36.000 thí nghiệm trong 6 tháng: Siêu liên minh OpenAI x Ginkgo định hình lại tương lai công nghệ sinh học

Theo trang tin Longevity.Technology, sự kết hợp giữa mô hình AI GPT-5 và phòng thí nghiệm tự chủ của Ginkgo Bioworks đang mở ra một hướng tiếp cận mới cho hoạt động nghiên cứu và phát triển trong công nghệ sinh học.

Hệ thống không chỉ tự động hóa quy trình thực nghiệm mà còn giúp giảm khoảng 40% chi phí sản xuất protein, qua đó tạo điều kiện để thực hiện nhiều nghiên cứu hơn với cùng một mức đầu tư.

Nếu được chứng minh hiệu quả trên quy mô rộng, mô hình này có thể tạo ra tác động đáng kể đối với lĩnh vực công nghệ sinh học kéo dài tuổi thọ.

Sự hợp tác mới giữa Công ty công nghệ sinh học hàng đầu của Mỹ chuyên về lĩnh vực sinh học tổng hợp của Mỹ Ginkgo Bioworks và OpenAI đang thu hút sự quan tâm của giới công nghệ sinh học khi hai công ty trình diễn một hệ thống phòng thí nghiệm tự chủ có khả năng thiết kế, vận hành và liên tục cải tiến các thí nghiệm sinh học với mức can thiệp của con người được giảm xuống tối thiểu.

Theo bản thảo tiền ấn phẩm (preprint) vừa được công bố, mô hình lập luận GPT-5 của OpenAI đã kết hợp với hạ tầng phòng thí nghiệm dựa trên nền tảng đám mây của Ginkgo để thực hiện hơn 36.000 thí nghiệm tổng hợp protein không tế bào trong vòng sáu tháng.

Trong suốt quá trình này, hệ thống liên tục lặp lại các chu trình xây dựng giả thuyết, phân tích dữ liệu và tối ưu hóa điều kiện thí nghiệm mà không cần các nhà nghiên cứu trực tiếp thao tác trên từng bước như phương pháp truyền thống.

Điểm đáng chú ý của nghiên cứu không nằm ở bản thân quy trình tổng hợp protein, mà ở cách AI đang thay đổi phương thức tiến hành nghiên cứu khoa học.

Thay vì phụ thuộc vào các thao tác thủ công tại bàn thí nghiệm, hệ thống cho phép chuyển đổi sang mô hình thực nghiệm có thể lập trình. AI không chỉ đề xuất các phương án thí nghiệm mà còn phân tích kết quả thu được, lựa chọn hướng tối ưu tiếp theo và tiếp tục lặp lại chu trình nghiên cứu.

Theo Ginkgo và OpenAI, cách tiếp cận này cho thấy tính tự chủ do AI thúc đẩy có thể rút ngắn đáng kể thời gian nghiên cứu, đồng thời mở ra khả năng tăng tốc quá trình khám phá khoa học trong nhiều lĩnh vực, đặc biệt là công nghệ sinh học trường thọ (longevity biotech).

Một trong những kết quả nổi bật nhất của nghiên cứu là khả năng cắt giảm chi phí.

Theo hai công ty, hệ thống đã giúp giảm khoảng 40% chi phí sản xuất protein thông qua việc tối ưu hóa các tổ hợp hóa chất sử dụng trong phản ứng.

Trước khi đưa vào vận hành, toàn bộ kế hoạch thí nghiệm đều được xác thực bằng mô hình cấu trúc nhằm loại bỏ các thiết kế có nguy cơ thất bại.

Sau mỗi vòng thực nghiệm, GPT-5 còn tự động tạo ra các nhật ký phòng thí nghiệm ở dạng con người có thể đọc được, ghi lại toàn bộ lập luận, quá trình ra quyết định và kết quả thu được.

Trong mô hình này, vai trò của con người chủ yếu giới hạn ở việc chuẩn bị hóa chất và giám sát môi trường tự động, trong khi phần lớn quá trình thiết kế và tối ưu hóa thí nghiệm được AI đảm nhiệm.

Đồng sáng lập Ginkgo, bà Reshma Shetty, cho biết: “Bằng cách kết hợp một mô hình ngôn ngữ lớn tiên phong với một phòng thí nghiệm tự chủ, chúng tôi đã tìm ra các thành phần phản ứng có chi phí rẻ hơn đáng kể so với các công nghệ tiên tiến trước đây”.

Theo bà, lợi ích của việc giảm chi phí không chỉ dừng lại ở khía cạnh kinh tế: “Hóa chất chi phí thấp hơn cho việc sản xuất protein cho phép tạo ra nhiều dữ liệu hơn, và do đó đạt được nhiều tiến bộ khoa học hơn trên mỗi USD chi trả”.

Giá trị thực sự nằm ở tốc độ nghiên cứu và phát triển

Tác động lớn hơn của mô hình phòng thí nghiệm tự chủ không phải là khả năng tổng hợp protein, mà là tiềm năng thay đổi cách hoạt động nghiên cứu và phát triển (R&D) được triển khai.

Trong nghiên cứu công nghệ sinh học hiện đại, đặc biệt là phát triển thuốc và sinh học dịch mã, trở ngại lớn thường không phải thiếu giả thuyết khoa học.

Vấn đề nằm ở việc các nhóm nghiên cứu không thể kiểm chứng đủ số lượng giả thuyết trong thời gian đủ ngắn, với mức chi phí đủ thấp và quy trình đủ nghiêm ngặt.

Chính vì vậy, nếu AI có thể rút ngắn chu kỳ thử nghiệm, giảm chi phí cho mỗi lần thực nghiệm và duy trì chất lượng dữ liệu, năng lực nghiên cứu sẽ được mở rộng đáng kể.

Đây cũng là lý do mô hình này được đánh giá có tiềm năng đặc biệt đối với lĩnh vực kéo dài tuổi thọ, nơi quá trình nghiên cứu thường kéo dài nhiều năm và đòi hỏi số lượng thí nghiệm rất lớn.

Khác với nhiều lĩnh vực sinh học khác, nghiên cứu kéo dài tuổi thọ liên quan đến các cơ chế sinh học cực kỳ phức tạp cùng những chu kỳ phản hồi kéo dài.

Các nhà khoa học trong lĩnh vực này thường phải tiến hành số lượng lớn thí nghiệm để kiểm chứng từng giả thuyết, trong khi mỗi chu kỳ đánh giá lại tiêu tốn đáng kể thời gian, nhân lực và kinh phí.

Theo Ginkgo, tầm nhìn của công ty là xây dựng các phòng thí nghiệm nơi nhà nghiên cứu chỉ cần mô tả mục tiêu khoa học, còn toàn bộ chiến dịch thực nghiệm sẽ được hệ thống tự động triển khai.

Nói cách khác, các nhà khoa học có thể nhiệm vụ hóa các thí nghiệm tự động chỉ bằng cách yêu cầu chúng.

Sau khi xác định mục tiêu nghiên cứu, hệ thống sẽ tự vận hành quy trình, thực hiện các vòng lặp tối ưu và trả về dữ liệu có thể tái lập mà không còn phải tiêu tốn hàng tháng lao động thủ công trong phòng thí nghiệm.

Theo CEO Ginkgo Jason Kelly: “Các phòng thí nghiệm tự chủ kết hợp với AI sẽ giúp khoa học trở nên dễ tiếp cận hơn, cho phép nhiều người hơn theo đuổi các nghiên cứu gốc, đặc biệt là trong lĩnh vực trường thọ, nơi sự tham gia rộng rãi hơn có thể đẩy nhanh tiến trình”.

OpenAI đang mở rộng dấu ấn trong công nghệ sinh học

Sự xuất hiện của OpenAI trong dự án này cũng phản ánh xu hướng AI ngày càng đóng vai trò quan trọng trong hoạt động nghiên cứu và phát triển công nghệ sinh học.

Nhà sáng lập OpenAI Sam Altman từ lâu đã thể hiện sự quan tâm đến lĩnh vực kéo dài tuổi thọ khi tự tài trợ cho Retro Biosciences, công ty công nghệ sinh học tập trung nghiên cứu kéo dài tuổi thọ.

Sau đó, Retro Biosciences cũng hợp tác với OpenAI nhằm thúc đẩy nghiên cứu tái lập trình tế bào.

Bên cạnh đó, OpenAI còn là nhà tài trợ cho Chai Discovery, đơn vị phát triển các giải pháp tìm kiếm thuốc bằng AI.

Những động thái này cho thấy một định hướng ngày càng rõ ràng: AI được kỳ vọng sẽ đảm nhận nhiều hơn các công việc trong chuỗi nghiên cứu và phát triển, từ thiết kế phân tử, đề xuất giả thuyết, xác định thứ tự ưu tiên cho các thí nghiệm đến tối ưu hóa quy trình nghiên cứu.

Dù kết quả ban đầu rất đáng chú ý, nghiên cứu vẫn tồn tại những giới hạn cần được nhìn nhận thận trọng.

Trước hết, đây mới chỉ là một bản thảo tiền ấn phẩm và chưa trải qua quá trình bình duyệt khoa học. Đồng thời, các phòng thí nghiệm tự chủ cũng không làm cho sinh học trở nên đơn giản hơn, bởi bản chất của các hệ thống sinh học vẫn rất phức tạp và luôn tồn tại nhiều biến số khó kiểm soát.

Tuy nhiên, nếu mô hình kết hợp giữa GPT-5 và phòng thí nghiệm tự chủ được chứng minh là hiệu quả, có khả năng tái lập và mở rộng sang nhiều lĩnh vực thực nghiệm khác, đây có thể trở thành một bước ngoặt quan trọng đối với hoạt động nghiên cứu công nghệ sinh học.

Quan trọng hơn, việc rút ngắn thời gian thử nghiệm, giảm chi phí và tăng số lượng giả thuyết có thể được kiểm chứng sẽ tạo điều kiện để các nhà khoa học khám phá nhanh hơn những cơ chế sinh học liên quan đến lão hóa và tuổi thọ.

Đó cũng là lý do sự hợp tác giữa Ginkgo Bioworks và OpenAI đang được xem là một trong những tín hiệu đáng chú ý về tương lai của AI trong công nghệ sinh học, nơi các phòng thí nghiệm tự chủ có thể trở thành nền tảng mới giúp đẩy nhanh tiến trình nghiên cứu kéo dài tuổi thọ.

* Nguồn: Longevity.Technology

Mai Mai