OpenAIとGinkgo、GPT-5連携の自律実験でタンパク質合成コストを40％削減

数学や物理の世界では画面上のシミュレーションだけで完結することが多いですが、生物学はそうはいきません。どうしても実験室（ウェットラボ）で試薬を混ぜ、時間をかけ、多額の費用を払って検証を繰り返す必要があります。

この物理的なボトルネックを解消するため、OpenAI は自社の最先端モデルを現実の実験施設に接続しました。2 月 5 日、OpenAI は合成生物学企業の Ginkgo Bioworks と連携し、GPT-5 と自動化クラウドラボを組み合わせた自律型実験システムによって、無細胞タンパク質合成（CFPS）の製造コストを 40% 削減したと発表しました。

ロボットと AI の完全自律ループ

無細胞タンパク質合成（CFPS）は、生きた細胞を培養することなく、細胞内の生体機構だけを取り出してタンパク質を直接合成する技術です。短時間で結果が得られるため試作品の検証には最適ですが、DNA、細胞破砕液、エネルギー源、塩類など多数の成分が複雑に絡み合うため、コストの最適化が極めて困難でした。

今回の取り組みでは、GPT-5 が実験のバッチを設計し、Ginkgo のクラウドラボでロボットが遠隔実行、得られた測定データをモデルにフィードバックして次の実験案を作成する、という閉ループ（Closed-loop）を構築しました。

AI が提示するレシピが「画面上は正しそうに見えるがロボットでは物理的に実行できない」状態を防ぐため、実行前に厳格なプログラム検証レイヤーを挟んでいます。

GPT-5 に関連論文を検索するブラウザやデータ分析環境を与えたところ、わずか 3 ラウンドの実験、期間にして約 2 ヶ月で従来の最高水準を更新しました。最終的に 6 ラウンドにわたり、580 枚の自動化プレート上で 3 万 6000 通り以上の反応組成をテストし、全体の製造コストを 40%、試薬コストに限れば 57% も削減することに成功しました。

人間が見落としていた配合

興味深いのは、GPT-5 が導き出した配合の多くが、人間の研究者がこれまで試してこなかった組み合わせだった点です。

人間が行う実験は試験管を使うことが多く、酸素が十分に供給されますが、自動化ロボットが使う微量プレートは酸素濃度が低く、液体の混ざり方も異なります。GPT-5 はこのロボット環境特有の制約を学習し、低酸素環境でも安定して機能する試薬の組み合わせを見つけ出しました。

ただし、今回の実験は単一のタンパク質（sfGFP）と特定の合成系のみで実施されたものです。他の有用タンパク質にそのまま汎用できるかは今後の検証課題であり、試薬の補充などには依然として人間の介入が必要です。また、ウェットラボでの自律推論が進むことによるバイオセキュリティ上のリスクについても、OpenAI は自社の Preparedness Framework に基づいて評価を続けるとしています。

なぜ重要か

これまで AI による創薬や生物学の革新といえば、AlphaFold のように構造を予測するデジタル領域が中心でした。しかし、どれほど優れた分子を設計できても、実際に安価かつ高収率で物理的に合成できなければ実用化には届きません。

OpenAI のアプローチは非常に合理的です。生物学の基本原理をゼロから解き明かそうとするのではなく、人間の直感では探索しきれない何万通りもの組み合わせ空間を、自動化ハードウェアと連携して総当たりで最適化する「実験ディレクター」として LLM を活用しました。

私たちは、この成果が AI の役割を「論文を読む助手」から「手を動かす研究員」へと押し上げる重要な転換点になると考えています。タンパク質合成コストの 40% 削減は、新薬開発だけでなく工業用酵素や検査薬の製造現場にも大きなインパクトを与えます。一般の開発者が今すぐ試せる手軽さはありませんが、自動化ラボとフロンティアモデルの組み合わせが、ライフサイエンスの研究スピードを根本から変えつつあることは確実です。