Společnosti OpenAI a Retro Biosciences navázaly spolupráci, jejímž cílem je posunout výzkum buněčného přeprogramování. Z prvních výsledků vyplývá, že se jim podařilo vytvořit účinnější varianty takzvaných Yamanaka faktorů, které dokáží lépe omladit lidské buňky a opravit poškození DNA.
Základem projektu je model GPT-4b micro, což je specializovaná verze multimodálního modelu GPT-4o, která byla přetrénována na proteinové inženýrství. Retro Biosciences tento model použila k přepracování dvou klíčových transkripčních faktorů, které jsou součástí Yamanaka faktorů. Tyto upravené faktory údajně dosáhly ve studii více než padesátinásobného zvýšení exprese markerů kmenových buněk ve srovnání s původními faktory. Navíc bylo zjištěno, že optimalizované faktory lépe opravují poškození DNA, což je jeden z hlavních indikátorů buněčného omlazení.
Retro Biosciences je financována mimo jiné ze soukromých peněz Sama Altmana, zakladatele OpenAI. Její deklarovanou misí je prodloužit zdravou délku lidského života o deset let. Jedním z jejích výzkumných programů je právě buněčné přeprogramování, které navazuje na objev profesora Shinyi Yamanaky, oceněný Nobelovou cenou. Yamanaka zjistil, že dospělá buňka může být navrácena do stavu embryonální kmenové buňky pomocí klíčové skupiny proteinových transkripčních faktorů, známých jako Yamanaka faktory. Tyto faktory – OCT4, SOX2, KLF4 a MYC – jsou pro proces přeprogramování zásadní, ale v jejich přirozené podobě jsou neefektivní. Přemění méně než jednu z tisíce buněk a proces trvá několik týdnů.
Společnost Retro Biosciences proto využila model GPT-4b micro k vytvoření variant s označením RetroSOX a RetroKLF, které představují vylepšené verze faktorů SOX2 a KLF4. OpenAI uvádí, že přes 30 % variant navržených umělou inteligencí překonalo původní protein, přičemž u variant KLF4 to bylo dokonce téměř 50 %. V kombinaci s ostatními faktory tyto upravené proteiny výrazně urychlily proces přeměny a zlepšily opravu DNA.
Podle obou společností byly tyto výsledky potvrzeny v opakovaných experimentech s různými typy buněk a metodami doručení. Ukázalo se, že přeprogramované buňky vykazují jak plně pluripotentní vlastnosti, tak i genetickou stabilitu.
GPT-4b micro byl trénován na kombinaci proteinových sekvencí, strukturních dat a dalších informací o funkčních vlastnostech proteinů. Tento přístup umožnil modelu generovat sekvence upravené pro specifické vlastnosti, což se ukázalo jako velmi účinné.
Boris Power, vedoucí výzkumných partnerství v OpenAI, k tomu uvedl, že pokud se výzkumníci s hlubokými znalostmi svého oboru spojí s nástroji velkých jazykových modelů, mohou se problémy, jejichž řešení dříve trvalo roky, posunout během několika dnů.