无人驾驶“机器人实验室”会取代生物学家吗？一篇论文引发热议

去年，合成生物学家梅根·奥尔森（Meagan Olsen）开展了她职业生涯中规模最大的实验项目。这位来自伊利诺伊州埃文斯顿西北大学的博士生，试图更高效地在试管中合成蛋白质。在4个月内进行的40多项实验中，她测试了1231种糖、氨基酸及其他成分（包括细胞机制）的组合，最终找到了一种混合配方，其成本比现有的无细胞蛋白质合成配方至少降低了六倍。

如今，由加州旧金山人工智能公司OpenAI和马萨诸塞州剑桥市生物技术公司Ginkgo Bioworks的科学家们研发的“自主实验室”系统，已经超越了奥尔森的记录。该系统由大型语言模型（LLM）“科学家”、能自动完成液体转移等简单任务的实验室机器人以及人类监督人员组成。在6个月内测试了超过3万种实验条件后，该系统将成本进一步降低了40%。

这些研究结果——发表在2月5日bioRxiv预印本服务器上的一篇论文中——引发了关于聊天机器人控制的机器人在多大程度上可以取代人类的讨论。“‘设置后即忘’：自动化实验室利用人工智能和机器人技术改进蛋白质”，威斯康星大学麦迪逊分校的蛋白质工程师菲利普·罗梅罗（Philip Romero）表示：“这将是生物学的未来。”

然而，这项技术要实现广泛应用还有很长的路要走。现有的实验室机器人在执行需要灵巧技能的任务或进行定制实验（如涉及组织样本或动物的实验）时仍存在困难。而且，实现一些复杂的研究目标也超出了现有人工智能工具的能力范围。但科学家们强调，即使自主实验室系统的能力不断增强，人类的专业知识仍将是研究中不可或缺的要素。

将自主实验室应用于生物学的大多数努力都集中在蛋白质工程上。例如，罗梅罗的团队将一个简单的机器学习模型与液体处理实验室机器人相结合，以提高蛋白质的耐热性。其他人则使用更复杂的“蛋白质语言模型”来预测氨基酸变化——由实验室机器人实施——从而增强酶的活性。

OpenAI的生命科学研究负责人乔伊·焦（Joy Jiao）表示，无细胞蛋白质合成——即将各种化学物质组合与含有蛋白质合成机制的细菌细胞裂解物以及编码蛋白质的DNA序列混合——对于像OpenAI的GPT-5这样在数学、计算机编码和理论物理方面表现出色的尖端大型语言模型来说，似乎是一个合适的挑战。“我们真的很想测试GPT-5在真实生物学中的表现。”

Ginkgo与OpenAI的合作项目使用GPT-5来解读结果并设计可由Ginkgo的实验室机器人执行的实验。研究人员提供试剂并实施GPT-5的实验设计。他们还对实验方案进行了调整，并在三轮实验后，让GPT-5能够访问一篇描述奥尔森研究工作的预印本论文，以及访问互联网上的其他文献。GPT-5会将数据解读和假设记录在实验室笔记本中。

在该模型能够访问互联网或奥尔森的预印本之前，其笔记本中的一条记录就假设了一种节省成本的试剂替换方案，而奥尔森的团队也使用了这种方案。焦表示：“该模型实际上具有相当不错的生化推理能力。”

尽管如此，蛋白质合成效率的最大提升来自于GPT-5获取新信息后的实验步骤。焦补充道：“所有这些都使其实现了巨大飞跃，实际上超越了人类的现有水平。”

加州斯坦福大学的合成生物学家迈克尔·朱伊特（Michael Jewett）曾指导奥尔森的研究，他表示，Ginkgo与OpenAI的无细胞蛋白质合成配方与他、奥尔森及其同事提出的配方大致相似。然而，很难确定他实验室的研究工作在多大程度上帮助了GPT-5设计实验。