Ginkgo CEO Jason Kelly希望通过自动化使生物制药实验"像魔法一样"。照片由Bloomberg/Bloomberg通过Getty Images提供。
生物制药行业正从汽车行业汲取经验， increasingly focused on autonomous capabilities as a means towards improved accuracy, reproducibility, and efficiency in research and development (R&D).
随着人工智能(AI)的突破性进展，机械臂和其他先进机器的开发也取得了显著进步。能够协调甚至规划实验的AI代理有望将人类研究人员从繁琐工作中解放出来，使其专注于更具抽象性和概念性的科学工作，同时扩大可能的研究与开发规模。
Ginkgo Bioworks是生物制药领域自主实验室的主要开发者。公司CEO Jason Kelly与《制药技术》杂志交谈，解释了这些系统的工作原理及其可能对行业产生的影响。他将Ginkgo在生物制药领域的工作比作Waymo等自动驾驶汽车公司对交通行业所做的贡献，并表示"AI科学家"正快速成为现实。
本次采访已为长度和清晰度进行了编辑。
Frankie Fattorini (FF): 自主生物制药实验室的原理是什么？
Jason Kelly (JK): 我喜欢用交通运输业来类比。如果你考虑低变异性高自动化的场景，那就是火车。如果自动化程度降低而变异性增加，那就是汽车；你需要控制它，但你想把它带到哪里完全是可变的。这就是过去100年交通运输行业的状况。
如果你最近去过旧金山，看到Waymos[自动驾驶汽车]在街上行驶，就会明白。它就像乘坐地铁，但会直接把你送到家门口。我们称这种状态为"自主"。
我们有变异性低、自动化程度高的实验室，称为"工作单元"(workcells)，Thermo Fisher、HighRes Biosolutions和Biosero等公司出售这类设备。[在工作单元中]，一个机械臂位于一个大玻璃箱内10台设备的中央。它功能强大且完全自动化，但必须运行昨天相同的实验。你不能让它做新的事情。
实验台则涉及低自动化和高变异性。在学术或制药实验室，你主要会看到实验台和穿着白大褂的科学家站在前面手工操作。
我们试图构建的是Waymo[版本]。我们希望取代投入实验台的数十亿美元，让科学家能够订购任何他们想要的实验；[就像]他们坐在Waymo的后座告诉它去哪里一样。
Jason Kelly，Ginkgo Bioworks联合创始人兼CEO
FF: Ginkgo用于生物制药研究的自主实验室是什么样的？
JK: 在波士顿，我们有一个18,000平方英尺的实验室，配备了70台机器人，总共约90种不同的实验室设备，全部集成在一个系统中。Ginkgo科学家定期向该系统提交新协议，因此在繁忙的日子里，我们可能会有30种独特协议和80或100个总协议，因为人们会要求进行重复实验。
例如，40或50名科学家可以访问50或100种不同类型的实验室设备：离心机、加热块、液相色谱-质谱(LC-MS)设备。他们在这个实验室中走动，将样本移动到这些设备上，然后对设备进行编程。
每台设备都与其他设备相连。这是因为在手动实验室中，你可以轻松地在设备之间移动样本。在这个实验室中，你不仅限于机械臂能够触及的范围，就像传统工作单元中那样。
我们通过MagneMotion轨道将所有机械臂连接起来，这类似于工业运输自动化系统，它可以运送96孔、384孔或1,536孔板。它会将这些板送到系统上的任何设备。然后，每台设备都有一个六轴机械臂。它拾取平板并以极高的可靠性将其放置到设备上。
然后，重要的是，每台设备都连接到我们的软件。你可以使用我们的软件对设备进行编程。越来越多地，你可以用英语与软件对话，并将协议翻译成代码，使其通过Ginkgo这里的70机器人系统运行。
FF: 自主实验室距离完全独立自主还有多远？
JK: 当人们思考这项技术成为行业重要组成部分时，有一个关键区别需要明确。正在开发的有两种不同的技术：一种是自主实验室，第二种是AI科学家。
我们非常专注于自主实验室部分。无论是一个AI模型还是一个人类说"这是我想要完成的协议，我现在就想完成它"，我们都希望提供一个美妙的体验。Edison Scientific、Potato.ai等公司正试图使推理模型成为更好的科学家。
我们与OpenAI合作进行了一个实验，其中GPT-5作为AI科学家运行Ginkgo的自主实验室。我们从事了一个关于无细胞蛋白合成的项目。学术团体和行业团体一直在努力降低从无细胞合成样本中获取蛋白质的成本，因为这很昂贵。
斯坦福大学和Michael Jewett教授实验室的一篇论文对不同试剂的最佳混合物进行了基准测试，以确定每美元生产蛋白质的最便宜方法。我们试图超越这一成果。
因此，我们进行了100轮384孔板实验。GPT-5设计实验，我们运行它并提供数据，然后GPT-5设计下一个实验。经过四轮实验，它击败了斯坦福论文的结果。经过六轮实验，它将成本降低了40%。
【全文结束】