OpenAI 公布了一个案例：推理模型「GPT-5 Pro」帮助一位免疫学家解开了困扰其团队三年的谜题[1]。在一项关于免疫细胞「T 细胞」的实验中（T 细胞与癌症和自身免疫疾病密切相关），面对专家都无法解释的现象，模型给出了一个合乎逻辑的机制。值得注意的是，AI 并非给出诊断或最终结论，而是补充人类的专业知识、为研究照亮了方向。
被搁置三年的实验
谜题要追溯到 2022 年[1]。在 The Jackson Laboratory 与 University of Connecticut 担任教授的免疫学家 Derya Unutmaz 当时正在研究：一种名为葡萄糖的糖类如何影响 T 细胞的发育与分工。T 细胞负责对抗病毒、杀死癌细胞、应对部分细菌和寄生虫，并区分健康细胞与威胁，在发育过程中分化出各种不同角色。
实验中，研究团队将发育早期的 T 细胞分别置于葡萄糖含量较低的环境，或含有一种类葡萄糖分子「脱氧葡萄糖」的环境[1]。脱氧葡萄糖会干扰细胞利用葡萄糖的能力，扰乱能量生产与蛋白质合成。由于两种条件都会限制能量，团队原本预期结果会相似。
然而结果出乎预料[1]。暴露于脱氧葡萄糖的 T 细胞，压倒性地生成了与炎症反应相关的细胞。而在低葡萄糖环境中，虽然也有部分细胞分化为炎症反应细胞，但数量远不及脱氧葡萄糖一侧。更重要的是，早期暴露于脱氧葡萄糖所带来的影响，即便在移除该分子后依然存在。仅凭能量不足无法解释，似乎还有别的机制在起作用。当时团队无法查明原因，只好将这项实验搁置，转向其他课题。
GPT-5 Pro 指向的答案：糖基化
转机出现在 2025 年下半年[1]。借着 GPT-5 Pro 发布的契机，Unutmaz 把当年一张尚未发表的流式细胞术散点图（显示不同 T 细胞亚群）输入模型，询问什么能解释这些数据、下一步应做哪些实验。
GPT-5 Pro 指出，真正的原因并非单纯的能量不足，而是细胞为蛋白质接上糖链的「N-连接糖基化」在初始刺激（priming）阶段受到了干扰[1]。它还预测，作出反应的是「记忆 T 细胞」，而非未成熟的（naïve）T 细胞。模型进而提出了具体的后续实验，包括一项只恢复糖链生成、而不恢复糖酵解的「甘露糖补充实验」。实验室此前恰好做过这项实验，结果与模型的预测完全吻合。
「GPT-5 提出了一个回头看完全合情合理、却又十分精彩的洞见，」Unutmaz 说[1]。这一关联恰好略微超出了他自身的专业领域，因此他本人和实验室里的任何人都未能察觉。
连未发表的结果都预测对了
接着，Unutmaz 测试 GPT-5 Pro 能否预测实验结果[1]。他选取的题材，是自己此前已经完成的一项实验，涉及一种以某类淋巴瘤为标靶的 T 细胞。他的实验显示，这种被称为「CD8+」的 T 细胞，杀伤淋巴瘤细胞的能力有所增强。
当他让 GPT-5 Pro 模拟同一实验时，模型正确预测了 CD8+ 细胞杀伤能力的提升[1]。由于他尚未公开这一结果，模型不可能从互联网上获取答案。「那一刻我觉得，好吧，这些模型如今已经到了真正理解的程度，」他回忆道。
Unutmaz 表示，如今像 GPT-5 Pro 这样的模型更像是合作者[1]。它们可以读取每周多达数百篇的新论文以提升文献调研效率，帮助发现尚未解答的问题，并协助打磨假说。「为验证假说能做的事情非常多，方法不计其数，但你并不知道哪一种最好，」他说。于是他让模型模拟实验、预测结果，从而筛选出真正值得在实验室中开展的实验。这有时能省下数周、数月乃至数年的工作量，有望大幅加快生物学的进展。
专业知识仍是前提，也需谨慎对待
不过，这并不意味着专业知识变得多余[1]。AI 即便产生洞见，判断其重要性与合理性的，依然是人。OpenAI 指出，若没有 Unutmaz 那样的专业水平，也无法判断模型在其免疫细胞实验中提示的机制是否重要。
加速研究的力量，同样要求负责任地使用[1]。它在推动生物学与医学进步的同时，也可能为意图设计生物或化学武器的不良行为者降低门槛。OpenAI 在其「Preparedness Framework」中阐述了如何追踪这类风险，并针对可能造成严重危害的能力建立防护措施。
Unutmaz 本人对 AI 的走向持乐观态度[1]。最近他还使用 Codex 和 GPT-5.2 Deep Research，整理大规模癌症突变数据集，并制作研究素材，包括一份聚焦 T 细胞的厚重教科书草稿，目标都是加速精准免疫治疗。「不仅能在历史性时刻见证这一切，还能略微参与其中，我感到无比幸运和荣幸，」他说。
总结
OpenAI 的「GPT-5 Pro」针对 Derya Unutmaz 搁置了三年的 T 细胞谜题，给出了以 N-连接糖基化与记忆 T 细胞为核心、合乎逻辑的假说，甚至正确预测了一项未发表实验的结果[1]。模型与其说是直接给出答案，不如说是作为合作者提出可供专家验证的假说。最终评判仍取决于人类的专业知识，防范滥用也不可或缺，但这无疑是 AI 加速科学发现的一个具体例证。
