GPT‑5 ਸੈੱਲ-ਮੁਕਤ ਪ੍ਰੋਟੀਨ ਸੰਸਲੇਸ਼ਣ ਦੀ ਲਾਗਤ ਨੂੰ ਘਟਾਉਂਦਾ ਹੈ
Ginkgo Bioworks ਦੇ ਨਾਲ ਕੰਮ ਕਰਦੇ ਹੋਏ, ਅਸੀਂ ਇੱਕ AI-ਸੰਚਾਲਿਤ ਖੁਦਮੁਖਤਿਆਰ ਪ੍ਰਯੋਗਸ਼ਾਲਾ ਬਣਾਈ ਅਤੇ ਪ੍ਰੋਟੀਨ ਉਤਪਾਦਨ ਦੀ ਲਾਗਤ ਵਿੱਚ 40% ਦੀ ਕਮੀ ਹਾਸਲ ਕੀਤੀ।
ਅਸੀਂ ਗਣਿਤ ਅਤੇ ਭੌਤਿਕ ਵਿਗਿਆਨ ਵਰਗੇ ਖੇਤਰਾਂ ਵਿੱਚ AI ਤੋਂ ਤੇਜ਼ੀ ਨਾਲ ਤਰੱਕੀ ਦੇਖੀ ਹੈ, ਜਿੱਥੇ ਵਿਚਾਰਾਂ ਦਾ ਮੁਲਾਂਕਣ ਅਕਸਰ ਭੌਤਿਕ ਸੰਸਾਰ ਨੂੰ ਛੂਹੇ ਬਿਨਾਂ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ। ਜੀਵ ਵਿਗਿਆਨ ਵੱਖਰਾ ਹੈ। ਇੱਥੇ ਤਰੱਕੀ ਪ੍ਰਯੋਗਸ਼ਾਲਾ ਰਾਹੀਂ ਹੁੰਦੀ ਹੈ, ਜਿੱਥੇ ਵਿਗਿਆਨੀ ਅਜਿਹੇ ਪ੍ਰਯੋਗ ਕਰਦੇ ਹਨ ਜਿਨ੍ਹਾਂ ਵਿੱਚ ਸਮਾਂ ਅਤੇ ਪੈਸਾ ਲੱਗਦਾ ਹੈ।
ਹੁਣ ਇਹ ਬਦਲਣਾ ਸ਼ੁਰੂ ਹੋ ਰਿਹਾ ਹੈ। ਅਤਿ-ਆਧੁਨਿਕ ਮਾਡਲ ਹੁਣ ਸਿੱਧੇ ਤੌਰ 'ਤੇ ਲੈਬ ਆਟੋਮੇਸ਼ਨ ਨਾਲ ਜੁੜ ਸਕਦੇ ਹਨ, ਪ੍ਰਯੋਗਾਂ ਦਾ ਪ੍ਰਸਤਾਵ ਦੇ ਸਕਦੇ ਹਨ, ਉਨ੍ਹਾਂ ਨੂੰ ਵੱਡੇ ਪੱਧਰ 'ਤੇ ਚਲਾ ਸਕਦੇ ਹਨ, ਨਤੀਜਿਆਂ ਤੋਂ ਸਿੱਖ ਸਕਦੇ ਹਨ, ਅਤੇ ਫੈਸਲਾ ਕਰ ਸਕਦੇ ਹਨ ਕਿ ਅੱਗੇ ਕੀ ਕਰਨਾ ਹੈ। ਜੀਵਨ ਵਿਗਿਆਨ ਦੇ ਬਹੁਤ ਸਾਰੇ ਖੇਤਰਾਂ ਵਿੱਚ, ਮੁੱਖ ਰੁਕਾਵਟ ਦੁਹਰਾਓ ਹੈ, ਅਤੇ ਖੁਦਮੁਖਤਿਆਰ ਪ੍ਰਯੋਗਸ਼ਾਲਾਵਾਂ ਇਸ ਸੀਮਾ ਨੂੰ ਦੂਰ ਕਰਨ ਲਈ ਬਣਾਈਆਂ ਗਈਆਂ ਹਨ।
ਪਿਛਲੇ ਕੰਮ ਵਿੱਚ, ਅਸੀਂ ਦਿਖਾਇਆ ਸੀ ਕਿ GPT‑5 ਕਲੋਜ਼ਡ-ਲੂਪ ਪ੍ਰਯੋਗਾਂ ਰਾਹੀਂ ਵੈੱਟ-ਲੈਬ ਪ੍ਰੋਟੋਕੋਲ ਵਿੱਚ ਸੁਧਾਰ ਕਰ ਸਕਦਾ ਹੈ। ਇੱਥੇ, ਅਸੀਂ ਦਿਖਾਉਂਦੇ ਹਾਂ ਕਿ ਇਹੀ ਪਹੁੰਚ ਪ੍ਰੋਟੀਨ ਉਤਪਾਦਨ ਦੀ ਲਾਗਤ ਨੂੰ ਘਟਾ ਸਕਦੀ ਹੈ।
ਅਸੀਂ GPT‑5 ਨੂੰ ਇੱਕ ਕਲਾਉਡ ਪ੍ਰਯੋਗਸ਼ਾਲਾ—ਇੱਕ ਆਟੋਮੇਟਿਡ ਵੈੱਟ ਲੈਬ ਜੋ ਸੌਫਟਵੇਅਰ ਰਾਹੀਂ ਰਿਮੋਟਲੀ ਚਲਾਈ ਜਾਂਦੀ ਹੈ, ਜਿੱਥੇ ਰੋਬੋਟ ਪ੍ਰਯੋਗ ਕਰਦੇ ਹਨ ਅਤੇ ਡੇਟਾ ਵਾਪਸ ਭੇਜਦੇ ਹਨ—ਨਾਲ ਜੋੜਨ ਲਈ Ginkgo Bioworks(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ) ਨਾਲ ਭਾਈਵਾਲੀ ਕੀਤੀ, ਅਤੇ ਇੱਕ ਵਿਆਪਕ ਤੌਰ 'ਤੇ ਵਰਤੀ ਜਾਣ ਵਾਲੀ ਜੀਵ-ਵਿਗਿਆਨਕ ਪ੍ਰਕਿਰਿਆ: ਸੈੱਲ-ਮੁਕਤ ਪ੍ਰੋਟੀਨ ਸੰਸਲੇਸ਼ਣ (CFPS) ਨੂੰ ਅਨੁਕੂਲ ਬਣਾਉਣ ਲਈ ਉਸ 'ਲੈਬ-ਇਨ-ਦੀ-ਲੂਪ' ਸੈੱਟਅੱਪ ਦੀ ਵਰਤੋਂ ਕੀਤੀ। ਕਲੋਜ਼ਡ-ਲੂਪ ਪ੍ਰਯੋਗਾਂ ਦੇ ਛੇ ਦੌਰਾਂ ਦੌਰਾਨ, ਸਿਸਟਮ ਨੇ 580 ਆਟੋਮੇਟਿਡ ਪਲੇਟਾਂ ਵਿੱਚ 36,000 ਤੋਂ ਵੱਧ ਵਿਲੱਖਣ CFPS ਪ੍ਰਤੀਕਿਰਿਆ ਸੰਯੋਜਨਾਂ ਦੀ ਜਾਂਚ ਕੀਤੀ। ਕੰਪਿਊਟਰ, ਵੈੱਬ ਬ੍ਰਾਊਜ਼ਰ ਅਤੇ ਸੰਬੰਧਿਤ ਪੇਪਰਾਂ ਤੱਕ ਪਹੁੰਚ ਦਿੱਤੇ ਜਾਣ ਤੋਂ ਬਾਅਦ, GPT‑5 ਨੇ ਘੱਟ ਲਾਗਤ ਵਾਲੇ CFPS ਵਿੱਚ ਇੱਕ ਨਵਾਂ 'ਸਟੇਟ ਆਫ ਦਿ ਆਰਟ' ਸਥਾਪਿਤ ਕਰਨ ਲਈ ਪ੍ਰਯੋਗ ਦੇ ਤਿੰਨ ਦੌਰ ਲਏ, ਜਿਸ ਨਾਲ ਪ੍ਰੋਟੀਨ ਉਤਪਾਦਨ ਦੀ ਲਾਗਤ ਵਿੱਚ 40% ਦੀ ਕਮੀ (ਅਤੇ ਰੀਐਜੈਂਟਸ ਦੀ ਲਾਗਤ ਵਿੱਚ 57% ਸੁਧਾਰ) ਪ੍ਰਾਪਤ ਹੋਈ, ਜਿਸ ਵਿੱਚ ਨਵੇਂ ਪ੍ਰਤੀਕਿਰਿਆ ਸੰਯੋਜਨ ਸ਼ਾਮਲ ਹਨ ਜੋ ਖੁਦਮੁਖਤਿਆਰ ਪ੍ਰਯੋਗਸ਼ਾਲਾਵਾਂ ਵਿੱਚ ਆਮ ਪ੍ਰਤੀਕਿਰਿਆ ਸਥਿਤੀਆਂ ਲਈ ਵਧੇਰੇ ਮਜ਼ਬੂਤ ਹਨ।
ਸੈੱਲ-ਮੁਕਤ ਪ੍ਰੋਟੀਨ ਸੰਸਲੇਸ਼ਣ (CFPS) ਜੀਵਤ ਸੈੱਲਾਂ ਨੂੰ ਉਗਾਏ ਬਿਨਾਂ ਪ੍ਰੋਟੀਨ ਬਣਾਉਣ ਦਾ ਇੱਕ ਤਰੀਕਾ ਹੈ। ਸੈੱਲਾਂ ਵਿੱਚ DNA ਪਾਉਣ ਅਤੇ ਉਹਨਾਂ ਦੁਆਰਾ ਪ੍ਰੋਟੀਨ ਪੈਦਾ ਕਰਨ ਦੀ ਉਡੀਕ ਕਰਨ ਦੀ ਬਜਾਏ, CFPS ਪ੍ਰੋਟੀਨ ਬਣਾਉਣ ਵਾਲੀ ਮਸ਼ੀਨਰੀ ਨੂੰ ਇੱਕ ਨਿਯੰਤ੍ਰਿਤ ਮਿਸ਼ਰਣ ਵਿੱਚ ਚਲਾਉਂਦਾ ਹੈ। ਇਹ ਇਸਨੂੰ ਤੇਜ਼ ਪ੍ਰੋਟੋਟਾਈਪਿੰਗ ਅਤੇ ਟੈਸਟਿੰਗ ਲਈ ਇੱਕ ਵਿਹਾਰਕ ਸਾਧਨ ਬਣਾਉਂਦਾ ਹੈ ਕਿਉਂਕਿ ਵਿਗਿਆਨੀ ਬਹੁਤ ਸਾਰੇ ਪ੍ਰਯੋਗ ਤੇਜ਼ੀ ਨਾਲ ਕਰ ਸਕਦੇ ਹਨ ਅਤੇ ਉਸੇ ਦਿਨ ਨਤੀਜੇ ਮਾਪ ਸਕਦੇ ਹਨ।
ਪ੍ਰੋਟੀਨ ਆਧੁਨਿਕ ਜੀਵ ਵਿਗਿਆਨ ਦੀਆਂ ਦੇਣਾਂ ਦਾ ਇੱਕ ਵੱਡਾ ਹਿੱਸਾ ਹਨ। ਕਈ ਮਹੱਤਵਪੂਰਨ ਦਵਾਈਆਂ ਪ੍ਰੋਟੀਨ 'ਤੇ ਅਧਾਰਿਤ ਹਨ। ਕਈ ਡਾਇਗਨੌਸਟਿਕਸ ਅਤੇ ਖੋਜ ਪਰਖਾਂ ਪ੍ਰੋਟੀਨ 'ਤੇ ਨਿਰਭਰ ਕਰਦੀਆਂ ਹਨ। ਉਦਯੋਗਿਕ ਖੇਤਰਾਂ ਵਿੱਚ, ਪ੍ਰੋਟੀਨ ਐਂਜ਼ਾਈਮਾਂ ਵਜੋਂ ਕੰਮ ਕਰਦੇ ਹਨ ਜੋ ਰਸਾਇਣਕ ਪ੍ਰਕਿਰਿਆਵਾਂ ਨੂੰ ਵਧੇਰੇ ਸਾਫ਼ ਅਤੇ ਕੁਸ਼ਲ ਬਣਾਉਂਦੇ ਹਨ। ਪ੍ਰੋਟੀਨ ਤੁਹਾਡੇ ਕੱਪੜੇ ਧੋਣ ਵਾਲੇ ਡਿਟਰਜੈਂਟ ਵਿੱਚ ਵੀ ਪਾਏ ਜਾਂਦੇ ਹਨ। ਜਦੋਂ ਪ੍ਰੋਟੀਨ ਉਤਪਾਦਨ ਤੇਜ਼ ਅਤੇ ਸਸਤਾ ਹੋ ਜਾਂਦਾ ਹੈ, ਤਾਂ ਵਿਗਿਆਨੀ ਆਮ ਤੌਰ 'ਤੇ ਵਧੇਰੇ ਵਿਚਾਰਾਂ ਦੀ ਜਲਦੀ ਜਾਂਚ ਕਰ ਸਕਦੇ ਹਨ, ਅਤੇ ਸ਼ੁਰੂਆਤੀ ਖੋਜ ਨੂੰ ਅਜਿਹੀ ਚੀਜ਼ ਵਿੱਚ ਬਦਲਣ ਦੀ ਲਾਗਤ ਨੂੰ ਘਟਾ ਸਕਦੇ ਹਨ ਜਿਸਦਾ ਲੋਕ ਰੋਜ਼ਾਨਾ ਲਾਭ ਲੈ ਸਕਣ।
CFPS ਪਹਿਲਾਂ ਹੀ ਇਸ ਕਿਸਮ ਦੇ ਦੁਹਰਾਓ ਲਈ ਉਪਯੋਗੀ ਹੈ। ਰੁਕਾਵਟ ਇਹ ਹੈ ਕਿ ਇਸ ਨੂੰ ਅਨੁਕੂਲ ਕਰਨਾ ਮੁਸ਼ਕਲ ਹੈ ਅਤੇ ਵੱਡੇ ਪੱਧਰ 'ਤੇ ਇਹ ਮਹਿੰਗਾ ਹੋ ਜਾਂਦਾ ਹੈ।
ਸੈੱਲ-ਮੁਕਤ ਪ੍ਰੋਟੀਨ ਸੰਸਲੇਸ਼ਣ ਲਈ ਗੁੰਝਲਦਾਰ, ਆਪਸ ਵਿੱਚ ਪ੍ਰਤੀਕਿਰਿਆ ਕਰਨ ਵਾਲੇ ਤੱਤਾਂ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ: ਪ੍ਰੋਟੀਨ ਬਣਾਉਣ ਲਈ DNA ਟੈਂਪਲੇਟ, ਸੈੱਲ ਲਾਈਸੇਟ (ਸੈੱਲਾਂ ਦੇ ਅੰਦਰੋਂ ਸੈਲੂਲਰ ਮਸ਼ੀਨਰੀ ਦਾ ਮਿਸ਼ਰਣ), ਅਤੇ ਊਰਜਾ ਸਰੋਤਾਂ ਤੋਂ ਲੈ ਕੇ ਲੂਣ ਤੱਕ ਵੱਡੀ ਗਿਣਤੀ ਵਿੱਚ ਬਾਇਓਕੈਮੀਕਲ ਹਿੱਸੇ। ਸਮੁੱਚੇ ਤੌਰ 'ਤੇ ਇਸ ਪ੍ਰਣਾਲੀ ਬਾਰੇ ਤਰਕ ਕਰਨਾ ਬਹੁਤ ਮੁਸ਼ਕਲ ਹੈ, ਅਤੇ ਪ੍ਰੋਟੀਨ ਉਤਪਾਦਨ ਦੀ ਲਾਗਤ ਨੂੰ ਘਟਾਉਣ ਲਈ ਕਈ(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ) ਪਿਛਲੇ(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ) ਅਧਿਐਨਾਂ(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ) ਨੇ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਦੀਆਂ ਵੱਖ-ਵੱਖ ਕਿਸਮਾਂ ਨੂੰ ਲਾਗੂ ਕੀਤਾ ਹੈ।
ਮਿਆਰੀ ਸੈੱਲ-ਮੁਕਤ ਪ੍ਰੋਟੀਨ ਸੰਸਲੇਸ਼ਣ (CFPS) ਫਾਰਮੂਲੇ ਅਤੇ ਵਪਾਰਕ ਕਿੱਟਾਂ ਦੀ ਕੀਮਤ ਅਕਸਰ ਮਨੁੱਖੀ ਗਤੀ ਨਾਲ ਕੀਤੇ ਜਾਣ ਵਾਲੇ ਕੰਮ ਦੇ ਅਨੁਸਾਰ ਨਿਰਧਾਰਿਤ ਹੁੰਦੀ ਹੈ। ਖੁਦਮੁਖਤਿਆਰ ਪ੍ਰਯੋਗਸ਼ਾਲਾਵਾਂ ਉਸੇ ਸਮੇਂ ਵਿੱਚ ਹਜ਼ਾਰਾਂ ਪ੍ਰਤੀਕਿਰਿਆਵਾਂ ਚਲਾ ਸਕਦੀਆਂ ਹਨ ਜਿਸ ਵਿੱਚ ਇੱਕ ਮਨੁੱਖੀ ਟੀਮ ਸ਼ਾਇਦ ਸਿਰਫ ਦਰਜਨਾਂ ਹੀ ਚਲਾ ਸਕੇ। ਇਸ ਪੱਧਰ 'ਤੇ, ਰੀਐਜੈਂਟਸ ਦੀ ਲਾਗਤ ਇੱਕ ਸੀਮਤ ਕਾਰਕ ਬਣ ਜਾਂਦੀ ਹੈ।
CFPS ਨੂੰ ਸਿਰਫ਼ ਅਨੁਭਵ ਦੇ ਅਧਾਰ 'ਤੇ ਅਨੁਕੂਲ ਬਣਾਉਣਾ ਵੀ ਮੁਸ਼ਕਲ ਹੈ। ਇਹ ਕਈ ਆਪਸ ਵਿੱਚ ਪ੍ਰਤੀਕਿਰਿਆ ਕਰਨ ਵਾਲੇ ਹਿੱਸਿਆਂ ਦਾ ਮਿਸ਼ਰਣ ਹੈ। ਛੋਟੀਆਂ ਤਬਦੀਲੀਆਂ ਵੀ ਮਹੱਤਵ ਰੱਖ ਸਕਦੀਆਂ ਹਨ, ਪਰ ਉਹਨਾਂ ਦੇ ਪ੍ਰਭਾਵ ਦੀ ਦਿਸ਼ਾ ਹਮੇਸ਼ਾ ਸਪੱਸ਼ਟ ਨਹੀਂ ਹੁੰਦੀ, ਅਤੇ ਬਹੁਤ ਸਾਰੇ ਪ੍ਰਯੋਗ ਕੀਤੇ ਬਿਨਾਂ ਸਭ ਤੋਂ ਵਧੀਆ ਸੰਯੋਜਨ ਲੱਭਣੇ ਮੁਸ਼ਕਲ ਹੋ ਸਕਦੇ ਹਨ। ਪਿਛਲੀਆਂ ਪਹੁੰਚਾਂ ਨੇ ਲਾਗਤਾਂ ਨੂੰ ਘਟਾਇਆ ਹੈ, ਪਰ ਤਰੱਕੀ ਹੌਲੀ-ਹੌਲੀ ਹੁੰਦੀ ਹੈ ਕਿਉਂਕਿ ਇਸ ਖੇਤਰ ਦੀ ਡੂੰਘਾਈ ਨਾਲ ਖੋਜ ਕਰਨਾ ਬਹੁਤ ਜ਼ਿਆਦਾ ਮਿਹਨਤ ਵਾਲਾ ਕੰਮ ਹੈ।
ਅਸੀਂ ਸੈੱਲ-ਮੁਕਤ ਪ੍ਰੋਟੀਨ ਸੰਸਲੇਸ਼ਣ (CFPS) ਦੇ ਅਨੁਕੂਲਣ ਲਈ ਇੱਕ ਕਲੋਜ਼ਡ-ਲੂਪ ਖੁਦਮੁਖਤਿਆਰ ਪ੍ਰਣਾਲੀ ਬਣਾਉਣ ਲਈ GPT‑5 ਨੂੰ Ginkgo Bioworks ਦੀ ਕਲਾਉਡ ਪ੍ਰਯੋਗਸ਼ਾਲਾ ਨਾਲ ਜੋੜਿਆ।
GPT‑5 ਨੇ ਪ੍ਰਯੋਗਾਂ ਦੇ ਬੈਚ ਤਿਆਰ ਕੀਤੇ। ਪ੍ਰਯੋਗਸ਼ਾਲਾ ਨੇ ਉਹਨਾਂ ਨੂੰ ਲਾਗੂ ਕੀਤਾ। ਨਤੀਜੇ ਵਾਪਸ ਮਾਡਲ ਨੂੰ ਫੀਡ ਕੀਤੇ ਗਏ। ਮਾਡਲ ਨੇ ਅਗਲੇ ਦੌਰ ਦਾ ਪ੍ਰਸਤਾਵ ਦੇਣ ਲਈ ਉਸ ਡੇਟਾ ਦੀ ਵਰਤੋਂ ਕੀਤੀ। ਅਸੀਂ ਉਸ ਚੱਕਰ ਨੂੰ ਛੇ ਵਾਰ ਦੁਹਰਾਇਆ।
GPT‑5 ਨੇ ਇੱਕ ਮਿਆਰੀ 384-ਵੈੱਲ ਪਲੇਟ ਫਾਰਮੈਟ ਵਿੱਚ ਪ੍ਰਯੋਗਾਂ ਦੇ ਬੈਚ ਤਿਆਰ ਕੀਤੇ, ਅਤੇ ਉਹਨਾਂ ਨੂੰ Ginkgo Bioworks ਦੀ ਕਲਾਉਡ ਪ੍ਰਯੋਗਸ਼ਾਲਾ ਵਿੱਚ ਚਲਾਇਆ। ਜਦੋਂ ਪ੍ਰਯੋਗ ਖਤਮ ਹੋ ਗਏ, ਤਾਂ ਕਲਾਉਡ ਪ੍ਰਯੋਗਸ਼ਾਲਾ ਨੇ ਡੇਟਾ ਵਾਪਸ GPT‑5 ਨੂੰ ਭੇਜਿਆ, ਜਿੱਥੇ ਮਾਡਲ ਨੇ ਨਤੀਜਿਆਂ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕੀਤਾ, ਨਵੀਆਂ ਪਰਿਕਲਪਨਾਵਾਂ ਤਿਆਰ ਕੀਤੀਆਂ, ਅਤੇ ਪ੍ਰਯੋਗਾਂ ਦੇ ਅਗਲੇ ਦੌਰ ਨੂੰ ਡਿਜ਼ਾਈਨ ਕੀਤਾ।
ਲੂਪ ਨੂੰ ਇਸ ਗੱਲ ਤੱਕ ਸੀਮਤ ਰੱਖਣ ਲਈ ਕਿ ਇੱਕ ਖੁਦਮੁਖਤਿਆਰ ਪ੍ਰਯੋਗਸ਼ਾਲਾ ਕੀ ਕਰ ਸਕਦੀ ਹੈ, ਅਸੀਂ ਕਿਸੇ ਵੀ ਪ੍ਰਯੋਗ ਦੇ ਚੱਲਣ ਤੋਂ ਪਹਿਲਾਂ ਸਖਤ ਪ੍ਰੋਗਰਾਮੇਟਿਕ ਵੈਲੀਡੇਸ਼ਨ ਸ਼ਾਮਲ ਕੀਤੀ। ਉਸ ਵੈਲੀਡੇਸ਼ਨ ਨੇ ਇਹ ਯਕੀਨੀ ਬਣਾਇਆ ਕਿ AI ਦੁਆਰਾ ਤਿਆਰ ਕੀਤੇ ਗਏ ਪ੍ਰਯੋਗ ਆਟੋਮੇਸ਼ਨ ਪਲੇਟਫਾਰਮ 'ਤੇ ਸਰੀਰਕ ਤੌਰ 'ਤੇ ਚਲਾਉਣ ਯੋਗ ਸਨ। ਇਸ ਨੇ ਅਜਿਹੇ "ਕਾਗਜ਼ੀ ਪ੍ਰਯੋਗਾਂ" ਨੂੰ ਰੋਕਿਆ ਜੋ ਲਿਖਤ ਵਿੱਚ ਤਾਂ ਸਹੀ ਲੱਗਦੇ ਹਨ ਪਰ ਰੋਬੋਟਿਕ ਵਰਕਫਲੋ ਵਿੱਚ ਨਹੀਂ ਕੀਤੇ ਜਾ ਸਕਦੇ।
ਪੂਰੀ ਪ੍ਰਕਿਰਿਆ ਦੌਰਾਨ, ਸਿਸਟਮ ਨੇ 580 ਆਟੋਮੇਟਿਡ ਪਲੇਟਾਂ ਵਿੱਚ 36,000 ਤੋਂ ਵੱਧ CFPS ਪ੍ਰਤੀਕਿਰਿਆਵਾਂ ਨੂੰ ਅੰਜਾਮ ਦਿੱਤਾ। ਇਹ ਪੱਧਰ ਇਸ ਲਈ ਮਹੱਤਵਪੂਰਨ ਹੈ ਕਿਉਂਕਿ ਇਸ ਨਾਲ ਪੈਟਰਨ ਸਾਹਮਣੇ ਆਉਂਦੇ ਹਨ। ਜੀਵ ਵਿਗਿਆਨ ਵਿੱਚ, ਇਕੱਲੇ ਕੀਤੇ ਗਏ ਪ੍ਰਯੋਗਾਂ ਦੇ ਨਤੀਜੇ ਅਸਪਸ਼ਟ ਹੋ ਸਕਦੇ ਹਨ। ਵੱਡੀ ਮਾਤਰਾ ਵਿੱਚ ਪ੍ਰਯੋਗ ਅਤੇ ਦੁਹਰਾਓ ਉਹ ਤਰੀਕਾ ਹੈ ਜਿਸ ਨਾਲ ਤੁਸੀਂ ਅਸਲ ਸੰਕੇਤਾਂ ਨੂੰ ਬੇਲੋੜੇ ਡੇਟਾ ਤੋਂ ਵੱਖ ਕਰਦੇ ਹੋ। ਇੱਕ ਵਾਰ ਜਦੋਂ GPT‑5 ਕੋਲ ਸੰਬੰਧਿਤ ਪੇਪਰ ਅਤੇ ਸਾਧਨਾਂ ਤੱਕ ਪਹੁੰਚ ਹੋ ਗਈ, ਤਾਂ ਇਸ ਨੇ ਨਵਾਂ 'ਸਟੇਟ ਆਫ ਦਿ ਆਰਟ' ਸਥਾਪਿਤ ਕਰਨ ਲਈ ਪ੍ਰਯੋਗ ਦੇ ਤਿੰਨ ਦੌਰ ਅਤੇ ਦੋ ਮਹੀਨੇ ਲਏ: ਸਭ ਤੋਂ ਵਧੀਆ ਪਿਛਲੇ ਬੇਸਲਾਈਨ(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ) ਦੇ ਮੁਕਾਬਲੇ ਪ੍ਰੋਟੀਨ ਉਤਪਾਦਨ ਲਾਗਤ ਵਿੱਚ 40% ਦੀ ਕਮੀ।
Ginkgo Bioworks ਦੀਆਂ ਰੀਕਨਫਿਗਰੇਬਲ ਆਟੋਮੇਸ਼ਨ ਕਾਰਟਸ। ਕ੍ਰੈਡਿਟ: Ginkgo Bioworks
ਅਸੀਂ ਪਾਇਆ ਕਿ ਇਹ ਸੁਧਾਰ ਉਹਨਾਂ ਸੰਯੋਜਨਾਂ ਦੀ ਪਛਾਣ ਕਰਨ ਤੋਂ ਆਏ ਹਨ ਜੋ ਇਕੱਠੇ ਵਧੀਆ ਕੰਮ ਕਰਦੇ ਹਨ ਅਤੇ ਜੋ ਉੱਚ-ਮਾਤਰਾ ਵਾਲੀ ਆਟੋਮੇਸ਼ਨ ਦੀਆਂ ਅਸਲੀਅਤਾਂ ਵਿੱਚ ਖਰੇ ਉਤਰਦੇ ਹਨ।
ਅਸੀਂ ਪਾਇਆ ਕਿ GPT‑5 ਨੇ ਅਜਿਹੀਆਂ ਘੱਟ ਲਾਗਤ ਵਾਲੀਆਂ ਪ੍ਰਤੀਕਿਰਿਆ ਸੰਯੋਜਨਾਵਾਂ ਦੀ ਪਛਾਣ ਕੀਤੀ ਜੋ ਮਨੁੱਖਾਂ ਨੇ ਪਹਿਲਾਂ ਇਸ ਰੂਪ ਵਿੱਚ ਨਹੀਂ ਪਰਖੀਆਂ ਸਨ। ਸੈੱਲ-ਮੁਕਤ ਪ੍ਰੋਟੀਨ ਸੰਸਲੇਸ਼ਣ (CFPS) ਦਾ ਸਾਲਾਂ ਤੋਂ ਅਧਿਐਨ ਕੀਤਾ ਜਾ ਰਿਹਾ ਹੈ, ਪਰ ਸੰਭਾਵੀ ਮਿਸ਼ਰਣਾਂ ਦਾ ਖੇਤਰ ਅਜੇ ਵੀ ਬਹੁਤ ਵਿਸ਼ਾਲ ਹੈ। ਜਦੋਂ ਤੁਸੀਂ ਹਜ਼ਾਰਾਂ ਸੰਯੋਜਨਾਂ ਨੂੰ ਤੇਜ਼ੀ ਨਾਲ ਪ੍ਰਸਤਾਵਿਤ ਅਤੇ ਲਾਗੂ ਕਰ ਸਕਦੇ ਹੋ, ਤਾਂ ਤੁਸੀਂ ਅਜਿਹੇ ਕਾਰਗਰ ਖੇਤਰ ਲੱਭ ਸਕਦੇ ਹੋ ਜੋ ਮੈਨੁਅਲ ਵਰਕਫ਼ਲੋ ਨਾਲ ਆਸਾਨੀ ਨਾਲ ਨਜ਼ਰਅੰਦਾਜ਼ ਹੋ ਜਾਂਦੇ ਹਨ।
ਜਦੋਂ ਤੁਸੀਂ ਹਜ਼ਾਰਾਂ ਸੰਯੋਜਨਾਂ ਦਾ ਪ੍ਰਸਤਾਵ ਤੇਜ਼ੀ ਨਾਲ ਦੇ ਸਕਦੇ ਹੋ ਅਤੇ ਉਹਨਾਂ ਨੂੰ ਲਾਗੂ ਕਰ ਸਕਦੇ ਹੋ, ਤਾਂ ਤੁਸੀਂ ਉਹਨਾਂ ਸਫਲ ਖੇਤਰਾਂ ਨੂੰ ਲੱਭ ਸਕਦੇ ਹੋ ਜੋ ਹੱਥੀਂ ਕੀਤੇ ਜਾਣ ਵਾਲੇ ਕੰਮ ਵਿੱਚ ਅਕਸਰ ਖੁੰਝ ਜਾਂਦੇ ਹਨ। ਉੱਚ-ਮਾਤਰਾ ਵਾਲੇ ਪ੍ਰਤੀਕਿਰਿਆ ਫਾਰਮੈਟਾਂ ਵਿੱਚ ਆਕਸੀਜਨੇਸ਼ਨ ਘੱਟ ਹੋ ਸਕਦੀ ਹੈ। ਮਿਸ਼ਰਣ ਅਤੇ ਜਿਓਮੈਟਰੀ ਵੱਖਰੀ ਹੋ ਸਕਦੀ ਹੈ। ਜ਼ਿਆਦਾਤਰ CFPS ਪ੍ਰਤੀਕਿਰਿਆਵਾਂ ਮਾਈਕ੍ਰੋਟਾਈਟਰ ਪਲੇਟਾਂ ਦੇ ਮੁਕਾਬਲੇ ਟੈਸਟ ਟਿਊਬਾਂ ਵਿੱਚ ਕਿਤੇ ਜ਼ਿਆਦਾ ਪ੍ਰੋਟੀਨ ਪੈਦਾ ਕਰਦੀਆਂ ਹਨ, ਕਿਉਂਕਿ ਵੱਡੇ ਪੱਧਰ 'ਤੇ ਆਮ ਤੌਰ 'ਤੇ ਵਧੇਰੇ ਆਕਸੀਜਨ ਉਪਲਬਧ ਹੁੰਦੀ ਹੈ ਅਤੇ ਮਿਸ਼ਰਣ ਬਿਹਤਰ ਹੁੰਦਾ ਹੈ। ਦਰਅਸਲ, ਘੱਟ ਮਾਤਰਾ ਵਾਲੀਆਂ ਪਲੇਟ-ਅਧਾਰਿਤ ਪ੍ਰਤੀਕਿਰਿਆਵਾਂ ਲਈ, ਡੇਟਾ ਵਿਸ਼ਲੇਸ਼ਣ ਲਈ ਕੰਪਿਊਟਰ ਅਤੇ ਸੰਬੰਧਿਤ ਪੇਪਰਾਂ ਦੀ ਖੋਜ ਲਈ ਵੈੱਬ ਬ੍ਰਾਊਜ਼ਰ ਤੱਕ ਪਹੁੰਚ ਮਿਲਣ ਦੇ ਤੁਰੰਤ ਬਾਅਦ, GPT‑5 ਨੇ ਅਜਿਹੀਆਂ ਕਈ ਪ੍ਰਤੀਕਿਰਿਆਵਾਂ ਦਾ ਪ੍ਰਸਤਾਵ ਦਿੱਤਾ ਜਿਨ੍ਹਾਂ ਨੇ ਪਿਛਲੇ ਸਭ ਤੋਂ ਵਧੀਆ ਨਤੀਜਿਆਂ ਨੂੰ ਪਛਾੜ ਦਿੱਤਾ। ਕੁੱਲ ਮਿਲਾ ਕੇ, GPT‑5 ਨੇ ਕਈ ਅਜਿਹੇ ਰੀਐਜੈਂਟ ਸੰਯੋਜਨਾਂ ਦਾ ਪ੍ਰਸਤਾਵ ਦਿੱਤਾ ਜਿਨ੍ਹਾਂ ਨੇ ਉੱਚ-ਮਾਤਰਾ ਦੀਆਂ ਸੀਮਾਵਾਂ ਦੇ ਅਧੀਨ ਵਧੀਆ ਪ੍ਰਦਰਸ਼ਨ ਕੀਤਾ, ਜਿਸ ਵਿੱਚ ਉਹ ਵੀ ਸ਼ਾਮਲ ਸਨ ਜੋ ਆਟੋਮੇਟਿਡ ਲੈਬ ਸੈਟਿੰਗਾਂ ਵਿੱਚ ਆਮ ਘੱਟ-ਆਕਸੀਜਨ ਵਾਲੀਆਂ ਸਥਿਤੀਆਂ ਵਿੱਚ ਵਧੇਰੇ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਰਹੇ।
ਇਸ ਤੋਂ ਇਲਾਵਾ, ਅਸੀਂ ਪਾਇਆ ਕਿ ਬਫਰਿੰਗ, ਊਰਜਾ ਪੁਨਰ-ਉਤਪਾਦਨ ਹਿੱਸਿਆਂ ਅਤੇ ਪੋਲੀਅਮਾਈਨਜ਼ ਵਿੱਚ ਛੋਟੀਆਂ ਤਬਦੀਲੀਆਂ ਦਾ ਉਹਨਾਂ ਦੀ ਲਾਗਤ ਦੇ ਮੁਕਾਬਲੇ ਬਹੁਤ ਵੱਡਾ ਪ੍ਰਭਾਵ ਪਿਆ। ਇਹ ਹਮੇਸ਼ਾ ਉਹ ਪੈਰਾਮੀਟਰ ਨਹੀਂ ਹੁੰਦੇ ਜਿਨ੍ਹਾਂ 'ਤੇ ਲੋਕ ਪਹਿਲਾਂ ਧਿਆਨ ਦਿੰਦੇ ਹਨ, ਪਰ ਉੱਚ-ਮਾਤਰਾ ਵਾਲੇ ਕੰਮ ਵਿੱਚ, ਇਹ ਸਿਰਫ਼ ਧਾਰਨਾਵਾਂ ਦੀ ਬਜਾਏ ਪਰਖਣਯੋਗ ਪਰਿਕਲਪਨਾਵਾਂ ਬਣ ਜਾਂਦੇ ਹਨ।
ਅੰਤ ਵਿੱਚ, ਲਾਗਤ ਦੀ ਬਣਤਰ ਨੇ ਖੁਦ ਇਹ ਤੈਅ ਕੀਤਾ ਕਿ ਕੀ ਮਹੱਤਵਪੂਰਨ ਸੀ। CFPS ਵਿੱਚ, ਹੁਣ ਲਾਗਤਾਂ ਵਿੱਚ ਲਾਈਸੇਟ ਅਤੇ ਡੀ.ਐਨ.ਏ. ਦਾ ਮੁੱਖ ਹਿੱਸਾ ਹੈ। ਇਸਦਾ ਮਤਲਬ ਹੈ ਕਿ ਪੈਦਾਵਾਰ ਵਧਾਉਣਾ ਸਭ ਤੋਂ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਰਣਨੀਤੀ ਹੈ। ਜੇਕਰ ਤੁਸੀਂ ਮਹਿੰਗੀ ਸਮੱਗਰੀ ਦੀ ਹਰੇਕ ਇਕਾਈ ਦੇ ਬਦਲੇ ਪ੍ਰੋਟੀਨ ਆਉਟਪੁੱਟ ਵਧਾ ਸਕਦੇ ਹੋ, ਤਾਂ ਤੁਸੀਂ ਦੂਜੀਆਂ ਥਾਵਾਂ 'ਤੇ ਮਾਮੂਲੀ ਬੱਚਤ ਲੱਭਣ ਤੋਂ ਪਹਿਲਾਂ ਹੀ ਲਾਗਤ ਵਿੱਚ ਸਾਰਥਕ ਤਰੱਕੀ ਕਰ ਲੈਂਦੇ ਹੋ।
ਖੁਦਮੁਖਤਿਆਰ ਪ੍ਰਯੋਗਾਂ ਦੇ ਛੇ ਦੌਰਾਂ ਦੌਰਾਨ, ਪ੍ਰਣਾਲੀ ਨੇ ਸੈੱਲ-ਮੁਕਤ ਪ੍ਰੋਟੀਨ ਸੰਸਲੇਸ਼ਣ ਵਿੱਚ ਲਗਾਤਾਰ ਸੁਧਾਰ ਕੀਤਾ, ਜਿਸ ਨਾਲ ਪ੍ਰੋਟੀਨ ਦੀ ਪੈਦਾਵਾਰ ਵਧਾਉਣ ਦੇ ਨਾਲ-ਨਾਲ ਲਾਗਤਾਂ ਵਿੱਚ ਕਮੀ ਆਈ। ਨਤੀਜੇ ਹਰੇਕ ਦੌਰ ਲਈ ਪ੍ਰਤੀਕਿਰਿਆ ਲਾਗਤ ਬਨਾਮ ਪ੍ਰੋਟੀਨ ਟਾਈਟਰ ਵਜੋਂ ਦਿਖਾਏ ਗਏ ਹਨ, ਜਿਸ ਵਿੱਚ ਸਭ ਤੋਂ ਵਧੀਆ ਸੰਤੁਲਨ ਇੱਕ ਅਤਿ-ਆਧੁਨਿਕ ਬਣਾਉਂਦਾ ਹੈ। ਵੱਡੇ ਬਿੰਦੂ ਹਰੇਕ ਦੌਰ ਵਿੱਚ ਪ੍ਰਾਪਤ ਕੀਤੀ ਸਭ ਤੋਂ ਘੱਟ ਪ੍ਰਤੀ-ਗ੍ਰਾਮ ਲਾਗਤ ਨੂੰ ਦਰਸਾਉਂਦੇ ਹਨ, ਅਤੇ ਸਟਾਰ/ਡੌਟਡ ਹਵਾਲਾ 384-ਵੈੱਲ ਪਲੇਟਾਂ (Olsen et al., 2025) ਵਿੱਚ ਪਿਛਲੇ ਸਟੇਟ-ਆਫ-ਦੀ-ਆਰਟ ਬੈਂਚਮਾਰਕ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ। ਬਾਅਦ ਦੇ ਦੌਰਾਂ ਦਾ ਬਾਰੀਕੀ ਨਾਲ ਨਿਰੀਖਣ ਅੰਤਿਮ ਲਾਭਾਂ ਨੂੰ ਉਜਾਗਰ ਕਰਦਾ ਹੈ, ਅਤੇ ਹਰੇਕ ਦੌਰ ਦਾ ਸਾਰ ਦਰਸਾਉਂਦਾ ਹੈ ਕਿ ਸਮੇਂ ਦੇ ਨਾਲ ਸਭ ਤੋਂ ਵਧੀਆ ਪ੍ਰਤੀ-ਗ੍ਰਾਮ ਲਾਗਤ ਘਟਦੀ ਜਾ ਰਹੀ ਹੈ।
ਇਹ ਨਤੀਜੇ ਇੱਕ ਪ੍ਰੋਟੀਨ, sfGFP, ਅਤੇ ਇੱਕ ਸੈੱਲ-ਮੁਕਤ ਪ੍ਰੋਟੀਨ ਸੰਸਲੇਸ਼ਣ (CFPS) ਪ੍ਰਣਾਲੀ 'ਤੇ ਪ੍ਰਦਰਸ਼ਿਤ ਕੀਤੇ ਗਏ ਸਨ। ਹੋਰ ਪ੍ਰੋਟੀਨਾਂ ਅਤੇ ਹੋਰ CFPS ਪ੍ਰਣਾਲੀਆਂ 'ਤੇ ਇਸ ਦੇ ਪ੍ਰਭਾਵ ਨੂੰ ਸਾਬਤ ਕਰਨਾ ਅਜੇ ਬਾਕੀ ਹੈ।
ਆਕਸੀਜਨੇਸ਼ਨ ਅਤੇ ਪ੍ਰਤੀਕਿਰਿਆ ਦੀ ਬਣਤਰ ਪੈਦਾਵਾਰ ਨੂੰ ਬਹੁਤ ਪ੍ਰਭਾਵਿਤ ਕਰ ਸਕਦੀ ਹੈ, ਅਤੇ ਇਹ ਕਾਰਕ ਵੱਖ-ਵੱਖ ਪੱਧਰਾਂ 'ਤੇ ਬਦਲ ਸਕਦੇ ਹਨ। ਕੁਝ ਸੁਧਾਰ ਇਹਨਾਂ ਸਥਿਤੀਆਂ ਪ੍ਰਤੀ ਸੰਵੇਦਨਸ਼ੀਲ ਹੋ ਸਕਦੇ ਹਨ, ਅਤੇ ਉਹਨਾਂ ਸੰਵੇਦਨਸ਼ੀਲਤਾਵਾਂ ਨੂੰ ਸਮਝਣਾ ਅਗਲੇ ਪੜਾਅ ਦਾ ਹਿੱਸਾ ਹੈ।
ਪ੍ਰੋਟੋਕੋਲ ਵਿੱਚ ਸੁਧਾਰ ਅਤੇ ਰੀਐਜੈਂਟਸ ਨੂੰ ਸੰਭਾਲਣ ਲਈ ਮਨੁੱਖੀ ਨਿਗਰਾਨੀ ਦੀ ਲੋੜ ਸੀ। ਸਿਸਟਮ ਪ੍ਰਯੋਗਾਂ ਨੂੰ ਡਿਜ਼ਾਈਨ ਅਤੇ ਉਹਨਾਂ ਦੀ ਵਿਆਖਿਆ ਕਰ ਸਕਦਾ ਹੈ, ਪਰ ਪ੍ਰਯੋਗਸ਼ਾਲਾ ਦੇ ਕੰਮ ਵਿੱਚ ਅਜੇ ਵੀ ਅਜਿਹੇ ਵਿਹਾਰਕ ਵੇਰਵੇ ਸ਼ਾਮਲ ਹਨ ਜਿਨ੍ਹਾਂ ਲਈ ਤਜ਼ਰਬੇਕਾਰ ਸੰਚਾਲਕਾਂ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ।
ਅਸੀਂ 'ਲੈਬ-ਇਨ-ਦੀ-ਲੂਪ' ਅਨੁਕੂਲਣ ਨੂੰ ਹੋਰ ਜੀਵ-ਵਿਗਿਆਨਕ ਕਾਰਜ-ਪ੍ਰਣਾਲੀਆਂ 'ਤੇ ਲਾਗੂ ਕਰਨ ਦੀ ਯੋਜਨਾ ਬਣਾ ਰਹੇ ਹਾਂ ਜਿੱਥੇ ਤੇਜ਼ ਦੁਹਰਾਓ ਤਰੱਕੀ ਦੇ ਰਾਹ ਖੋਲ੍ਹ ਸਕਦਾ ਹੈ। ਅਸੀਂ ਖੁਦਮੁਖਤਿਆਰ ਪ੍ਰਯੋਗਸ਼ਾਲਾਵਾਂ ਨੂੰ ਮਾਡਲਾਂ ਦੇ ਪੂਰਕ ਵਜੋਂ ਦੇਖਦੇ ਹਾਂ। ਮਾਡਲ ਡਿਜ਼ਾਈਨ ਤਿਆਰ ਕਰ ਸਕਦੇ ਹਨ, ਪਰ ਅੰਤ ਵਿੱਚ ਜੀਵ ਵਿਗਿਆਨ ਨੂੰ ਅਜੇ ਵੀ ਟੈਸਟਿੰਗ ਅਤੇ ਦੁਹਰਾਓ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਡਿਜ਼ਾਈਨ ਤਿਆਰ ਕਰਨ ਅਤੇ ਪ੍ਰਯੋਗ ਕਰਨ ਦੇ ਵਿਚਕਾਰਲੇ ਪਾੜੇ ਨੂੰ ਖਤਮ ਕਰਕੇ ਹੀ ਤੁਸੀਂ ਵਧੀਆ ਵਿਚਾਰਾਂ ਨੂੰ ਕਾਰਜਕਾਰੀ ਨਤੀਜਿਆਂ ਵਿੱਚ ਬਦਲ ਸਕਦੇ ਹੋ।
ਜਿਵੇਂ ਕਿ ਅਸੀਂ ਵਿਗਿਆਨਕ ਤਰੱਕੀ ਨੂੰ ਸੁਰੱਖਿਅਤ ਅਤੇ ਜ਼ਿੰਮੇਵਾਰੀ ਨਾਲ ਤੇਜ਼ ਕਰਨ ਲਈ ਕੰਮ ਕਰ ਰਹੇ ਹਾਂ, ਅਸੀਂ ਜੋਖਮਾਂ ਦਾ ਮੁਲਾਂਕਣ ਕਰਨ ਅਤੇ ਉਹਨਾਂ ਨੂੰ ਘਟਾਉਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਵੀ ਕਰਦੇ ਹਾਂ, ਖਾਸ ਤੌਰ 'ਤੇ ਜੈਵਿਕ ਸੁਰੱਖਿਆ ਨਾਲ ਸੰਬੰਧਿਤ ਜੋਖਮ। ਇਹ ਨਤੀਜੇ ਦਰਸਾਉਂਦੇ ਹਨ ਕਿ ਮਾਡਲ ਪ੍ਰੋਟੋਕੋਲ ਵਿੱਚ ਸੁਧਾਰ ਕਰਨ ਲਈ ਵੈੱਟ ਲੈਬ ਵਿੱਚ ਤਰਕ ਕਰ ਸਕਦੇ ਹਨ, ਅਤੇ ਇਸਦੇ ਜੈਵਿਕ ਸੁਰੱਖਿਆ ਲਈ ਕੁਝ ਪ੍ਰਭਾਵ ਹੋ ਸਕਦੇ ਹਨ ਜਿਨ੍ਹਾਂ ਦਾ ਅਸੀਂ ਆਪਣੇ ਪ੍ਰੀਪੇਅਰਡਨੈੱਸ ਫਰੇਮਵਰਕ ਰਾਹੀਂ ਮੁਲਾਂਕਣ ਅਤੇ ਹੱਲ ਕਰਦੇ ਹਾਂ। ਅਸੀਂ ਇਹਨਾਂ ਜੋਖਮਾਂ ਨੂੰ ਘਟਾਉਣ ਲਈ ਮਾਡਲ ਅਤੇ ਸਿਸਟਮ ਪੱਧਰ 'ਤੇ ਜ਼ਰੂਰੀ ਅਤੇ ਸੂਖਮ ਸੁਰੱਖਿਆ ਉਪਾਅ ਬਣਾਉਣ ਦੇ ਨਾਲ-ਨਾਲ ਮੌਜੂਦਾ ਪੱਧਰਾਂ ਨੂੰ ਟ੍ਰੈਕ ਕਰਨ ਲਈ ਮੁਲਾਂਕਣ ਵਿਕਸਿਤ ਕਰਨ ਲਈ ਵਚਨਬੱਧ ਹਾਂ।
ਅਸੀਂ Ginkgo Bioworks ਦੇ ਆਪਣੇ ਭਾਈਵਾਲਾਂ ਅਤੇ ਉਹਨਾਂ ਟੀਮਾਂ ਦੇ ਧੰਨਵਾਦੀ ਹਾਂ ਜਿਨ੍ਹਾਂ ਨੇ ਇਸ ਕੰਮ ਦੇ ਪਿੱਛੇ ਆਟੋਮੇਟਿਡ ਕਲਾਉਡ ਪ੍ਰਯੋਗਸ਼ਾਲਾ ਨੂੰ ਡਿਜ਼ਾਈਨ ਕਰਨ, ਚਲਾਉਣ ਅਤੇ ਸਹਾਇਤਾ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕੀਤੀ।
