تیم تحریریه استاد آیتی گزارش می دهد: دنیای فناوری بار دیگر شاهد قدرت نمایی هوش مصنوعی در حوزه های علوم پایه است. شرکت OpenAI در جدیدترین گزارش خود اعلام کرد که مدل پیشرو GPT-5 موفق شده است با ورود به دنیای بیولوژی مولکولی، یکی از بزرگترین چالش های هزینه بر، در تولید پروتئین را حل کند. این دستاورد که با همکاری شرکت Ginkgo Bioworks حاصل شده، نشان دهنده گذار هوش مصنوعی از دنیای دیجیتال به دنیای فیزیکی و آزمایشگاه های مرطوب (Wet Labs) است.
ورود GPT-5 به آزمایشگاه های خودمختار؛ فراتر از کدنویسی
تا پیش از این، کاربرد مدل های زبانی بزرگ عمدتا در حوزه های ریاضیات، فیزیک و برنامه نویسی محدود می شد، جایی که ایده ها بدون نیاز به تماس با دنیای فیزیکی قابل آزمایش بودند. اما بیولوژی داستانی متفاوت دارد و پیشرفت در آن مستلزم اجرای آزمایش های زمان بر و پرهزینه در آزمایشگاه است. OpenAI با معرفی مفهوم آزمایشگاه خودمختار (Autonomous Lab)، این سد بزرگ را شکسته است. در این ساختار، GPT-5 به طور مستقیم به تجهیزات اتوماسیون آزمایشگاهی متصل شده و فرآیند طراحی، اجرا و تحلیل نتایج را به صورت کاملا مستقل مدیریت می کند.
معرفی جی پی تی ۵.۳ کدکس؛ انقلاب هوش مصنوعی در برنامه نویسی و مدیریت سیستم
استفاده از پروتکل های آزمایشگاه مرطوب (Wet-lab protocols) توسط هوش مصنوعی، امکان تکرار سریع آزمایش ها را فراهم کرده است. در این پروژه، GPT-5 به یک آزمایشگاه ابری متصل شد که در آن ربات ها دستورات مدل را اجرا کرده و داده ها را برای تحلیل بعدی به آن باز می گرداندند. این چرخه بسته (Closed-loop experimentation) باعث شد تا گلوگاه های سنتی در تحقیقات بیولوژیک از بین برود.
کاهش ۴۰ درصدی هزینه ها؛ دستاوردی که تاریخ ساز شد
تمرکز اصلی این تحقیق بر روی فرآیند سنتز پروتئین بدون سلول یا Cell-free protein synthesis (CFPS) بود. این روش به دانشمندان اجازه می دهد بدون نیاز به کشت سلول های زنده، پروتئین های مورد نظر خود را تولید کنند. اگرچه این روش سرعت بالایی دارد، اما هزینه های گزاف مواد شیمیایی و پیچیدگی بهینه سازی ترکیبات، مانع از کاربرد گسترده آن در مقیاس صنعتی شده بود. GPT-5 با بررسی بیش از ۳۶,۰۰۰ ترکیب واکنش منحصر به فرد در ۵۸۰ پلیت خودکار، توانست به فرمولی دست یابد که هزینه تولید پروتئین را ۴۰ درصد و هزینه مواد اولیه (Reagents) را تا ۵۷ درصد کاهش دهد.
| شاخص عملکرد | مقدار قبل از بهینه سازی | مقدار بعد از بهینه سازی GPT-5 | درصد بهبود |
|---|---|---|---|
| هزینه تولید هر گرم پروتئین | ۱۰۰٪ (پایه) | ۶۰٪ | ۴۰٪ کاهش |
| هزینه مواد اولیه (Reagents) | ۱۰۰٪ (پایه) | ۴۳٪ | ۵۷٪ کاهش |
| تعداد آزمایش های انجام شده | محدود (انسانی) | ۳۶,۰۰۰+ | رشد چشمگیر |
| زمان رسیدن به بهینه ترین حالت | چندین سال | ۲ ماه | کاهش زمانی بی سابقه |
کارشناسان استاد آی تی معتقدند که این جهش تنها یک موفقیت آزمایشگاهی نیست، بلکه آغاز عصری است که در آن هوش مصنوعی می تواند به طور مستقیم بر قیمت نهایی داروهای حیاتی و محصولات بیوتکنولوژی تاثیر بگذارد. با کاهش هزینه های تولید، دسترسی به درمان های پیشرفته برای جوامع بیشتری فراهم خواهد شد.
واژه نامه تخصصی
- Lab-in-the-loop: سیستمی که در آن هوش مصنوعی به طور مستقیم با تجهیزات آزمایشگاهی در تعامل است.
- Protein Titer: غلظت پروتئین تولید شده در یک واکنش بیولوژیک.
- Cell Lysate: سوپی از ماشین آلات سلولی که برای سنتز پروتئین در خارج از سلول استفاده می شود.
- High-throughput automation: استفاده از رباتیک برای اجرای هزاران آزمایش به صورت همزمان.
- DNA Template: الگوی ژنتیکی که دستورالعمل ساخت پروتئین را به سیستم می دهد.
تحلیل نهایی: چرا این خبر برای آینده بشریت مهم است؟
پروتئین ها سنگ بنای زندگی مدرن هستند؛ از داروهای ضد سرطان و واکسن ها گرفته تا آنزیم های موجود در شوینده های لباس. وقتی هزینه تولید پروتئین کاهش می یابد، کل زنجیره تامین بیوتکنولوژی متحول می شود. GPT-5 نشان داد که می تواند ترکیباتی را شناسایی کند که از دید دانشمندان انسانی پنهان مانده بود. به عنوان مثال، این مدل واکنش هایی را پیشنهاد داد که در شرایط کمبود اکسیژن (که در آزمایشگاه های رباتیک رایج است) عملکرد بسیار بهتری داشتند.
این موفقیت نشان می دهد که ما در آستانه یک “منحنی رشد بیولوژیک” جدید هستیم. جایی که سرعت کشفیات علمی دیگر به سرعت دست انسان بستگی ندارد، بلکه به قدرت پردازش و خلاقیت مدل های هوش مصنوعی وابسته است. OpenAI با این حرکت، جایگاه خود را از یک شرکت نرم افزاری به یک بازیگر کلیدی در علوم زیستی ارتقا داده است.
منبع:
GPT-5 lowers the cost of cell-free protein synthesis

