مختبر OpenAI وGinkgo المستقل يخفض تكلفة البروتين 40%
ربط مختبر OpenAI وGinkgo المستقل، الذي نُشرت نتائجه في فبراير 2026، نموذج GPT-5 بمختبر Ginkgo Bioworks السحابي الروبوتي في بوسطن، وخفّض تكلفة تخليق البروتين خارج الخلية بنسبة 40 بالمئة مقارنة بأفضل ما كان متاحًا. وعلى مدى ست جولات صمم النموذج أكثر من 36,000 تفاعل وشغّلتها الروبوتات. وبالنسبة إلى الشركات التي تعتمد على البحث المخبري، يُظهر ذلك نموذج ذكاء اصطناعي يخفض تكلفة التجارب باختيار ما يُجرى منها.
لماذا يصعب تحسين تخليق البروتين خارج الخلية
ضبط تخليق البروتين خارج الخلية مكلف لأن الوصفة فيها أجزاء متحركة كثيرة. تصنع هذه الطريقة، المعروفة بـ CFPS، البروتينات دون تنمية خلايا حية: تُنقل آلية صنع البروتين من داخل الخلايا إلى مزيج مضبوط وتعمل فيه. وتُستخدم في تطوير الأدوية والتشخيص وإنتاج الإنزيمات الصناعية، وفي التصنيع التجاري لمقترن جسم مضاد بدواء.
يجمع كل مزيج قوالب DNA ومستخلصات خلوية تسمى اللايسات ومصادر طاقة وأملاحًا وعوامل مساعدة. وفضاء التركيبات الممكنة هائل، والتغييرات الصغيرة يصعب التنبؤ بها، ولم تحقق محاولات تعلم الآلة السابقة سوى مكاسب تدريجية. وفي علم الأحياء يجب اختبار كل فكرة في مختبر، حيث تكلف التجارب وقتًا ومالًا.
ماذا بنت OpenAI وGinkgo Bioworks
ربطت OpenAI نموذجها GPT-5 بمختبر Ginkgo Bioworks السحابي المؤتمت بالكامل في بوسطن، ونشرت الشركتان النتائج في فبراير 2026. الإعداد حلقة مغلقة: يكتب GPT-5 تصاميم التجارب كملفات رقمية، ويتحقق نظام تحقق مبني على مكتبة Python المسماة Pydantic من أن كل تصميم سليم علميًا ويمكن تشغيله على المعدات المتاحة، وعندها فقط يشغّله المختبر.
في المختبر تنفذ العمل وحدات روبوتية معيارية تسمى Reconfigurable Automation Carts أو RACs. تحمل كل عربة أداة واحدة، مثل جهاز تعامل مع السوائل أو حاضنة أو جهاز قياس، بينما تنقل أذرع روبوتية وسكك نقل ألواح العينات بينها. ويتحكم برنامج Catalyst من Ginkgo في سير العمل، وتعود النتائج إلى GPT-5 الذي يحللها ويصمم الجولة التالية.
كيف عمل المختبر من جولة إلى أخرى
تولى البشر التحضير وتحميل المواد الكاشفة والمستهلكات وتفريغها. وعلى مدى ست جولات وستة أشهر أنتج النظام نحو 150,000 نقطة بيانات.
لم يكن مستقلًا بالكامل. في البداية اختلفت النتائج على اللوح نفسه أحيانًا بأكثر من 40 بالمئة، واضطر موظفو Ginkgo إلى ضبط تراكيز المواد الكاشفة والمحاليل الأساسية يدويًا، فانخفض الانحراف الوسيط إلى 17 بالمئة. وجاءت أكبر المكاسب من الجولة 3، حين حصل GPT-5 على حاسوب وإنترنت وحزم تحليل بيانات ونسخة أولية حديثة لباحثين من جامعة نورث ويسترن. وخلال شهرين، عبر الجولات من 3 إلى 5، تجاوز النظام أفضل نتيجة سابقة. وتحسّن قالب DNA واللايسات في الوقت نفسه، لذا لا يُنسب كل المكسب إلى النموذج.
ماذا قاس المختبر المستقل
اختبر النظام أكثر من 36,000 تركيبة تفاعل على 580 لوحًا مؤتمتًا. وانخفضت تكلفة إنتاج بروتين الاختبار sfGFP من 698 إلى 422 دولارًا للغرام، بنسبة 40 بالمئة مقارنة بأفضل ما نشره باحثو نورث ويسترن في أغسطس 2025. وارتفع إنتاج البروتين 27 بالمئة، من 2.39 إلى 3.04 غرام لكل لتر، وانخفضت تكلفة المواد الكاشفة وحدها 57 بالمئة، من 60 إلى 26 دولارًا للغرام.
كانت الأخطاء نادرة: من 480 لوحًا صممها GPT-5، كان في اثنين عيوب تصميم أساسية. والحدود أكبر. فكل النتائج من بروتين واحد ونظام CFPS واحد، وفي اختبار مع اثني عشر بروتينًا آخر لم يمكن رصد سوى ستة.
ماذا يعني ذلك للشركات التي تجري بحوثًا مخبرية
بالنسبة إلى عمل قائم على المختبر، تُظهر النتيجة أين يوفر نموذج الذكاء الاصطناعي المال: في اختيار التجارب التي تُجرى. وأشار GPT-5 أيضًا إلى أن أكثر من 90 بالمئة من تكلفة التفاعل تأتي الآن من اللايسات والـ DNA، لذا فرفع الإنتاج لكل وحدة من هذه المدخلات أهم من تقليص المكونات الأرخص.
تحوّل Ginkgo هذا العمل إلى نشاطها الرئيسي. وتقول إنها توسع مختبرها المستقل في بوسطن إلى أكثر من 50 عربة RAC، مع توقع 50 أخرى بنهاية 2026، وتبيع المختبر خدمة سحابية وأنظمة تُبنى في مواقع العملاء. وفازت بعقد بقيمة 47 مليون دولار لمختبر مستقل من 97 أداة لمختبر المحيط الهادئ الشمالي الغربي الوطني. ويأتي التحول بعد أن انخفضت إيرادات العام الكامل 2025 بنسبة 25% إلى 170 مليون دولار.
"هذا العام سنركز على الاستثمار لنفوز في فئة المختبرات المستقلة." — جيسون كيلي، المؤسس المشارك والرئيس التنفيذي لـ Ginkgo Bioworks
أسئلة وأجوبة
كم خفّض GPT-5 تكلفة إنتاج البروتين؟
انخفضت تكلفة إنتاج sfGFP من 698 إلى 422 دولارًا للغرام، أي 40 بالمئة أقل من أفضل ما كان متاحًا. وانخفضت تكلفة المواد الكاشفة وحدها 57 بالمئة.
ما مدى استقلالية مختبر OpenAI وGinkgo؟
صمم GPT-5 التجارب وحلل النتائج، وشغّلتها الروبوتات. وحضّر البشر المواد الكاشفة والمستهلكات وحمّلوها، وضبط موظفو Ginkgo تراكيز المواد الكاشفة يدويًا لتقليل التباين.
هل تنطبق النتيجة على بروتينات أخرى؟
ليس بعد. كل النتائج من بروتين واحد هو sfGFP، وفي اختبار مع اثني عشر بروتينًا آخر لم يمكن رصد سوى ستة. وستلزم تحسينات إضافية للأهداف الأخرى.
رؤية MOZGII
كيف كنا سنبنيه
الجزء المفيد في هذه الحالة ليس أن نموذجًا شغّل مختبرًا. إنه الفحص بين النموذج والروبوتات. مر كل تصميم كتبه GPT-5 عبر أداة تحقق قبل أن تتحرك أي معدات، وهذا ما كنا سننسخه أولًا. لو بنينا نظامًا كهذا لفريق بحثي، لبدأنا بقائمة بما يستطيع المختبر فعله فيزيائيًا: الأحجام والأدوات وأشكال الألواح والمواد الكاشفة المتوفرة.
كنا سندع النموذج يقترح التجارب بصيغة ثابتة، ونفحص كل واحدة منها مقابل تلك القائمة بالشيفرة، ونرسل الألواح الصالحة فقط إلى الروبوتات. ويراجع عالِم ملاحظات النموذج بعد كل جولة ويوافق على التالية. وكنا سنحتفظ بكل نتيجة خام، ومنها الألواح الفاشلة وتقارير أخطاء المعدات، لأن الحالة تُظهر أن النموذج تحسن أكثر بعد أن رأى هذا التفصيل.
سيتعثر النظام حيث يكثر ضجيج القياس. حين يعطي اللوح نفسه إجابات مختلفة يتعلم النموذج من الضجيج، وفي هذه الحالة اضطر الناس إلى إصلاح المدخلات يدويًا. وسيتعثر أيضًا حين تُستخدم وصفة ضُبطت لبروتين واحد مع بروتين آخر.
الرقم الوحيد الذي سنراقبه هو التكلفة لكل غرام من البروتين المستهدف، مقيسة بالطريقة نفسها في كل جولة. وبعد ذلك سنبني الحلقة نفسها لبروتين ثانٍ قبل الوثوق بأي وصفة خارج الأول.
المصادر
من أين جاءت حقائق هذا الخبر.