OpenAI 公布了一個案例：推理模型「GPT-5 Pro」協助一位免疫學家解開了困擾其團隊三年的謎題[1]。在一項關於免疫細胞「T 細胞」的實驗中（T 細胞與癌症及自體免疫疾病密切相關），面對連專家都無法解釋的現象，模型提出了一個合乎邏輯的機制。值得注意的是，AI 並非給出診斷或最終結論，而是補足人類的專業知識、為研究照亮了方向。
被擱置三年的實驗
謎題要追溯到 2022 年[1]。在 The Jackson Laboratory 與 University of Connecticut 擔任教授的免疫學家 Derya Unutmaz，當時正在研究：一種名為葡萄糖的醣類，如何影響 T 細胞的發育與分工。T 細胞負責對抗病毒、殺死癌細胞、因應部分細菌與寄生蟲，並區分健康細胞與威脅，並在發育過程中分化出各種不同的角色。
實驗中，研究團隊將發育早期的 T 細胞，分別置於葡萄糖含量較低的環境，或含有一種類葡萄糖分子「去氧葡萄糖」的環境[1]。去氧葡萄糖會干擾細胞運用葡萄糖的能力，擾亂能量生產與蛋白質合成。由於兩種條件都會限制能量，團隊原本預期結果會相近。
然而結果出乎意料[1]。暴露於去氧葡萄糖的 T 細胞，壓倒性地生成了與發炎反應相關的細胞。而在低葡萄糖環境中，雖然也有部分細胞分化為發炎反應細胞，但數量遠不及去氧葡萄糖一側。更重要的是，早期暴露於去氧葡萄糖所帶來的影響，即使在移除該分子後依然存在。僅憑能量不足無法解釋，似乎還有別的機制在運作。當時團隊無法查明原因，只好將這項實驗擱置，轉而投入其他課題。
GPT-5 Pro 指向的答案：醣基化
轉機出現在 2025 年下半年[1]。趁著 GPT-5 Pro 發布的契機，Unutmaz 將當年一張尚未發表的流式細胞術散佈圖（顯示不同 T 細胞亞群）輸入模型，詢問什麼能解釋這些資料、下一步該做哪些實驗。
GPT-5 Pro 指出，真正的原因並非單純的能量不足，而是細胞為蛋白質接上醣鏈的「N-連結醣基化」在初始刺激（priming）階段受到了干擾[1]。它還預測，作出反應的是「記憶 T 細胞」，而非未成熟的（naïve）T 細胞。模型進而提出了具體的後續實驗，包括一項只恢復醣鏈生成、而不恢復糖解作用的「甘露糖補充實驗」。實驗室先前恰好做過這項實驗，結果與模型的預測完全吻合。
「GPT-5 提出了一個回頭看完全合情合理、卻又十分精彩的洞見，」Unutmaz 說[1]。這項關聯恰好略微超出了他本身的專業領域，因此他本人與實驗室裡的任何人都未能察覺。
連未發表的結果都預測對了
接著，Unutmaz 測試 GPT-5 Pro 能否預測實驗結果[1]。他選取的題材，是自己先前已經完成的一項實驗，牽涉一種以某類淋巴瘤為標靶的 T 細胞。他的實驗顯示，這種被稱為「CD8+」的 T 細胞，殺傷淋巴瘤細胞的能力有所增強。
當他讓 GPT-5 Pro 模擬同一項實驗時，模型正確預測了 CD8+ 細胞殺傷能力的提升[1]。由於他尚未公開這項結果，模型不可能從網路上取得答案。「那一刻我覺得，好吧，這些模型如今已經到了真正理解的程度，」他回憶道。
Unutmaz 表示，如今像 GPT-5 Pro 這樣的模型更像是合作夥伴[1]。它們可以讀取每週多達數百篇的新論文以提升文獻調查效率，協助發現尚未解答的問題，並幫忙打磨假說。「為了驗證假說能做的事情非常多，方法不計其數，但你並不知道哪一種最好，」他說。於是他讓模型模擬實驗、預測結果，藉此篩選出真正值得在實驗室中進行的實驗。這有時能省下數週、數月乃至數年的工作量，有望大幅加快生物學的進展。
專業知識仍是前提，也需謹慎看待
不過，這並不代表專業知識變得多餘[1]。AI 即便產生洞見，判斷其重要性與合理性的，依然是人。OpenAI 指出，若沒有 Unutmaz 那樣的專業水準，也無法判斷模型在其免疫細胞實驗中所提示的機制是否重要。
加速研究的力量，同樣要求負責任地使用[1]。它在推動生物學與醫學進步的同時，也可能為意圖設計生物或化學武器的不良行為者降低門檻。OpenAI 在其「Preparedness Framework」中說明了如何追蹤這類風險，並針對可能造成嚴重危害的能力建立防護措施。
Unutmaz 本人對 AI 的走向抱持樂觀[1]。最近他還運用 Codex 與 GPT-5.2 Deep Research，整理大規模癌症突變資料集，並製作研究素材，包括一份聚焦 T 細胞的厚重教科書草稿，目標都是加速精準免疫治療。「不僅能在歷史性的時刻見證這一切，還能略微參與其中，我感到無比幸運與榮幸，」他說。
總結
OpenAI 的「GPT-5 Pro」針對 Derya Unutmaz 擱置了三年的 T 細胞謎題，提出了以 N-連結醣基化與記憶 T 細胞為核心、合乎邏輯的假說，甚至正確預測了一項未發表實驗的結果[1]。與其說模型直接給出答案，不如說它扮演了提出假說、供專家驗證的合作夥伴。最終評斷仍取決於人類的專業知識，防範濫用也不可或缺，但這無疑是 AI 加速科學發現的一個具體例證。
