はじめに
OpenAIが2026年2月5日、GPT-5を活用した自律ラボシステムにより、無細胞タンパク質合成(CFPS)のコストを40%削減したと発表しました。Ginkgo Bioworksとの共同研究により、AIが実験設計から実行、データ分析、次の実験提案までを自律的に行う仕組みを構築し、36,000以上の反応を通じて最適化を実現しています。本稿では、この研究の内容と生物学研究におけるAI活用の可能性について解説します。
参考記事
- タイトル: GPT-5 lowers the cost of cell-free protein synthesis
- 著者: OpenAI Research Team
- 発行元: OpenAI
- 発行日: 2026年2月5日
- URL: https://openai.com/index/gpt-5-lowers-protein-synthesis-cost/
要点
- GPT-5を駆動力とした自律ラボシステムが、無細胞タンパク質合成(CFPS)のコストを40%削減し、試薬コストでは57%の改善を達成した
- Ginkgo Bioworksのクラウドラボと連携し、6ラウンドの実験で36,000以上のCFPS反応を580枚の自動化プレートで実行した
- GPT-5はコンピュータとウェブブラウザへのアクセスを得た後、わずか3ラウンドの実験で最先端の成果を確立した
- 従来は人間が手作業で探索していなかった低コストの反応組成を特定し、自動化ラボ特有の低酸素条件下でも高い性能を発揮する組成を発見した
- このアプローチは、実験の反復がボトルネックとなる生物学研究において、AIと自動化の組み合わせが有効であることを示している
詳細解説
無細胞タンパク質合成(CFPS)の重要性と課題
OpenAIによれば、無細胞タンパク質合成(CFPS)は、生きた細胞を培養することなくタンパク質を生成する技術です。従来の方法では、DNAを細胞に導入し、細胞がタンパク質を生成するのを待つ必要がありましたが、CFPSでは制御された混合物の中でタンパク質生成機構を直接動作させます。
この技術は、迅速なプロトタイピングとテストを可能にする実用的なツールです。科学者は多数の実験を素早く実行でき、同日中に結果を測定できます。タンパク質は現代生物学が提供する重要な成果物であり、多くの医薬品、診断薬、研究用アッセイ、さらには工業的な酵素や日用品にも使用されています。
しかし、CFPSの最適化は技術的に困難です。DNA鋳型、細胞溶解液、エネルギー源から塩類まで多数の生化学的成分が複雑に相互作用するため、システム全体を直感的に理解することは極めて難しいと言えます。また、標準的なCFPS製剤や市販キットは人間のペースに合わせた価格設定になっており、自律ラボのような大規模実行では試薬コストが制約要因になります。
GPT-5と自律ラボの統合システム
OpenAIは、GPT-5をGinkgo Bioworksのクラウドラボラトリーと連携させ、CFPS最適化のためのクローズドループ自律システムを構築しました。クラウドラボラトリーとは、ソフトウェアを通じて遠隔操作される自動化されたウェットラボで、ロボットが実験を実行しデータを返すシステムです。
このシステムでは、GPT-5が実験のバッチを設計し、ラボがそれを実行し、結果がモデルにフィードバックされ、モデルがそのデータを使用して次のラウンドを提案するというサイクルを6回繰り返しました。OpenAIの発表では、GPT-5は標準的な384ウェルプレート形式で実験を設計し、Ginkgo Bioworksのクラウドラボで実行したとされています。
重要なのは、実験が実行される前に厳格なプログラム的検証を追加した点です。この検証により、AIが設計した実験が自動化プラットフォーム上で物理的に実行可能であることを保証し、文章上では妥当に見えてもロボットワークフローでは実行できない「紙上の実験」を防止しました。
全体を通じて、システムは580枚の自動化プレートにわたって36,000以上のCFPS反応を実行しました。OpenAIによれば、この規模は生物学におけるパターンの出現に重要であり、単一の実験はノイズが多いため、スループットと反復がシグナルとランダムノイズを分離する方法だとされています。
達成された成果と発見
OpenAIの発表によれば、GPT-5は関連論文とツールへのアクセスを得た後、わずか3ラウンドの実験と2ヶ月で新しい最先端の成果を確立しました。タンパク質生産コストは、先行する最良のベースラインと比較して40%低減されました。
OpenAIによれば、改善は相互に機能する組み合わせを特定し、高スループット自動化の現実的な条件下でも有効であることを維持する点から得られたとされています。GPT-5は、人間がこの構成で以前にテストしていなかった低コストの反応組成を特定しました。CFPSは長年研究されてきましたが、可能な混合物の空間は依然として広大であり、数千の組み合わせを迅速に提案・実行できる場合、手動ワークフローでは見逃しやすい実用的な領域を見つけることができると考えられます。
また、OpenAIの報告では、高スループットのプレートベース実験は、しばしば手動のベンチトップ実験とは異なることが明らかになりました。高スループット反応フォーマットでは酸素供給が低くなる可能性があり、混合と形状も異なります。実際、多くのCFPS反応は試験管の方がマイクロタイタープレートよりもはるかに多くのタンパク質を生成します。これは、一般的に大規模なスケールの方が酸素の利用可能性と混合が優れているためです。
プレートベースの低容量反応において、GPT-5はデータ分析用のコンピュータとウェブブラウザで関連論文を検索するアクセスを得た直後に、従来の最良の結果を上回る多くの反応を提案しました。全体として、GPT-5は高スループット制約下で良好に機能する多くの試薬組み合わせを提案し、その中には自動化ラボ設定で一般的な低酸素条件下でより堅牢なものも多く含まれていました。
さらに、OpenAIの研究では、緩衝液、エネルギー再生成分、ポリアミンのわずかな変更が、そのコストに比べて過大な影響を与えることが判明しました。これらは必ずしも人々が最初に手を伸ばすパラメータではありませんが、高スループットでは、背景の仮定ではなく検証可能な仮説となります。
コスト構造自体が重要な要素を形成しました。CFPSでは、コストは現在、溶解液とDNAによって支配されています。つまり、収量が最も影響力のある戦略であり、高価なインプット単位あたりのタンパク質出力を向上させることができれば、他の場所での限界的な節約を追求する前にコストで有意義な進展を遂げることができると言えます。
制限事項と今後の展開
OpenAIは、これらの結果が1つのタンパク質(sfGFP)と1つのCFPSシステムで実証されたものであり、他のタンパク質や他のCFPSシステムへの一般化はまだ示す必要があると明記しています。
また、酸素供給と反応の幾何学的形状は収量に強く影響する可能性があり、これらの因子はスケール間で変動する可能性があります。一部の改善はこれらの条件に敏感である可能性があり、これらの感度を理解することが次のステップの一部と考えられます。
プロトコルの改善と試薬の取り扱いには人間の監督が必要でした。システムは実験を設計し解釈することができますが、実験室の作業には経験豊富なオペレーターを必要とする実用的な詳細が依然として含まれています。
OpenAIは、より高速な反復が進展を解き放つことができる他の生物学的ワークフローにも、ラボインザループ最適化を適用する予定だとしています。自律ラボはモデルを補完するものと位置づけられており、モデルは設計を生成できますが、最終的に生物学は依然としてテストと反復を必要とします。生成と実験の間のループを閉じることが、有望なアイデアを実用的な結果に変える方法と考えられます。
また、OpenAIは、科学的進歩を安全かつ責任を持って加速するために取り組む中で、特にバイオセキュリティに関連するリスクを評価し削減することも目指しているとしています。これらの結果は、モデルがウェットラボでプロトコルを改善するために推論できることを示しており、Preparedness Frameworkを通じて評価し緩和するバイオセキュリティへの影響がある可能性があります。
まとめ
OpenAIとGinkgo Bioworksの共同研究は、GPT-5を活用した自律ラボシステムが生物学研究の反復速度を大幅に向上させ、タンパク質合成コストの40%削減を実現したことを示しました。この成果は、AIと実験室自動化の統合が、従来は時間とコストの制約によって制限されていた生物学的最適化に新たな可能性をもたらすことを示唆しています。今後、他の生物学的ワークフローへの応用が期待される一方で、バイオセキュリティなどの安全性評価も重要な課題と考えられます。
