Laboratorio autónomo de OpenAI y Ginkgo: costo baja 40%

Por qué es difícil mejorar la síntesis de proteínas libre de células

La síntesis de proteínas libre de células es costosa de ajustar porque la receta tiene demasiadas piezas móviles. El método, conocido como CFPS, produce proteínas sin cultivar células vivas: la maquinaria que fabrica proteínas dentro de las células se traslada a una mezcla controlada y funciona allí. Se usa en el desarrollo de fármacos, en diagnóstico y en la producción industrial de enzimas, y en la fabricación comercial de un conjugado anticuerpo-fármaco.

Cada mezcla combina plantillas de ADN, extractos celulares llamados lisados, fuentes de energía, sales y cofactores. El espacio de composiciones posibles es enorme, los cambios pequeños son difíciles de predecir y los intentos anteriores con aprendizaje automático solo lograron mejoras graduales. En biología, cada idea debe probarse en un laboratorio, donde los experimentos cuestan tiempo y dinero.

Qué construyeron OpenAI y Ginkgo Bioworks

OpenAI conectó su modelo GPT-5 con el laboratorio en la nube totalmente automatizado de Ginkgo Bioworks en Boston, y las empresas publicaron los resultados en febrero de 2026. La configuración es un ciclo cerrado: GPT-5 escribe diseños experimentales como archivos digitales, un sistema de validación basado en la biblioteca de Python Pydantic comprueba que cada diseño sea científicamente sólido y pueda ejecutarse con el equipo disponible, y solo entonces lo corre el laboratorio.

En el laboratorio, unidades robóticas modulares llamadas carros de automatización reconfigurables, o RAC, hacen el trabajo. Cada carro aloja un instrumento, como un manejador de líquidos, una incubadora o un dispositivo de medición, mientras brazos robóticos y rieles de transporte mueven las placas de muestras entre ellos. El software Catalyst de Ginkgo controla el flujo de trabajo, y los resultados vuelven a GPT-5, que los analiza y diseña la siguiente ronda.

Cómo funcionó el laboratorio de una ronda a otra

Las personas se encargaron de la preparación y de cargar y descargar reactivos y consumibles. En seis rondas y seis meses, el sistema produjo cerca de 150.000 puntos de datos.

No fue totalmente autónomo. Al principio, los resultados de una misma placa a veces diferían en más de 40%, y el personal de Ginkgo tuvo que ajustar a mano las concentraciones de reactivos y las soluciones madre, lo que redujo la desviación mediana a 17%. Los mayores avances llegaron en la ronda 3, cuando GPT-5 obtuvo acceso a una computadora, a internet, a paquetes de análisis de datos y a un preprint reciente de investigadores de la Universidad Northwestern. En dos meses, entre las rondas 3 a 5, el sistema superó el mejor resultado anterior. La plantilla de ADN y el lisado se mejoraron al mismo tiempo, así que no todo el avance puede atribuirse al modelo.

Qué midió el laboratorio autónomo

El sistema probó más de 36.000 composiciones de reacción en 580 placas automatizadas. El costo de producción de la proteína de prueba, sfGFP, bajó de 698 a 422 dólares por gramo, una reducción de 40% frente al estado del arte anterior publicado por investigadores de Northwestern en agosto de 2025. El rendimiento de proteína subió 27%, de 2,39 a 3,04 gramos por litro, y solo el costo de reactivos bajó 57%, de 60 a 26 dólares por gramo.

Los errores fueron raros: de 480 placas que diseñó GPT-5, dos tenían fallas básicas de diseño. Los límites son mayores. Todos los resultados vienen de una proteína y un sistema CFPS, y en una prueba con otras doce proteínas solo se pudieron detectar seis.

Qué significa para las empresas que hacen investigación de laboratorio

Para un negocio basado en laboratorio, el resultado muestra dónde ahorra dinero un modelo de IA: al elegir qué experimentos correr. GPT-5 también señaló que más de 90% del costo de una reacción viene ahora del lisado y del ADN, así que aumentar el rendimiento por unidad de esos insumos importa más que recortar ingredientes más baratos.

Ginkgo está convirtiendo este trabajo en su negocio principal. Dice que está ampliando su laboratorio autónomo de Boston a más de 50 RAC, con otros 50 previstos para fines de 2026, y que vende el laboratorio tanto como servicio en la nube como en sistemas construidos en las instalaciones de los clientes. Ganó un contrato de 47 millones de dólares por un laboratorio autónomo de 97 instrumentos para el Laboratorio Nacional del Noroeste del Pacífico. El giro llega después de que los ingresos de todo 2025 cayeran 25% a 170 millones de dólares.

«Este año nos vamos a enfocar en invertir para ganar en la categoría de laboratorios autónomos». — Jason Kelly, cofundador y director ejecutivo de Ginkgo Bioworks

Preguntas y respuestas

¿Cuánto redujo GPT-5 los costos de producción de proteínas?

El costo de producir sfGFP bajó de 698 a 422 dólares por gramo, 40% por debajo del estado del arte anterior. Solo el costo de reactivos bajó 57%.

¿Qué tan autónomo fue el laboratorio de OpenAI y Ginkgo?

GPT-5 diseñó los experimentos y analizó los resultados, y los robots los ejecutaron. Las personas prepararon y cargaron reactivos y consumibles, y el personal de Ginkgo ajustó a mano las concentraciones de reactivos para reducir la variabilidad.

¿El resultado aplica a otras proteínas?

Todavía no. Todos los resultados vienen de una proteína, sfGFP, y en una prueba con otras doce proteínas solo se pudieron detectar seis. Se necesitaría más optimización para otros objetivos.