 ने आठ ते दहा वेगवेगळ्या प्रतिक्रियांचा एक बॅच प्रस्तावित केला, आणि ज्या प्रतिक्रियांना प्रयोगशाळेत सहज उपलब्ध नसलेल्या कस्टम रिअजेंट्सची आवश्यकता होती, त्या प्रतिक्रियांना नंतरच्या फेऱ्यांमध्ये ढकलले गेले. मानव शास्त्रज्ञांनी नंतर प्रतिक्रिया पार पाडल्या आणि प्रारंभिक स्क्रीनमध्ये बेसलाइन HiFi गिब्सन असेंब्लीच्या तुलनेत वसाहतींची संख्या मोजली. मागील फेरीतील सर्वोत्तम कामगिरी करणारा डेटा नंतर पुढील फेरीत समाविष्ट करण्यात आला. महत्त्वाचे म्हणजे, स्पष्टिकरणात्मक प्रश्नांव्यतिरिक्त मानवी इनपुटशिवाय प्रॉम्प्टिंगचे मानकीकरण करण्यात आले, ज्यामुळे आम्हाला मानवी मार्गदर्शनाऐवजी थेट AI ला नवीन यांत्रिक अंतर्दृष्टीचे श्रेय देता येते. 

पूर्ण ऑप्टिमायझेशन मालिकेतील शीर्ष आठ प्रतिक्रियांची विस्तृत DNA डायल्यूशन्सच्या श्रेणीसह पुन्हा चाचणी केली आणि आढळले की अनेकांनी प्रारंभिक स्क्रीनपेक्षा लहान परिणाम दर्शवले. शेवटी, सर्वात मजबूत प्रमाणित उमेदवार राउंड-5 मधील एक प्रतिक्रिया होती ज्याने त्याच्या मूळ कामगिरीची पुनरावृत्ती केली. अनेक उच्च कार्यक्षम घटक लिगेज-पॉलिश कुटुंबात येतात, जे विशेषतः सक्षम-सेल स्थितीतील लहान बदल आणि/किंवा पोस्ट-प्रतिक्रिया DNA हाताळणीसाठी संवेदनशील दिसतात. या प्रतिक्रियांमध्ये एक लहान HiFi स्टेप वापरला गेला असल्यामुळे, आम्ही असा गृहितक मांडतो की अनेक उत्पादने E. coli मध्ये फक्त एक जंक्शन सील केलेले आणि दुसरे ॲनिलिंगद्वारे धरलेले असू शकतात, ज्यामुळे पुढील बचाव सेलुलर दुरुस्ती मार्गांवर अवलंबून राहतो. हे उच्च वैविध्य आणि 'जॅकपॉट' गतिशीलता तयार करते: जरी बहुतेक वेळा या प्रतिक्रियेचे प्रकार चांगले काम करत नाहीत, तरीही एक मजबूत अपवाद संपूर्ण गटाला पुढील फेऱ्यांमध्ये नेऊ शकतो. 

जरी आम्ही क्लोनिंग प्रतिक्रियेच्या यांत्रिक जटिलतेमुळे फेऱ्यांमध्ये ऑप्टिमायझेशनवर लक्ष केंद्रित केले असले तरी, आम्ही एकाच "वन-शॉट" फेरीचा वापर करून ट्रान्सफॉर्मेशन प्रक्रियेचे ऑप्टिमायझेशन केले जिथे मॉडेलने अनेक स्वतंत्र बदल सुचवले आणि आम्ही सर्वोत्तम कार्यक्षम प्रतिक्रिया निवडली.

मानवी इनपुटशिवाय मानकीकृत प्रॉम्प्ट्स वापरून, GPT5 ने एंड-टू-एंड क्लोनिंग कार्यक्षमता 79 पट सुधारली, जी प्रायोगिक पुनरावृत्तींमध्ये पुष्टी केली गेली.

विशेष म्हणजे, मॉडेलने एक नवीन एंझायमॅटिक प्रक्रिया प्रस्तावित केली, ज्याला मॉडेलने RecA-असिस्टेड पेअर-आणि-फिनिश HiFi असेंब्ली (RAPF-HiFi) असे नाव दिले, ज्यामध्ये दोन नवीन प्रथिने प्रतिक्रिया प्रक्रियेत जोडली जातात: E. coli मधील रिकॉम्बिनेस RecA आणि फेज T4 जीन 32 सिंगल-स्ट्रँडेड DNA-बाइंडिंग प्रोटीन (gp32). याव्यतिरिक्त, मॉडेलने इनक्युबेशन तापमान आणि वेळ, तसेच एन्झायमॅटिक अॅडिशन्सच्या वेळेत जाणीवपूर्वक बदल केले: त्याने 50°C HiFi प्रतिक्रियेनंतर RecA आणि gp32 जोडण्याचा प्रस्ताव दिला, या प्रोटीनना 37°C वर कार्य करू दिले, आणि नंतर असेंब्ली पूर्ण करण्यासाठी 50°C वर मागे जाण्याचा प्रस्ताव दिला. एकत्रितपणे, या नवीन सुधारणा कार्यक्षमता 2.5 पट पेक्षा जास्त वाढविल्या. हे लक्षात घेणे आवश्यक आहे की ही प्रारंभिक कामगिरी आहे, जी प्रतिक्रिया अटी आणि वेळेच्या पुनरावृत्ती सुधारणा न करता दर्शवते.

रूपांतरणाच्या प्रक्रियेत, सर्वात प्रभावी बदल अनपेक्षितपणे सोपा ठरला: पेशींना पेलेट करणे (त्यांना सेंट्रीफ्यूजमध्ये फिरवून ट्यूबच्या तळाशी गोळा करणे), पुरवलेल्या द्रवाचा अर्धा भाग काढून टाकणे, आणि DNA जोडण्यापूर्वी पेशींना पुन्हा निलंबित करणे, हे सर्व 4°C वर. उच्च कार्यक्षमतेच्या रासायनिकदृष्ट्या सक्षम पेशी सामान्यतः नाजूक मानल्या जातात, परंतु या पेशींनी एकाग्रता चांगली सहन केली आणि वाढलेल्या आण्विक टक्करांमुळे परिवर्तन कार्यक्षमता लक्षणीयरीत्या वाढली (अंतिम प्रमाणीकरणावर 30 पट पेक्षा जास्त). 

गिब्सन असेंब्ली DNAच्या तुकड्यांना जुळणारी "स्टिकी" टोकं देऊन कार्य करते ज्यामुळे ते एकमेकांना शोधून जोडू शकतात. या अभिक्रियेत दोन वेगवेगळ्या एन्झाइम्स (एक पॉलिमरेज आणि एक लिगेज) वापरले जातात जे जोडलेल्या तुकड्यांना बंद करतात. RAPF-HiFi मध्ये, जुळणी प्रक्रिया अधिक कार्यक्षम करण्यासाठी दोन प्रोटीन सादर करण्यात आले. पहिले, gp32 कंगव्याप्रमाणे कार्य करते जे सैल DNA च्या टोकांना गुळगुळीत करते आणि सुलभ करते. दुसरा, RecA, प्रत्येक तंतूसाठी योग्य जोडीदार शोधण्यासाठी मार्गदर्शकासारखे कार्य करतो आणि जुळणारे तुकडे एकत्र आणतो. उच्च तापमानामुळे दोन्ही सहाय्यक DNA वरून खाली पडतात, ज्यामुळे सामान्य गिब्सन एन्झाइम्सना प्रतिक्रिया पूर्ण करता येते.

सारांश, आम्ही असा गृहितक मांडतो की सुधारलेले कार्यप्रदर्शन खालील यंत्रणेद्वारे साध्य होते:

• Gp32 नॉन-अनील्ड सिंगल-स्ट्रँडेड DNA (ssDNA) टेल्सना कोट करते, द्वितीयक संरचना काढून टाकते
• RecA, सामान्यतः रचनेने प्रतिबंधित, 3' कडून आक्रमण करते आणि gp32 फिलामेंट विस्थापित करते
• RecA ssDNA:ssDNA समजात शोध⁠(नवीन विंडोमध्ये उघडेल) साध्य करते, ज्यामुळे अनीलिंग होते
• 50°C वर परतल्यावर recA आणि gp32 फिलामेंट्स विस्थापित होतात, ज्यामुळे पॉलिमरेज आणि लिगेज प्रतिक्रिया पूर्ण करू शकतात.

नवीन एन्झाइम्स कार्यक्षम आहेत की नाही हे तपासण्यासाठी, आणि कार्यक्षमता सुधारणा केवळ थर्मल स्टेप्स किंवा बफर्समधील बदलांमुळे होत नाही हे निश्चित करण्यासाठी, आम्ही RecA शिवाय, तसेच RecA आणि gp32 दोन्ही शिवाय RAPF-HiFi ची कार्यक्षमता तपासली. RAPF-HiFi च्या तुलनेत दोन्ही प्रतिक्रियांची कार्यक्षमता कमी झाली, हे सूचित करते की RAPF-HiFi च्या क्रियेच्या यंत्रणेकरिता दोन्ही प्रथिने आवश्यक आहेत.

RAPF-HiFi च्या विकासामुळे असे सूचित होते की GPT‑5 जटिल, बहुआयामी तर्कशक्तीसाठी सक्षम आहे:

• RecA DNA संरचनेद्वारे प्रतिबंधित आहे⁠(नवीन विंडोमध्ये उघडेल), आणि हे उल्लेखनीय आहे की मॉडेलने एकाच वेळी दोन सहक्रियात्मक सुधारणा सादर केल्या: RecA जोडा आणि DNA दुय्यम संरचना काढून टाकणे याने त्याला gp32 सह पूरक केले.
• E. coli RecA चा नैसर्गिक भागीदार E. coli सिंगल-स्ट्रँडेड बाइंडिंग प्रोटीन (SSB) आहे. SSB जीनोम प्रतिकृतीकरण, पुनर्रचना, आणि दुरुस्ती दरम्यान gp32 प्रमाणेच भूमिका बजावते. तथापि, E. coli SSB DNAवरून स्वतःहून पुरेसे वेगाने खाली पडत नाही, ज्यामुळे RecA फिलामेंट वाढू शकत नाही, आणि RecFOR कॉम्प्लेक्स SSB फिलामेंटवर RecA न्यूक्लिएशनला प्रोत्साहन देते⁠(नवीन विंडोमध्ये उघडेल). SSB अत्यंत मंद ऑफ-रेट्स⁠(नवीन विंडोमध्ये उघडेल) सह स्थिर टेट्रामर म्हणून बांधतो. याउलट, gp32 फिलामेंट अधिक डायनॅमिक⁠(नवीन विंडोमध्ये उघडेल) आहे, ज्यामुळे RecA विस्थापन शक्य होते. 

आमच्या ज्ञानानुसार, RecA आणि gp32 आण्विक जीवशास्त्र पद्धतींमध्ये कार्यात्मकपणे सह-उपयोग केले गेलेले नाहीत. अनेक नवीन आण्विक जीवशास्त्र तंत्रांप्रमाणे, मूलभूत जैवरासायनिक क्रियाकलाप आधीच अभ्यासले गेले होते, परंतु त्यांचा व्यावहारिक आणि सामान्यीकरणीय पद्धतीने वापर करणे ही प्रगती आहे.

उदाहरणार्थ, RecA आणि gp32 यांच्यातील परस्परसंवादाचा अभ्यास यांत्रिक इन विट्रो पुनर्रचना चाचण्यांमध्ये करण्यात आला आहे: डी लूप निर्मितीच्या अभ्यासांमध्ये, gp32 हे RecA क्रियाशीलता वाढविण्यास सक्षम असल्याचे दाखविण्यात आले⁠(नवीन विंडोमध्ये उघडेल). Gp32 चा वापर त्याच्या नैसर्गिक T4 रिकॉम्बिनेस भागीदार UvsX आणि रिकॉम्बिनेस लोडिंग फॅक्टर uvsY सोबत रिकॉम्बिनेस पॉलिमरेज ॲम्प्लिफिकेशन (RPA)⁠(नवीन विंडोमध्ये उघडेल) मध्ये करण्यात आला आहे. जरी RPA पेटंट तपशील⁠(नवीन विंडोमध्ये उघडेल) असे नमूद करतो की प्रभावी RPA प्रतिक्रिया E. coli RecA चा वापर करून एका हेटरोलॉगस प्रणालीमध्ये एक तडजोड केलेला (उदा., अभियांत्रिकी केलेला, नॉन-वाइल्ड-टाइप) gp32 प्रोटीनसह प्रदर्शित केल्या गेल्या आहेत, हे विधान काही पेटंट प्रकटीकरणांमध्ये फक्त एक उपविषय म्हणून दिसते आणि, आमच्या ज्ञानानुसार, प्रकाशित डेटाद्वारे समर्थित नाही किंवा एक मजबूत RecA-आधारित RPA प्रणाली म्हणून स्वीकारले गेलेले नाही. एक क्लोनिंग पद्धत ज्याला SLiCE⁠(नवीन विंडोमध्ये उघडेल) म्हणतात, ती E. coli मधील संपूर्ण सेल अर्क काढणे वापरते ज्यामध्ये λ रेड पुनर्रचना प्रणाली असते, जिथे रेड बीटा DNA-बाइंडिंग प्रोटीन आणि पुनर्रचनेच्या रूपात दुहेरी भूमिका बजावू शकते (जरी आम्ही आमच्या प्रॉम्प्टमध्ये सेल अर्क वापरणे स्पष्टपणे प्रतिबंधित केले होते). एका वेगळ्या अर्जात, फेरिन आणि कॅमेरिनी-ओटेरो⁠(नवीन विंडोमध्ये उघडेल) यांनी जुळणाऱ्या अनुक्रमांच्या आधारे DNA रेणू निवडकपणे पकडण्यासाठी केवळ RecA चा वापर केला. वेगळ्या प्रकारे, gp32 DNA वाढविण्याच्या प्रक्रियेत पीसीआरमध्ये एक ॲडिटिव्ह म्हणून वापरले गेले आहे⁠(नवीन विंडोमध्ये उघडेल) ज्यामुळे द्वितीयक संरचना कमी होते. NABSA प्रवर्धन⁠(नवीन विंडोमध्ये उघडेल) RecA आणि gp32 द्वारे वाढवले असल्याचे दर्शविले गेले, जरी प्रत्येकाने स्वतंत्रपणे प्रतिक्रिया वाढवू शकली आणि कोणतीही समन्वयता आढळली नाही. सर्वसाधारणपणे, मूलभूत गिब्सन-शैलीतील DNA असेंब्ली प्रतिक्रियांमध्ये सुधारणा फारशा झालेल्या नाहीत, ज्यामध्ये सर्वात उल्लेखनीय उदाहरण म्हणजे एक उष्णता-स्थिर DNA-बाइंडिंग प्रोटीन (ET SSB) आहे जे असेंब्ली कार्यक्षमता सुमारे 2.5 पट वाढवते⁠(नवीन विंडोमध्ये उघडेल). 

बहुतेक अर्जांसाठी, आम्हाला RAPF-HiFi कडून HiFi/Gibson क्लोनिंगच्या साधेपणा आणि मजबुतीशी स्पर्धा करण्याची अपेक्षा नाही. तथापि, यांत्रिक दृष्टिकोनातून वेगळ्या असेंब्ली मार्गाचा उदय उल्लेखनीय आहे: GPT‑5 ने पुनर्रचना प्रथिनांचे आणि प्रतिक्रिया गतिकीचे अपरिचित संयोजन समाविष्ट करणारे एक समाधान शोधले आहे. मूलभूत यंत्रणा मॉड्युलर ठरू शकते, जी घटक प्रदान करू शकते जे इतर आण्विक कार्यप्रवाहांमध्ये पुनर्वापर किंवा पुनः संयोजनासाठी वापरले जाऊ शकतात. आम्ही RAPF-HiFi मध्ये सुधारणा एक्सप्लोर करणे सुरू ठेवत आहोत. प्रतिक्रिया तापमान आणि पायरी कालावधी RecA आणि gp32 क्रियाकलापांना एक्सोन्यूक्लिएसच्या अति-डायजेशनच्या विरोधात संतुलित करण्यासाठी समायोजित केले जाऊ शकतात, आणि दोन्ही प्रथिनांचे प्रमाण अद्याप अनुकूलित करणे बाकी आहे. GPT‑5 ने एक हायपरएक्टिव RecA प्रकार देखील प्रस्तावित केला आहे, ज्याचा आम्ही सध्या शुद्धीकरण करत आहोत.

परिवर्तन प्रोटोकॉलच्या संदर्भात, यशस्वी ऑप्टिमायझेशन अटींमध्ये व्यावसायिक 10-बीटा सक्षम पेशी⁠(नवीन विंडोमध्ये उघडेल) च्या उष्णता-शॉक कार्यक्षमतेला वाढवण्यासाठी विविध अॅडिटिव्ह आणि थर्मल व्यत्ययांचा समावेश होता. 13 AI-उत्पन्न केलेल्या एक-शॉट ट्रान्सफॉर्मेशनपैकी, सर्वात प्रभावी सुधारणा, ट्रान्सफॉर्मेशन 7 (T7), पेशींचे पेलेटिंग केले, पुरवलेल्या प्रमाणाचा अर्धा भाग काढून टाकला, आणि DNA जोडण्यापूर्वी पेशींचे पुनः निलंबन केले, हे सर्व 4°C वर केले. उच्च कार्यक्षमतेच्या रासायनिकदृष्ट्या सक्षम पेशी सामान्यतः नाजूक मानल्या जातात, आणि अशा हाताळणीच्या टप्प्यांना सामान्यतः टाळले जातात. तरीही, पेशींनी सांद्रतेला चांगले सहन केले. प्रत्येक पेशीतील DNAच्या वाढलेल्या संपर्कामुळे आणि कमी प्रतिबंधक बफरमुळे अधिक तीव्र उष्णता-आघात होऊन परिवर्तन कार्यक्षमतेत लक्षणीय वाढ (>30 पट) झाली. 

हा परिवर्तन प्रोटोकॉल नवीन आहे, जरी एक संकल्पनात्मक समान दृष्टिकोन⁠(नवीन विंडोमध्ये उघडेल) जिथे पेशी एका पूर्वीच्या टप्प्यावर केंद्रित केल्या जातात, याची नोंद झाली आहे. विशेष म्हणजे, GPT‑5 ने विकसित केलेली पद्धत ऑफ-द-शेल्फ रासायनिकदृष्ट्या सक्षम पेशींशी सुसंगत आहे, ज्यामुळे इन-हाऊस सेल तयारीची गरज नाहीशी होते, आणि तुलनात्मक पेशी स्ट्रेन्सवरील समान दृष्टिकोनाच्या अहवालित कार्यक्षमता लाभांपेक्षा जास्त कार्यक्षमतेचे फायदे मिळतात.

या मॉडेल प्रायोगिक प्रणालीचा थ्रुपुट वाढवण्यासाठी, Robot on Rails आणि Red Queen Bio यांनी एकत्र येऊन एक रोबोटिक प्रणाली तयार केली जी नैसर्गिक भाषा क्लोनिंग प्रोटोकॉल स्वीकारते आणि वेट लॅबमध्ये त्याची अंमलबजावणी करते.

सिस्टम तीन घटक एकत्र करते: 1) एक मानव-ते-रोबोट LLM जो साध्या इंग्रजीला रोबोटच्या क्रियांमध्ये रूपांतरित करतो; 2) एक दृष्टि प्रणाली जी प्रयोगशाळेतील उपकरणांना वास्तविक वेळेत ओळखते आणि स्थानिक करते; आणि 3) एक रोबोटिक पथ नियोजक जो प्रत्येक क्रिया सुरक्षितपणे आणि अचूकपणे कशी पार पाडायची हे ठरवतो. परिणाम म्हणजे एक लवचिक, सामान्यीकृत प्रयोगशाळा रोबोट जो गिब्सन क्लोनिंग प्रोटोकॉलच्या विविध प्रकारांसाठी अधिक सुधारित केला गेला आहे.

आम्ही चाचणी केली की स्वायत्त रोबोट संपूर्ण क्लोनिंग प्रयोग पार पाडू शकतो का, दोन प्रोटोकॉल एकाच वेळी चालवून: मानक HiFi पद्धत आणि R8, पहिल्या ऑप्टिमायझेशन फेरीतील सर्वोत्तम कामगिरी करणारा AI-संशोधित प्रोटोकॉल.

आम्ही प्रत्येक टप्प्यावर रोबोटच्या कामाची मानवी-प्रदर्शन केलेल्या प्रयोगांशी तुलना केली. रोबोटने विविध शारीरिक क्रियांची आवश्यकता असलेल्या परिवर्तन प्रक्रियेचे यशस्वीपणे हाताळले: द्रवांचे हस्तांतरण आणि मिश्रण करणे, नमुना ट्यूब हलवणे, पेशींना नियंत्रित उष्णता लागू करणे, आणि वाढीच्या प्लेट्सवर पेशी पसरवणे. मानवी-प्रदर्शन रूपांतरणांशी थेट तुलना केल्यावर, रोबोटने बेसलाइनपेक्षा समतुल्य सुधारणा दर्शवून समान गुणवत्ता डेटा उत्पन्न केला, जैविक प्रयोगांच्या ऑप्टिमायझेशनचे स्वयंचलन आणि गती वाढविण्याची प्रारंभिक क्षमता दर्शवित आहे.

रोबोट आणि मानवी प्रयोगांमधील फोल्ड-चेंज समान असले तरी, रोबोटकडून मिळालेल्या एकूण कॉलोनींची संख्या हाताने केलेल्या प्रक्रियेपेक्षा सुमारे दहा पट कमी होती, ज्यामुळे द्रव हाताळणीची अचूकता, तापमान नियंत्रण कॅलिब्रेशन आणि हाताने पेशी हाताळण्याच्या तंत्रातील सूक्ष्म फरक पुनरुत्पादित करण्यासारख्या सुधारणा करण्याची गरज अधोरेखित होते.

आम्हाला विश्वास आहे की हे प्रयोग भविष्यातील AI-प्रवर्तित विज्ञानाचे एक स्नॅपशॉट देतात: मॉडेल्स सतत शिकत आहेत आणि वास्तविक जगाशी संवाद साधत आहेत. जरी आमच्या प्रयोगांमध्ये मॉडेल क्षमतांचे शुद्ध मापन करण्यासाठी मानवी हस्तक्षेप वगळले असले तरी, आम्ही विशेषतः AI मानव शास्त्रज्ञांना⁠ प्रयोग डिझाइन करण्यात आणि संशोधनातील प्रगतीत योगदान देण्यात मदत करण्यास उत्सुक आहोत.

जसे आपण वैज्ञानिक प्रगतीला सुरक्षित आणि जबाबदारीने गती देण्यासाठी काम करतो, तसेच आम्ही जोखमींचे मूल्यांकन आणि कमी करण्याचा प्रयत्न करतो, विशेषतः जैवसुरक्षेशी संबंधित जोखीम. ही मूल्यांकन परिणाम दर्शवतात की मॉडेल्स वेट प्रयोगशाळेत तर्कशक्ती वापरा प्रोटोकॉल सुधारू शकतात आणि आमच्या प्रिपेअर्डनेस फ्रेमवर्क⁠(नवीन विंडोमध्ये उघडेल) मध्ये वर्णन केल्याप्रमाणे जैवसुरक्षेसाठी परिणाम होऊ शकतात. आम्ही आवश्यक आणि सूक्ष्म सुरक्षा उपाय तयार करण्यास⁠ मॉडेल आणि प्रणाली स्तरावर वचनबद्ध आहोत, जेणेकरून या जोखमी कमी होतील, तसेच वर्तमान पातळींचे ट्रॅकिंग करण्यासाठी मूल्यांकनं विकसित करू.