OpenAI Ginkgo ऑटोनॉमस लैब से प्रोटीन लागत 40% घटी
OpenAI Ginkgo ऑटोनॉमस लैब, जिसके नतीजे फ़रवरी 2026 में प्रकाशित हुए, ने GPT-5 को Boston में Ginkgo Bioworks की रोबोटिक क्लाउड लैब से जोड़ा और सेल-फ़्री प्रोटीन सिंथेसिस की लागत पिछले सर्वश्रेष्ठ नतीजे से 40 प्रतिशत घटा दी। छह राउंड में मॉडल ने 36,000 से ज़्यादा रिएक्शन डिज़ाइन किए और रोबोट्स ने उन्हें चलाया। लैब रिसर्च पर निर्भर कंपनियों के लिए यह दिखाता है कि AI मॉडल यह चुनकर प्रयोगों की लागत घटा सकता है कि कौन से प्रयोग चलाए जाएँ।
सेल-फ़्री प्रोटीन सिंथेसिस को सुधारना मुश्किल क्यों है
सेल-फ़्री प्रोटीन सिंथेसिस को ट्यून करना महँगा है क्योंकि रेसिपी में बहुत सारे घटक हैं। CFPS कहलाने वाला यह तरीका जीवित कोशिकाएँ उगाए बिना प्रोटीन बनाता है: कोशिकाओं के भीतर की प्रोटीन बनाने वाली मशीनरी को एक नियंत्रित मिश्रण में ले जाकर वहीं चलाया जाता है। इसका इस्तेमाल दवा विकास, डायग्नोस्टिक्स और औद्योगिक एंज़ाइम उत्पादन में होता है, और एक एंटीबॉडी-ड्रग कंजुगेट के व्यावसायिक निर्माण में भी।
हर मिश्रण में DNA टेम्पलेट, लाइसेट कहलाने वाले सेल एक्सट्रैक्ट, ऊर्जा स्रोत, नमक और कोफ़ैक्टर मिलते हैं। संभावित संयोजनों का दायरा विशाल है, छोटे बदलावों का अनुमान लगाना कठिन है, और पहले की मशीन लर्निंग कोशिशों से सिर्फ़ थोड़े-थोड़े सुधार मिले। जीव विज्ञान में हर विचार को लैब में परखना पड़ता है, जहाँ प्रयोगों में समय और पैसा लगता है।
OpenAI और Ginkgo Bioworks ने क्या बनाया
OpenAI ने अपना GPT-5 मॉडल Boston में Ginkgo Bioworks की पूरी तरह स्वचालित क्लाउड प्रयोगशाला से जोड़ा, और कंपनियों ने फ़रवरी 2026 में नतीजे प्रकाशित किए। सेटअप एक बंद लूप है: GPT-5 प्रयोग के डिज़ाइन डिजिटल फ़ाइलों के रूप में लिखता है, Python लाइब्रेरी Pydantic पर बना वैलिडेशन सिस्टम जाँचता है कि हर डिज़ाइन वैज्ञानिक रूप से सही है और उपलब्ध उपकरणों पर चल सकता है, और उसके बाद ही लैब उसे चलाती है।
लैब में Reconfigurable Automation Carts, यानी RAC, नाम की मॉड्यूलर रोबोटिक यूनिटें काम करती हैं। हर कार्ट में एक उपकरण होता है, जैसे लिक्विड हैंडलर, इन्क्यूबेटर या मापन उपकरण, जबकि रोबोटिक आर्म और ट्रांसपोर्ट रेल सैंपल प्लेटों को उनके बीच ले जाते हैं। Ginkgo का Catalyst सॉफ़्टवेयर वर्कफ़्लो नियंत्रित करता है, और नतीजे GPT-5 तक लौटते हैं, जो उनका विश्लेषण करके अगला राउंड डिज़ाइन करता है।
लैब राउंड दर राउंड कैसे चली
तैयारी और रीएजेंट व उपभोग्य सामग्री की लोडिंग-अनलोडिंग लोगों ने संभाली। छह राउंड और छह महीनों में सिस्टम ने लगभग 150,000 डेटा पॉइंट बनाए।
यह पूरी तरह स्वायत्त नहीं था। शुरुआत में एक ही प्लेट के नतीजे कभी-कभी 40 प्रतिशत से ज़्यादा अलग होते थे, और Ginkgo के स्टाफ़ को रीएजेंट की सांद्रता और स्टॉक सॉल्यूशन हाथ से ठीक करने पड़े, जिससे मीडियन विचलन घटकर 17 प्रतिशत रह गया। सबसे बड़े सुधार राउंड 3 से आए, जब GPT-5 को कंप्यूटर, इंटरनेट, डेटा विश्लेषण पैकेज और Northwestern University के शोधकर्ताओं का एक हालिया प्रीप्रिंट मिला। राउंड 3 से 5 के बीच दो महीनों में सिस्टम पिछले सर्वश्रेष्ठ नतीजे से आगे निकल गया। DNA टेम्पलेट और लाइसेट भी साथ-साथ सुधारे गए, इसलिए पूरा सुधार मॉडल के नाम नहीं लिखा जा सकता।
ऑटोनॉमस लैब ने क्या मापा
सिस्टम ने 580 स्वचालित प्लेटों पर 36,000 से ज़्यादा रिएक्शन संयोजन परखे। टेस्ट प्रोटीन sfGFP की उत्पादन लागत $698 से घटकर $422 प्रति ग्राम हो गई, यानी अगस्त 2025 में Northwestern शोधकर्ताओं द्वारा प्रकाशित पिछले सर्वश्रेष्ठ नतीजे से 40 प्रतिशत कम। प्रोटीन यील्ड 27 प्रतिशत बढ़कर 2.39 से 3.04 ग्राम प्रति लीटर हो गई, और अकेले रीएजेंट की लागत 57 प्रतिशत घटकर $60 से $26 प्रति ग्राम रह गई।
गलतियाँ कम रहीं: GPT-5 की डिज़ाइन की 480 प्लेटों में से दो में बुनियादी डिज़ाइन खामियाँ थीं। सीमाएँ बड़ी हैं। सारे नतीजे एक प्रोटीन और एक CFPS सिस्टम से हैं, और बारह अन्य प्रोटीनों के टेस्ट में सिर्फ़ छह पहचाने जा सके।
लैब रिसर्च करने वाली कंपनियों के लिए इसका मतलब
लैब आधारित बिज़नेस के लिए नतीजा दिखाता है कि AI मॉडल पैसा कहाँ बचाता है: यह चुनने में कि कौन से प्रयोग चलाए जाएँ। GPT-5 ने यह भी नोट किया कि रिएक्शन की लागत का 90 प्रतिशत से ज़्यादा अब लाइसेट और DNA से आता है, इसलिए इन इनपुट की प्रति इकाई यील्ड बढ़ाना सस्ती सामग्री में कटौती से ज़्यादा मायने रखता है।
Ginkgo इस काम को अपना मुख्य बिज़नेस बना रही है। कंपनी के अनुसार वह Boston की अपनी ऑटोनॉमस लैब को 50 से ज़्यादा RAC तक बढ़ा रही है, और 2026 के अंत तक 50 और आने की उम्मीद है, और लैब को क्लाउड सेवा के रूप में तथा ग्राहकों की साइट पर बने सिस्टम के रूप में बेच रही है। उसने Pacific Northwest National Laboratory के लिए 97 उपकरणों वाली ऑटोनॉमस लैब का 47 मिलियन डॉलर का अनुबंध जीता। यह बदलाव तब आया जब 2025 का पूरे साल का राजस्व 25% गिरकर 170 मिलियन डॉलर रह गया।
"इस साल हम ऑटोनॉमस लैब की श्रेणी में जीतने के लिए निवेश पर ध्यान देंगे।" — Jason Kelly, Ginkgo Bioworks के सह-संस्थापक और CEO
सवाल और जवाब
GPT-5 ने प्रोटीन उत्पादन की लागत कितनी घटाई?
sfGFP बनाने की लागत $698 से घटकर $422 प्रति ग्राम हो गई, जो पिछले सर्वश्रेष्ठ नतीजे से 40 प्रतिशत कम है। अकेले रीएजेंट की लागत 57 प्रतिशत घटी।
OpenAI और Ginkgo की लैब कितनी स्वायत्त थी?
GPT-5 ने प्रयोग डिज़ाइन किए और नतीजों का विश्लेषण किया, और रोबोट्स ने उन्हें चलाया। लोगों ने रीएजेंट और उपभोग्य सामग्री तैयार करके लोड की, और Ginkgo के स्टाफ़ ने विचलन घटाने के लिए रीएजेंट की सांद्रता हाथ से ठीक की।
क्या नतीजा दूसरे प्रोटीनों पर लागू होता है?
अभी नहीं। सारे नतीजे एक प्रोटीन, sfGFP, से हैं, और बारह अन्य प्रोटीनों के टेस्ट में सिर्फ़ छह पहचाने जा सके। दूसरे लक्ष्यों के लिए और ऑप्टिमाइज़ेशन की ज़रूरत होगी।
MOZGII की राय
हम इसे कैसे बनाते
इस केस का काम का हिस्सा यह नहीं कि मॉडल ने लैब चलाई। वह जाँच है जो मॉडल और रोबोट्स के बीच बैठी है। GPT-5 का लिखा हर डिज़ाइन किसी उपकरण के हिलने से पहले वैलिडेटर से गुज़रा, और सबसे पहले हम यही हिस्सा अपनाते। अगर हम शोध टीम के लिए ऐसा सिस्टम बना रहे होते, तो उस सूची से शुरू करते कि लैब भौतिक रूप से क्या कर सकती है: वॉल्यूम, उपकरण, प्लेट फ़ॉर्मेट और स्टॉक में मौजूद रीएजेंट।
हम मॉडल को तय फ़ॉर्मेट में प्रयोग सुझाने देते, हर एक को कोड में उस सूची से जाँचते, और सिर्फ़ मान्य प्लेटें रोबोट्स को भेजते। हर राउंड के बाद एक वैज्ञानिक मॉडल के नोट्स देखता और अगला राउंड मंज़ूर करता। हम हर कच्चा नतीजा रखते, फ़ेल हुई प्लेटें और उपकरण की त्रुटि रिपोर्ट भी, क्योंकि यह केस दिखाता है कि वह ब्योरा देखने के बाद मॉडल सबसे ज़्यादा सुधरा।
यह वहाँ टूटेगा जहाँ मापन में शोर है। जब एक ही प्लेट अलग जवाब दे, मॉडल शोर से सीखता है, और इस केस में लोगों को इनपुट हाथ से ठीक करने पड़े। यह तब भी टूटेगा जब एक प्रोटीन के लिए ट्यून की गई रेसिपी दूसरे पर इस्तेमाल हो।
हम एक ही संख्या देखते: लक्ष्य प्रोटीन की प्रति ग्राम लागत, हर राउंड में एक ही तरीके से मापी हुई। अगला कदम होता किसी भी रेसिपी पर भरोसा करने से पहले यही लूप दूसरे प्रोटीन के लिए चलाना।
स्रोत
इस खबर के तथ्य इन स्रोतों से लिए गए हैं।