Sự kết hợp giữa mô hình AI GPT-5 của OpenAI và phòng thí nghiệm tự chủ của Ginkgo Bioworks đã thực hiện hơn 36.000 thí nghiệm tổng hợp protein không tế bào trong vòng sáu tháng, đồng thời giảm khoảng 40% chi phí sản xuất protein, theo bản thảo tiền ấn phẩm vừa được công bố.
Hệ thống tự động hóa toàn bộ quy trình nghiên cứu
Hệ thống không chỉ tự động hóa quy trình thực nghiệm mà còn liên tục lặp lại các chu trình xây dựng giả thuyết, phân tích dữ liệu và tối ưu hóa điều kiện thí nghiệm mà không cần các nhà nghiên cứu trực tiếp thao tác trên từng bước như phương pháp truyền thống. Theo trang tin Longevity.Technology, mô hình này cho phép chuyển đổi sang mô hình thực nghiệm có thể lập trình, nơi AI không chỉ đề xuất các phương án thí nghiệm mà còn phân tích kết quả, lựa chọn hướng tối ưu tiếp theo và tiếp tục lặp lại chu trình nghiên cứu.
Giảm chi phí sản xuất protein tới 40%
Một trong những kết quả nổi bật nhất là khả năng cắt giảm chi phí. Theo hai công ty, hệ thống đã giúp giảm khoảng 40% chi phí sản xuất protein thông qua việc tối ưu hóa các tổ hợp hóa chất sử dụng trong phản ứng. Trước khi đưa vào vận hành, toàn bộ kế hoạch thí nghiệm đều được xác thực bằng mô hình cấu trúc nhằm loại bỏ các thiết kế có nguy cơ thất bại. Sau mỗi vòng thực nghiệm, GPT-5 còn tự động tạo ra các nhật ký phòng thí nghiệm ở dạng con người có thể đọc được, ghi lại toàn bộ lập luận, quá trình ra quyết định và kết quả thu được.
Đồng sáng lập Ginkgo, bà Reshma Shetty, cho biết: “Bằng cách kết hợp một mô hình ngôn ngữ lớn tiên phong với một phòng thí nghiệm tự chủ, chúng tôi đã tìm ra các thành phần phản ứng có chi phí rẻ hơn đáng kể so với các công nghệ tiên tiến trước đây”. Theo bà, lợi ích của việc giảm chi phí không chỉ dừng lại ở khía cạnh kinh tế: “Hóa chất chi phí thấp hơn cho việc sản xuất protein cho phép tạo ra nhiều dữ liệu hơn, và do đó đạt được nhiều tiến bộ khoa học hơn trên mỗi USD chi trả”.
Giá trị thực sự nằm ở tốc độ nghiên cứu và phát triển
Tác động lớn hơn của mô hình phòng thí nghiệm tự chủ không phải là khả năng tổng hợp protein, mà là tiềm năng thay đổi cách hoạt động nghiên cứu và phát triển (R&D) được triển khai. Trong nghiên cứu công nghệ sinh học hiện đại, đặc biệt là phát triển thuốc và sinh học dịch mã, trở ngại lớn thường không phải thiếu giả thuyết khoa học. Vấn đề nằm ở việc các nhóm nghiên cứu không thể kiểm chứng đủ số lượng giả thuyết trong thời gian đủ ngắn, với mức chi phí đủ thấp và quy trình đủ nghiêm ngặt. Chính vì vậy, nếu AI có thể rút ngắn chu kỳ thử nghiệm, giảm chi phí cho mỗi lần thực nghiệm và duy trì chất lượng dữ liệu, năng lực nghiên cứu sẽ được mở rộng đáng kể.
Đây cũng là lý do mô hình này được đánh giá có tiềm năng đặc biệt đối với lĩnh vực kéo dài tuổi thọ, nơi quá trình nghiên cứu thường kéo dài nhiều năm và đòi hỏi số lượng thí nghiệm rất lớn. Theo Ginkgo, tầm nhìn của công ty là xây dựng các phòng thí nghiệm nơi nhà nghiên cứu chỉ cần mô tả mục tiêu khoa học, còn toàn bộ chiến dịch thực nghiệm sẽ được hệ thống tự động triển khai. CEO Ginkgo Jason Kelly cho biết: “Các phòng thí nghiệm tự chủ kết hợp với AI sẽ giúp khoa học trở nên dễ tiếp cận hơn, cho phép nhiều người hơn theo đuổi các nghiên cứu gốc, đặc biệt là trong lĩnh vực trường thọ, nơi sự tham gia rộng rãi hơn có thể đẩy nhanh tiến trình”.
OpenAI đang mở rộng dấu ấn trong công nghệ sinh học
Sự xuất hiện của OpenAI trong dự án này cũng phản ánh xu hướng AI ngày càng đóng vai trò quan trọng trong hoạt động nghiên cứu và phát triển công nghệ sinh học. Nhà sáng lập OpenAI Sam Altman từ lâu đã thể hiện sự quan tâm đến lĩnh vực kéo dài tuổi thọ khi tự tài trợ cho Retro Biosciences, công ty công nghệ sinh học tập trung nghiên cứu kéo dài tuổi thọ. Sau đó, Retro Biosciences cũng hợp tác với OpenAI nhằm thúc đẩy nghiên cứu tái lập trình tế bào. Bên cạnh đó, OpenAI còn là nhà tài trợ cho Chai Discovery, đơn vị phát triển các giải pháp tìm kiếm thuốc bằng AI.
Dù kết quả ban đầu rất đáng chú ý, nghiên cứu vẫn tồn tại những giới hạn cần được nhìn nhận thận trọng. Trước hết, đây mới chỉ là một bản thảo tiền ấn phẩm và chưa trải qua quá trình bình duyệt khoa học. Đồng thời, các phòng thí nghiệm tự chủ cũng không làm cho sinh học trở nên đơn giản hơn, bởi bản chất của các hệ thống sinh học vẫn rất phức tạp và luôn tồn tại nhiều biến số khó kiểm soát. Tuy nhiên, nếu mô hình kết hợp giữa GPT-5 và phòng thí nghiệm tự chủ được chứng minh là hiệu quả, có khả năng tái lập và mở rộng sang nhiều lĩnh vực thực nghiệm khác, đây có thể trở thành một bước ngoặt quan trọng đối với hoạt động nghiên cứu công nghệ sinh học. Quan trọng hơn, việc rút ngắn thời gian thử nghiệm, giảm chi phí và tăng số lượng giả thuyết có thể được kiểm chứng sẽ tạo điều kiện để các nhà khoa học khám phá nhanh hơn những cơ chế sinh học liên quan đến lão hóa và tuổi thọ.
