OpenAI anunció el 5 de febrero una colaboración con Ginkgo Bioworks para desarrollar un sistema “en bucle” donde GPT-5 diseña experimentos, opera un laboratorio “wet lab” en la nube, controla robots, analiza los datos y planifica las iteraciones siguientes. El objetivo inmediato alcanzado es reducir el costo de la síntesis proteica sin células (CFPS) en aproximadamente un 40%, con una disminución del 57% en los costos de los reactivos.
En esta configuración, el modelo tuvo acceso a Internet, a la literatura científica y a herramientas de análisis. El protocolo fue validado para asegurar que cada plan experimental sea físicamente ejecutable por los robots, evitando callejones sin salida puramente teóricos. Los ensayos abarcaron más de 36.000 formulaciones únicas, distribuidas en 580 microplacas automatizadas.
Solo tres ciclos de iteración fueron suficientes para superar la mejor referencia humana anterior. GPT-5 demostró ser eficiente en la exploración de espacios de parámetros de alta dimensión, identificando combinaciones de bajo costo que los equipos no habían probado hasta el momento.
Resultados y aprendizajes
Las nuevas recetas se distinguen por una marcada robustez en condiciones de baja oxigenación, típica de los laboratorios automatizados. El modelo también destacó el efecto de parámetros discretos, como el ajuste de tampones y poliaminas, permitiendo un aumento significativo del rendimiento con un costo adicional mínimo.
En total, el enfoque hombre-IA comprimió los costos globales de la CFPS en un 40% y los costos de los reactivos en un 57%. Más allá del rendimiento cuantificado, el interés radica en la estabilidad de los resultados en entornos restringidos y en la capacidad de explorar rápidamente áreas de formulación poco exploradas por la intuición humana.
Alcance técnico y limitaciones implícitas
El acoplamiento directo entre la IA y el laboratorio “wet lab”, con ejecución robotizada y control de calidad intermedio, confirma el interés de los bucles cerrados en las ciencias experimentales. La escala de los ensayos demuestra una maduración de la orquestación en la nube/automatización, pero las ganancias siguen condicionadas a la validez de los sensores, a la metrología y a la estandarización de los consumibles. La generalización a otras vías biosintéticas dependerá de la transposabilidad de los parámetros aprendidos y de las restricciones de los lotes.
Para el ecosistema, una CFPS más barata y robusta amplía los casos de uso en el prototipado enzimático, la producción rápida de proteínas específicas y la biología de campo, con un probable efecto de arrastre en las plataformas de automatización en la nube y los proveedores de reactivos modulares. Si la iteración guiada por el modelo se impone, el valor se desplazará hacia la calidad de los datos de laboratorio, la trazabilidad de los protocolos y la capacidad de integrar bucles de hardware fiables, en lugar de la mera potencia de cálculo.
Fuente: ITHome
