Så hjälpte GPT‑5 immunologen Derya Unutmaz att lösa en tre år gammal gåta

Läkaren och immunologen Derya Unutmaz har varit intresserad av artificiell intelligens i många år. Men hans aha-upplevelse kom i slutet av 2025, när GPT‑5 Pro hjälpte honom och hans labb att återvända till en tre år gammal gåta om en särskild typ av immuncell som hjälper människokroppen att bekämpa cancer och andra sjukdomar.

Mysteriet kretsade kring en grundläggande men betydelsefull fråga inom immunologin: Hur påverkar glukos hur T-celler utvecklas och specialiserar sig? T-celler är immunceller som hjälper kroppen att bekämpa virus, döda cancerceller, försvara sig mot vissa bakterier och parasiter samt skilja friska celler från hot. Under sin utveckling får de olika funktioner, däribland sådana som kan påverka cancer, autoimmuna sjukdomar och infektioner. En bättre förståelse för vad som styr T-cellers specialisering kan hjälpa forskare att bättre förstå – och i förlängningen behandla – dessa sjukdomar.

I dag säger Unutmaz – professor vid The Jackson Laboratory och University of Connecticut – att AI har blivit så central för hans forskning att han inte kan föreställa sig att bedriva vetenskap utan den. ”Det skulle vara som att förlora båda händerna – eller halva hjärnan”, säger Unutmaz.

Gåtan började 2022, när Unutmaz gjorde ett experiment för att förstå hur en typ av socker, glukos, påverkade utvecklingen av T-celler. Cellerna använder glukos som bränsle, men också för att bygga proteiner och utföra andra funktioner.

Resultaten från Unutmaz experiment kan få betydelse för sjukdomar som cancer, autoimmun sjukdom och infektioner. Men då kunde Unutmaz och hans labb inte förstå vad de såg.

Tidigare studier hade visat tydliga tecken på att glukosmetabolismen påverkar hur T-celler specialiserar sig. För att bättre förstå sambandet exponerade Unutmaz och hans forskargrupp T-celler tidigt i deras utveckling för antingen en miljö med låg glukoshalt eller en miljö som innehöll en glukosliknande molekyl som kallas deoxiglukos. Deoxiglukos stör cellernas förmåga att använda glukos, vilket påverkar både energiproduktionen och proteinsyntesen. Proteiner är viktiga eftersom de samordnar processer i cellen och fungerar som budbärare som skickar och tar emot signaler mellan cellen och dess omgivning.

Teamet förväntade sig att de två förhållandena skulle ge liknande resultat. I båda fallen skulle glukos, och därmed den energi T-cellerna behövde för att fungera, vara begränsad. Men så blev det inte.

T-celler som exponerades för deoxiglukos utvecklades i övervägande grad till celler som ingår i kroppens inflammatoriska respons. Även vissa av de T-celler som exponerades för låga glukoshalter utvecklades till inflammatoriska celler, men i betydligt mindre omfattning än de som exponerades för deoxiglukos. Effekterna av den tidiga exponeringen för deoxiglukos kvarstod även efter att forskarna hade avlägsnat den glukosliknande molekylen.

Denna skillnad kunde inte förklaras enbart av energibrist. Något annat pågick. Men Unutmaz och hans forskargrupp kunde inte ta reda på vad det var, så de lade experimentet åt sidan och gick vidare till andra angelägna uppgifter som krävde deras uppmärksamhet.

Sedan lanserades GPT‑5 Pro i slutet av 2025, och Unutmaz bestämde sig för att ta fram experimentet igen. Han laddade upp resultaten i modellen och bad den analysera data.

GPT‑5 Pro föreslog att deoxiglukos störde uppbyggnaden av ett protein som kallas IL-2. Detta protein kan hindra T-celler från att bli en celltyp i det inflammatoriska svaret som kallas Th17. Deoxiglukos tog i praktiken bort ett hinder för en T-cells förmåga att bli en Th17-cell. Det kan vara skälet till att T-celler i miljön med låg glukoshalt inte blev Th17-celler i alls samma omfattning som i miljön med deoxiglukos.

”GPT‑5 kom fram till denna verkligt anmärkningsvärda insikt som, i efterhand, är helt logisk”, sade Unutmaz. Den låg precis tillräckligt utanför hans eget expertområde för att han själv inte skulle se kopplingen, och det gjorde inte heller någon annan i hans labb.

Unutmaz bestämde sig sedan för att se om GPT‑5 kunde förutsäga utfallet av ett experiment. Immunologen började med ett experiment som han redan hade genomfört på en T-cell som riktar in sig på en typ av lymfom. Hans experiment visade att dessa särskilda T-celler, kallade CD8+, hade en förbättrad förmåga att döda lymfomcellerna.

När Unutmaz bad GPT‑5 Pro simulera samma experiment förutsade den korrekt ökningen av CD8+-cellernas förmåga att döda lymfomceller. Modellen kunde inte ha hämtat resultaten från internet, eftersom Unutmaz ännu inte hade publicerat dem.

”Det var då jag kände att, okej, dessa modeller har nu nått en punkt där de verkligen, på riktigt, förstår”, sade han.

Unutmaz sade att modeller som GPT‑5 Pro numera fungerar mer som samarbetspartner. De kan effektivisera litteraturöversikter genom att bearbeta hundratals nya akademiska artiklar som publiceras varje vecka och hjälpa forskare att identifiera frågor som fortfarande är obesvarade. De kan också hjälpa forskare att vässa sina hypoteser, vilket minskar tiden det tar att identifiera de mest värdefulla experimenten att genomföra.

”Antalet saker du kan göra för att pröva din hypotes är enormt”, sade Unutmaz. ”Du har otaliga angreppssätt, och du vet inte vilket som är den bästa strategin.” Därför använder han GPT‑5 Pro för att simulera experiment och förutsäga utfall, så att det blir lättare att avgöra vilka experiment som är värda att upprepa i labbet. Detta kan spara forskare veckor, månader eller till och med år av arbete och kraftigt påskynda utvecklingen inom biologin.

Trots detta är ämnesexpertis fortfarande avgörande. AI kan generera en insikt, men människor måste fortfarande bedöma dess betydelse och rimlighet. Till exempel skulle någon utan Unutmaz expertis inte ha kunnat avgöra om den mekanistiska insikt som GPT‑5 Pro lyfte fram i hans experiment med immunceller var viktig eller inte.

Förmågan att generera insikter och påskynda arbete är skälet till att dessa kapaciteter måste hanteras ansvarsfullt. AI kan hjälpa forskare att arbeta snabbare inom biologi och medicin, men dessa kapaciteter kan också sänka trösklarna för missbruk, bland annat av illasinnade aktörer som vill utforma eller använda biologiska eller kemiska vapen. OpenAI:s Preparedness Framework beskriver vår metod för att följa dessa risker och bygga skyddsåtgärder mot AI-kapaciteter som kan orsaka allvarlig skada.

Unutmaz ser optimistiskt på AI:s framtid. Han menar att tekniken saknar motstycke – varken internet eller den industriella revolutionen går att jämföra med den. På senare tid har Unutmaz experimenterat med avancerade AI-verktyg, däribland Codex och GPT‑5.2 Deep Research, för att sammanställa omfattande dataset över cancermutationer och ta fram forskningsmaterial – bland annat ett omfattande utkast till en lärobok med fokus på T-celler – i syfte att påskynda utvecklingen av individanpassad immunterapi.

Unutmaz känner sig lyckligt lottad som får vara en del av denna tid av upptäckter. ”Att inte bara få bevittna det historiskt utan också delta lite grann – jag känner mig verkligen lyckligt lottad och privilegierad som får göra det.”