Внутри биолаборатории всё решают мелочи вроде - концентрации, температуры, порядка добавления реагентов, время инкубаций. Любое отклонение превращается в потерянный день. В эксперименте OpenAI модель GPT-5 получила роль не справочника, а полноценного оптимизатора. Она анализировала исходный протокол клонирования, предлагала изменения и учитывала результаты новых экспериментов. Люди при этом делали главное, что ИИ пока не умеет делать сам. Выполняли модифицированный протокол и загружали данные обратно в систему. Какой получился результат Клонирование — один из базовых инструментов молекулярной биологии. На нём держатся библиотеки вариантов для инженерии белков, генетические скрининги и работа со штаммами. Именно поэтому эффективность здесь критична. Чем больше правильных клонов получается из фиксированного количества входной ДНК, тем быстрее исследователь добирается до нужной молекулы или эффекта. В этой настройке, по итогам нескольких раундов, для одного и того же объёма входной ДНК удалось получить в 79 раз больше клонов с проверенной последовательностью по сравнению с базовым протоколом. Что именно предложил ИИ Ключевой ход GPT-5 — введение двух белков, которые в паре создают новый механизм стыковки ДНК: рекомбиназа RecA из E. coli и белок gp32, связывающий одноцепочечную ДНК фага T4. В описанной логике gp32 помогает разгладить и распутать свободные концы ДНК, а RecA затем направляет цепи к правильному совпадению, повышая вероятность нужной сборки. Важно то, что это не магия одного совета от ChatGPT, а серия итераций. Модель предлагала набор вариантов реакций, лучшие результаты переходили в следующий круг оптимизации. Как проверяли идеи на практике Эксперимент построили как замкнутый цикл «ИИ → лаборатория → данные → снова ИИ» с фиксированными промптами, чтобы измерить способность модели предлагать улучшения без подсказок человека. Использовали сборку HiFi — проприетарный набор ферментов на основе Gibson assembly — и тестовую задачу с двумя фрагментами: геном зелёного флуоресцентного белка и плазмидой pUC19. В каждом раунде GPT-5 предлагала 8–10 вариантов, учёные измеряли число колоний относительно базового метода, а протоколы выполнял робот (Robot on Rails совместно с Red Queen Bio), который переводит инструкции на обычном английском языке в действия. Что это меняет (и чего пока не обещает) Эти результаты обнадёживают, но они завязаны на конкретную модельную систему и конкретную постановку клонирования — то есть не означают, что «любой протокол можно улучшить в десятки раз одной кнопкой». В реальной науке следующий шаг — проверка воспроизводимости - работает ли улучшение на других конструкциях, с другими фрагментами, на других штаммах, в другой лаборатории и при других ограничениях по реагентам и времени. Но даже в текущем виде эксперимент показывает важную вещь - ИИ может быть не только помощником в тексте, а инструментом, который ускоряет эмпирический поиск — там, где раньше требовались недели ручных переборов условий и аккуратной лабораторной интуиции.