OpenAI Ginkgo自律ラボ、タンパク質合成コストを40%削減
2026年2月に結果が公表されたOpenAI Ginkgo自律ラボは、GPT-5をボストンにあるGinkgo Bioworksのロボット式クラウドラボにつなぎ、無細胞タンパク質合成のコストを従来の最先端より40%下げました。6ラウンドで、モデルは3万6000件を超える反応を設計し、ロボットが実行しました。ラボ研究に頼る企業にとって、AIモデルが、どの実験をやるかを選ぶことで実験コストを下げられることを示しています。
無細胞タンパク質合成が改善しにくい理由
無細胞タンパク質合成は、レシピに動かせる要素が多すぎるため、調整にコストがかかります。CFPSと呼ばれるこの手法は、生きた細胞を育てずにタンパク質を作ります。細胞の中にあるタンパク質を作る仕組みを、制御された混合液に移して動かすのです。創薬、診断、産業用酵素の製造のほか、抗体薬物複合体の商業生産でも使われています。
各混合液は、DNAテンプレート、溶解液と呼ばれる細胞抽出物、エネルギー源、塩、補因子を組み合わせたものです。考えられる組成の空間は広大で、小さな変化は予測しにくく、これまでの機械学習の試みは小さな改善にとどまっていました。生物学では、あらゆるアイデアをラボで試す必要があり、実験には時間とお金がかかります。
OpenAIとGinkgo Bioworksが作ったもの
OpenAIは、GPT-5モデルをボストンにあるGinkgo Bioworksの完全自動のクラウドラボにつなぎ、両社は2026年2月に結果を公表しました。仕組みは閉じたループです。GPT-5が実験設計をデジタルファイルとして書き、Pythonライブラリー Pydanticで作った検証システムが、各設計が科学的に妥当で、手元の装置で実行できることを確認し、その後で初めてラボが実行します。
ラボでは、再構成可能な自動化カート(RAC)と呼ばれるモジュール式のロボットユニットが作業します。各カートには、液体ハンドラー、インキュベーター、測定装置など1つの装置が載り、ロボットアームと搬送レールがサンプルプレートをその間で動かします。GinkgoのCatalystソフトウェアがワークフローを制御し、結果はGPT-5に戻って分析され、次のラウンドが設計されます。
ラボのラウンドごとの動き
準備と、試薬や消耗品の搬入と搬出は人が行いました。6ラウンド、6カ月で、システムはおよそ15万件のデータポイントを生みました。
完全な自律ではありませんでした。初期には、同じプレート上の結果が40%を超えて食い違うことがあり、Ginkgoのスタッフが試薬の濃度とストック溶液を手で調整して、偏差の中央値を17%まで下げる必要がありました。最大の改善は第3ラウンドからで、GPT-5がコンピューター、インターネット、データ分析パッケージ、ノースウェスタン大学の研究者による最近のプレプリントを使えるようになった時点です。第3から第5ラウンドの2カ月で、システムは従来の最良の結果を超えました。DNAテンプレートと溶解液も同時に改良されたため、改善のすべてをモデルの功績とすることはできません。
自律ラボが測定したもの
システムは、580枚の自動プレートで3万6000件を超える反応組成を試しました。試験用タンパク質sfGFPの製造コストは、ノースウェスタン大学の研究者が2025年8月に公表した従来の最先端より40%低い、1グラムあたり698ドルから422ドルになりました。タンパク質の収量は、1リットルあたり2.39グラムから3.04グラムへ27%上がり、試薬コストだけで見ると、1グラムあたり60ドルから26ドルへ57%下がりました。
エラーはまれでした。GPT-5が設計した480枚のプレートのうち、基本的な設計上の欠陥があったのは2枚です。限界はもっと大きなところにあります。結果はすべて1種類のタンパク質と1つのCFPSシステムによるもので、ほかの12種類のタンパク質での試験では6種類しか検出できませんでした。
ラボ研究を行う企業への意味
ラボを持つ事業にとって、この結果は、AIモデルがどこでお金を節約するかを示しています。どの実験を行うかの選択です。GPT-5は、反応コストの90%を超える部分が現在は溶解液とDNAに由来するため、それらの投入量あたりの収量を上げることが、安い成分を削るより重要だとも指摘しました。
Ginkgoは、この取り組みを主力事業に変えつつあります。ボストンの自律ラボを50を超えるRACに拡張しており、2026年末までにさらに50基を追加する見込みで、ラボをクラウドサービスとして、また顧客の拠点に作るシステムとして販売するとしています。太平洋岸北西部国立研究所向けに、97台の装置を備えた自律ラボで4700万ドルの契約も獲得しました。この転換は、2025年通期の売上が25%減の1億7000万ドルになった後のことです。
「今年は、自律ラボというカテゴリーで勝つための投資に集中します。」 ジェイソン・ケリー氏、Ginkgo Bioworks共同創業者兼CEO
よくある質問
GPT-5はタンパク質の製造コストをどれだけ下げましたか?
sfGFPの製造コストは1グラムあたり698ドルから422ドルになり、従来の最先端より40%低くなりました。試薬コストだけでは57%下がりました。
OpenAIとGinkgoのラボはどこまで自律的でしたか?
GPT-5が実験を設計して結果を分析し、ロボットが実行しました。人が試薬や消耗品を準備して搬入し、Ginkgoのスタッフがばらつきを減らすために試薬濃度を手で調整しました。
この結果はほかのタンパク質にも当てはまりますか?
まだ分かっていません。結果はすべて1種類のタンパク質sfGFPによるもので、ほかの12種類のタンパク質での試験では6種類しか検出できませんでした。ほかの対象には、さらに最適化が必要です。
MOZGIIの視点
私たちならこう作ります
この事例で役に立つのは、モデルがラボを動かしたことではありません。モデルとロボットの間にあるチェックです。GPT-5が書いた設計はすべて、装置が動く前に検証システムを通りました。まず真似したいのはそこです。研究チーム向けにこうしたシステムを作るなら、まずラボが物理的にできることの一覧から始めます。容量、装置、プレートの形式、在庫の試薬です。
モデルには決まった形式で実験を提案させ、それぞれをコードでその一覧と突き合わせ、妥当なプレートだけをロボットに送ります。ラウンドごとに科学者がモデルのメモを確認し、次のラウンドを承認します。失敗したプレートや装置のエラーレポートを含め、生の結果はすべて残します。この事例では、モデルはそうした細部を見られるようになってから最も改善したからです。
壊れるのは、測定にノイズがあるところです。同じプレートが違う答えを出すと、モデルはノイズから学びます。この事例では人が手で入力を直す必要がありました。あるタンパク質に合わせて調整したレシピを別のタンパク質に使うときも壊れます。
見る数字は1つで、毎ラウンド同じ方法で測った、対象タンパク質1グラムあたりのコストです。次に作るのは、2種類目のタンパク質で同じループを回すことです。最初の1種類を超えて、どのレシピも信用する前に行います。
出典
この記事の事実の出典です。