加速科學(xué)進(jìn)步是 AI 最寶貴的價(jià)值之一。借助 GPR-5，已經(jīng)可以看到這一趨勢(shì)的早期現(xiàn)象——其幫助科研人員更快地瀏覽科學(xué)文獻(xiàn)，還支持新的科學(xué)推理形式。例如揭示意外的聯(lián)系、提出證明策略或建議合理的機(jī)制，供專家評(píng)估和測(cè)試。

迄今為止，進(jìn)展最顯著的領(lǐng)域是數(shù)學(xué)、理論物理和理論計(jì)算機(jī)科學(xué)，這些領(lǐng)域中的想法可以在沒有物理實(shí)驗(yàn)的情況下進(jìn)行嚴(yán)格驗(yàn)證。生物學(xué)則不同：大多數(shù)進(jìn)展依賴于實(shí)驗(yàn)室中的實(shí)驗(yàn)執(zhí)行、迭代和實(shí)證驗(yàn)證。

為了幫助理解前沿模型在這些環(huán)境中的行為，OpenAI 攜手生物安全初創(chuàng)公司 Red Queen Bio，共同構(gòu)建了一個(gè)評(píng)估框架，用于測(cè)試模型在濕實(shí)驗(yàn)環(huán)境中如何提出、分析和迭代想法。他們建立了一個(gè)簡(jiǎn)單的分子生物學(xué)實(shí)驗(yàn)系統(tǒng)，并讓 GPT?5 優(yōu)化分子克隆協(xié)議以提高效率。

在多次實(shí)驗(yàn)輪次中，GPT?5 引入了一種新穎的機(jī)制，使克隆效率提高了 79 倍。該項(xiàng)目展示了人工智能如何與生物學(xué)家協(xié)同工作，以加速研究進(jìn)程。改進(jìn)實(shí)驗(yàn)方法將有助于人類研究人員加快研究進(jìn)度、降低成本，并將研究成果轉(zhuǎn)化為實(shí)際應(yīng)用。

實(shí)驗(yàn)結(jié)果

在團(tuán)隊(duì)的設(shè)置下，GPT?5 自主地對(duì)克隆協(xié)議進(jìn)行了推理，提出了修改建議，并結(jié)合新實(shí)驗(yàn)的數(shù)據(jù)來推薦進(jìn)一步的改進(jìn)。唯一的人類干預(yù)是科學(xué)家執(zhí)行修改后的協(xié)議并上傳實(shí)驗(yàn)數(shù)據(jù)。

在多輪實(shí)驗(yàn)中，GPT?5 優(yōu)化了克隆流程，使效率提高了 79 倍以上——這意味著在輸入 DNA 量固定的情況下，團(tuán)隊(duì)獲得了比基線協(xié)議多 79 倍的序列驗(yàn)證克隆。GPT-5 出人意料地引入了兩種酶：大腸桿菌的重組酶 RecA，以及噬菌體 T4 基因 32 的單鏈 DNA 結(jié)合蛋白（gp32）。這兩種酶協(xié)同作用，gp32 負(fù)責(zé)平滑和解開松散的 DNA 末端，隨后 RecA 引導(dǎo)每條鏈找到其正確的配對(duì)。

圖示：GPT-5 優(yōu)化了克隆和轉(zhuǎn)化實(shí)驗(yàn)方案，實(shí)現(xiàn)了>70 倍的性能提升。

盡管這些尚且屬于早期成果，但還是令實(shí)驗(yàn)者們備受鼓舞。這些改進(jìn)專為模型試驗(yàn)中的特定克隆而存在，仍然需要人類科學(xué)家來設(shè)置和運(yùn)行實(shí)驗(yàn)方案。即便如此，這些實(shí)驗(yàn)表明，人工智能系統(tǒng)可以有意義地輔助實(shí)際的實(shí)驗(yàn)室工作，并可能在未來加速人類科學(xué)家的研究進(jìn)程。

值得一提的是，實(shí)驗(yàn)室使用了無人工干預(yù)的固定提示語(yǔ)，這種框架有助于揭示模型提出真正新穎的實(shí)驗(yàn)方案變更的能力，而無需人類指導(dǎo)，但它也將系統(tǒng)限制在探索模式中，限制了其最大化新發(fā)現(xiàn)想法性能的能力。

團(tuán)隊(duì)預(yù)計(jì)，計(jì)劃能力和任務(wù)時(shí)間范圍推理方面的進(jìn)展將有助于提升簡(jiǎn)單固定提示語(yǔ)支持發(fā)現(xiàn)和后續(xù)優(yōu)化的能力。

用于優(yōu)化現(xiàn)實(shí)世界實(shí)驗(yàn)方案的進(jìn)化框架

吉布森組裝反應(yīng)自 2009 年發(fā)明以來一直是主要的克隆方法，在分子生物學(xué)中得到了廣泛應(yīng)用。吉布森組裝使分子生物學(xué)家能夠通過短暫熔解 DNA 片段的末端，將它們「粘合」在一起，從而將匹配的序列密封成一個(gè)單一分子。

相關(guān)鏈接：https://www.nature.com/articles/nmeth.1318

吉布森組裝的一個(gè)主要優(yōu)勢(shì)是其簡(jiǎn)便性：所有反應(yīng)都在一個(gè)管中在一個(gè)溫度下完成。這些限制自然為改進(jìn)留下了空間。此外，以下特性使其非常適合用于評(píng)估 AI 模型改進(jìn)濕實(shí)驗(yàn)技術(shù)的能力：

• 具有明確且可控的組分，不同于基于細(xì)胞的系統(tǒng)；
• 有明確的優(yōu)化目標(biāo)：由固定量的線性 DNA 輸入生成的可轉(zhuǎn)化環(huán)狀 DNA；
• 相對(duì)較快的實(shí)驗(yàn)周期（1-2 天）；
• 高維設(shè)計(jì)空間，需要進(jìn)行機(jī)制推理以優(yōu)化：最佳緩沖液、試劑和溫度是相互依賴的。

實(shí)驗(yàn)團(tuán)隊(duì)以 New England Biolabs 開發(fā)的，基于 Gibson 組裝的專有酶系統(tǒng)作為優(yōu)化的起點(diǎn)，探討了在移除單步和等溫約束后，人工智能是否能夠從實(shí)驗(yàn)反饋中進(jìn)行創(chuàng)新和學(xué)習(xí)，并識(shí)別出該情境下的協(xié)議改進(jìn)。

圖示：兩步克隆工作流程的初始優(yōu)化篩選：酶切組裝和轉(zhuǎn)化。

該模型提出了一種新的酶促方法，向反應(yīng)中添加了兩種新的蛋白質(zhì)：大腸桿菌的重組酶 RecA 和噬菌體 T4 基因 32 單鏈 DNA 結(jié)合蛋白（gp32），并對(duì)孵育溫度和時(shí)間以及酶添加時(shí)機(jī)進(jìn)行了有意調(diào)整：建議在初始 50°C 的 HiFi 反應(yīng)后添加 RecA 和 gp32，讓這些蛋白質(zhì)在 37°C 下發(fā)揮作用，然后再回到 50°C 完成組裝。

這些修改一并作用，使得效率提升了 2.5 倍以上，而這僅代表在未對(duì)反應(yīng)條件和時(shí)間進(jìn)行迭代優(yōu)化時(shí)的初始性能。

在這些驗(yàn)證實(shí)驗(yàn)中，GPT?5 提出了一種結(jié)合了不常見的重組蛋白和反應(yīng)動(dòng)力學(xué)的解決方案。其底層機(jī)制可能具有模塊性，提供可在其他分子流程中被重新利用或組合的組件。團(tuán)隊(duì)目前仍在探索改進(jìn)的方向，以優(yōu)化實(shí)驗(yàn)與純化結(jié)果。

此外，為了提高該模型實(shí)驗(yàn)系統(tǒng)的通量，Robot on Rails 和 Red Queen Bio 合作構(gòu)建了一個(gè)機(jī)器人系統(tǒng)，該系統(tǒng)可以接收自然語(yǔ)言克隆協(xié)議并將其在濕實(shí)驗(yàn)環(huán)境中執(zhí)行。

這個(gè)系統(tǒng)集成了三個(gè)組件：

1. 一個(gè)將普通英語(yǔ)轉(zhuǎn)換為機(jī)器人操作的人機(jī)交互 LLM；
2. 一個(gè)實(shí)時(shí)識(shí)別和定位實(shí)驗(yàn)器材的視覺系統(tǒng)；
3. 一個(gè)確定如何安全準(zhǔn)確執(zhí)行每項(xiàng)操作的機(jī)器人路徑規(guī)劃系統(tǒng)。

這個(gè)機(jī)器人系統(tǒng)成功處理了需要多種物理操作的轉(zhuǎn)換過程：液體轉(zhuǎn)移與混合、樣品管移動(dòng)、對(duì)細(xì)胞施加受控加熱以及將細(xì)胞鋪展到生長(zhǎng)板上。與人工操作的轉(zhuǎn)換相比，機(jī)器人生成了質(zhì)量相當(dāng)?shù)臄?shù)據(jù)，并在基線基礎(chǔ)上實(shí)現(xiàn)了相當(dāng)?shù)母倪M(jìn)，顯示出在自動(dòng)化和加速生物實(shí)驗(yàn)優(yōu)化方面的早期潛力。

未來

OpenAI 表示，這些實(shí)驗(yàn)提供了一個(gè)未來由人工智能加速的科學(xué)發(fā)展的快照：模型持續(xù)學(xué)習(xí)并與現(xiàn)實(shí)世界互動(dòng)。盡管他們的實(shí)驗(yàn)排除了人為干預(yù)以純粹地衡量模型的能力，但令人特別興奮的是人工智能能夠幫助人類科學(xué)家設(shè)計(jì)實(shí)驗(yàn)并推動(dòng)研究突破。

在研究者致力于安全、負(fù)責(zé)任地加速科學(xué)進(jìn)步的同時(shí)，他們也努力評(píng)估和降低風(fēng)險(xiǎn)，特別是與生物安全相關(guān)的風(fēng)險(xiǎn)。模型可以在濕實(shí)驗(yàn)環(huán)境中進(jìn)行推理，改進(jìn)實(shí)驗(yàn)方案，其對(duì)生物安全的影響也正如準(zhǔn)備框架中所描述的那樣。在模型和系統(tǒng)層面中，則需要構(gòu)建必要且細(xì)致的安全保障措施，以降低風(fēng)險(xiǎn)，同時(shí)開發(fā)評(píng)估方法來予以監(jiān)測(cè)。

原文鏈接：https://openai.com/index/accelerating-biological-research-in-the-wet-lab/