OpenAI 发布 GPT-5，降低蛋白质合成计算成本

OpenAI 与 Ginkgo Bioworks 合作，把 GPT‑5 接入云端实验室，对一项广泛使用的生物学过程 cell-free protein synthesis，简称 CFPS，做闭环优化。CFPS 不依赖活细胞，而是在受控混合体系里运行制造蛋白质的机器，便于快速原型迭代。OpenAI 团队让 GPT‑5 设计实验批次，由远程机器人自动执行 384 孔板反应，结果回传给模型用于下一轮假设生成。整套循环跑了 6 轮，累计完成 36,000 个不同的 CFPS 反应组合，分布在 580 个自动化板上。

在拿到一台计算机、一个网络浏览器以及相关论文访问权限后，GPT‑5 只用了 3 轮实验、约 2 个月时间，就将低成本 CFPS 的 state of the art 推到新的水平：相比此前的最佳 baseline，蛋白质生产成本降低 40%，试剂成本下降 57%。模型给出的新配方在自动化实验场景常见的低氧条件下表现更稳健，并发现 buffering、energy regeneration 组件以及 polyamines 在高通量条件下具有相对成本而言不成比例的影响。模型还识别到 yield 是当前 CFPS 成本结构里最高杠杆的方向，因为 lysate 与 DNA 占据主要支出。

这项工作的范围目前限于一种蛋白质 sfGFP 和一套 CFPS 系统，扩展到其他蛋白质与系统的泛化能力仍有待验证；同时实验环节中协议改进与试剂处理依赖经验丰富的操作员，人在回路仍是必要环节。对生物制造与药物发现而言，这份案例展示了 lab-in-the-loop 的可行路径：模型生成设计、机器人完成验证，把生物学实验从人速搬到机器速，让此前因迭代成本过高而被搁置的探索空间重新打开。