Thí nghiệm do AI thiết kế và robot thực hiện hé lộ một phương pháp tiếp cận mới trong sinh học
Nhóm nghiên cứu tại OpenAI và Ginkgo Bioworks đã chứng minh rằng một mô hình trí tuệ nhân tạo (AI) phối hợp với phòng thí nghiệm tự động có thể thiết kế và lặp lại các thí nghiệm sinh học thực tế với tốc độ chưa từng có.
Deni Ellis Béchard
Biên tập bởi Eric Sullivan
Các kỹ thuật viên di chuyển trong phòng thí nghiệm tự động do robot vận hành của Ginkgo Bioworks, nơi các cỗ máy xử lý khối lượng lớn nghiên cứu và kiểm tra sinh học.
Ginkgo Bioworks
Tham gia cộng đồng những người yêu khoa học của chúng tôi!
Đăng ký nhận bản tin hàng ngày miễn phí của chúng tôi
Nhập email của bạn
Tôi đồng ý thông tin của mình sẽ được xử lý theo Chính sách Bảo mật của Scientific American và Springer Nature Limited.
Chúng tôi sử dụng dịch vụ bên thứ ba để xác minh và gửi email. Bằng cách cung cấp địa chỉ email, bạn cũng đồng ý chia sẻ địa chỉ đó với các bên thứ ba cho những mục đích này.
Đăng ký
OpenAI’s GPT có thể tóm tắt các bài báo nghiên cứu và đưa ra dự đoán — nhưng liệu nó có thể làm khoa học không? Liệu nó có thể đưa ra giả thuyết, thiết kế thí nghiệm, diễn giải kết quả và lặp lại quy trình không? Mùa hè năm ngoái, các nhà nghiên cứu tại OpenAI và Ginkgo Bioworks, một công ty chuyên thiết kế và lắp đặt phòng thí nghiệm tự động do robot vận hành, đã quyết định tìm ra câu trả lời.
Mặc dù các hệ thống trí tuệ nhân tạo đã đạt điểm cao trong toán học, vật lý và khoa học máy tính, sinh học lại khó đo lường hơn, theo Joy Jiao, người đứng đầu nghiên cứu khoa học sự sống tại OpenAI. “Đối với một mục tiêu như ‘thiết kế thí nghiệm tối ưu’, không có câu trả lời đúng duy nhất. Đây là thứ mà chúng tôi gọi là vấn đề ‘khó-khó’: vừa khó để đưa ra giải pháp, vừa rất khó để xác minh.” Điều đó khiến nhóm quyết định để AI thiết kế thí nghiệm sử dụng protein huỳnh quang xanh siêu gập (sfGFP), một loại protein biến đổi từ sứa, thường được dùng làm tiêu chuẩn tham chiếu vì cho tín hiệu nhanh và rõ ràng: nó phát sáng màu xanh lục.
Trong khi GPT-5 của OpenAI cung cấp thiết kế thí nghiệm, Ginkgo Bioworks cung cấp thứ mà người đồng sáng lập và CEO Jason Kelly gọi là “Waymo của sinh học”: một hệ thống phòng thí nghiệm tự động nơi các nhà nghiên cứu đặt mục tiêu và AI đảm nhận phần “lái xe”. Phòng thí nghiệm robot tự động này có thể xử lý nhanh các thí nghiệm và hoạt động mà không cần sự giám sát liên tục của con người.
Hỗ trợ báo chí khoa học
Nếu bạn đang thưởng thức bài viết này, hãy cân nhắc hỗ trợ tờ báo đoạt giải thưởng của chúng tôi bằng cách đăng ký thuê bao. Bằng việc mua một gói thuê bao, bạn đang góp phần đảm bảo tương lai cho những câu chuyện có tác động về các phát hiện và ý tưởng đang định hình thế giới của chúng ta ngày nay.
Nhóm tập trung thí nghiệm vào phương pháp tổng hợp protein không tế bào (CFPS), một kỹ thuật sản xuất protein mà không cần tế bào sống. Sản xuất sinh học truyền thống dựa vào việc biến đổi gen các tế bào sống để sản xuất thuốc như insulin. CFPS tạo ra protein bên ngoài tế bào bằng cách vận hành bộ máy sinh tổng hợp protein của tế bào trong một hỗn hợp được kiểm soát.
“Đây là một trong những cách nhanh nhất để sản xuất protein,” Reshma Shetty, Giám đốc Điều hành kiêm đồng sáng lập của Ginkgo Bioworks, nói. “Bạn không cần sao chép DNA, đưa vào tế bào và chờ tế bào phát triển.” Việc cải thiện CFPS có thể mang lại ảnh hưởng lớn đối với y học, thực phẩm và các sản phẩm nông nghiệp.
Từ trụ sở tại San Francisco, bang California của OpenAI, GPT-5 thiết kế các thí nghiệm và gửi chúng qua khắp đất nước đến các hệ thống robot của Ginkgo Bioworks tại Boston. Trong quá trình lặp lại, GPT-5 phân tích dữ liệu đầu vào và đề xuất các thí nghiệm mới, mỗi chu kỳ mất khoảng một giờ. “Trong thời gian một con người đi uống cà phê, ngồi xuống máy tính, đăng nhập và chuẩn bị làm việc, mô hình AI đã có thể tiếp nhận dữ liệu, phân tích và đề xuất thí nghiệm mới,” Shetty nói.
“Ngay từ đầu dự án, tôi không biết liệu chúng tôi có thể thiết kế được một thí nghiệm nào không,” Jiao nói. “Tôi vẫn nhớ khi kết quả thí nghiệm trở về, phản ứng từ cả hai phía là: ô, chúng tôi đã tạo ra một lượng protein khác không — và điều đó hơi bất ngờ.”
Sau hai tháng và hơn 36.000 bài kiểm tra với các thành phần phản ứng khác nhau, hệ thống do AI điều khiển đã giảm chi phí sản xuất protein khoảng 40 phần trăm so với một mốc tham chiếu từng được công bố từ phòng thí nghiệm của kỹ sư sinh học Michael Jewett tại Đại học Stanford. “Thành thật mà nói, đây là một bước tiến khá lớn,” Jewett nói, người vừa công bố bài báo mốc tham chiếu của mình trên tạp chí Nature Communications tuần trước. “Làm thế nào để phát triển thuốc nhanh hơn, đưa các liệu pháp cứu sống bệnh nhân đến sớm hơn? Tôi nghĩ rằng việc tích hợp trí tuệ nhân tạo và phòng thí nghiệm tự động là một cách để làm điều đó.”
Quan hệ hợp tác giữa OpenAI và Ginkgo Bioworks cũng tạo ra một khoảnh khắc bất ngờ và mới lạ. Khi nhóm cho GPT-5 truy cập vào các chất thử nghiệm mới, “nó cố gắng đưa vào càng nhiều càng tốt,” Jiao nói. “Vì vậy, mô hình đã đặt lượng nước ở mức âm.” Việc bắt đầu một thí nghiệm với thể tích nước âm là không thể. Tại phòng thí nghiệm, khi các kỹ thuật viên robot của Ginkgo Bioworks phát hiện vấn đề, họ vẫn tiến hành thí nghiệm với tổng thể tích lớn hơn một chút so với yêu cầu.
Thành phần phản ứng được cải thiện nhờ AI hiện đã có sẵn để thương mại hóa. Quan trọng hơn, vào ngày 2 tháng 3, Ginkgo Bioworks đã ra mắt Ginkgo Cloud Lab, cho phép các nhà nghiên cứu ở bất cứ đâu gửi thí nghiệm đến các hệ thống phòng thí nghiệm tự động với mức giá chỉ từ 39 đô la mỗi lần chạy. Trong khi đó, Bộ Năng lượng Hoa Kỳ đang tài trợ cho một phòng thí nghiệm tự động với 97 robot tại Phòng thí nghiệm Quốc gia Thái Bình Dương ở bang Washington. Phòng thí nghiệm này sẽ do Ginkgo Bioworks xây dựng và dự kiến đi vào hoạt động vào năm 2030. “Các mô hình AI đơn thuần sẽ không đủ,” Shetty nói. “Bạn cần các mô hình đi kèm với các phòng thí nghiệm có khả năng xác thực thực nghiệm.”
Đã đến lúc đứng lên vì khoa học
Nếu bạn thích bài viết này, tôi muốn xin bạn hãy ủng hộ. Scientific American đã đóng vai trò là tiếng nói đại diện cho khoa học và công nghiệp trong 180 năm, và có lẽ ngay lúc này là thời điểm quan trọng nhất trong lịch sử hai thế kỷ đó. Tôi đã từng là một Scientific American
0 comments Blogger 0 Facebook
Đăng nhận xét