Три года иммунолог Дерья Унутмаз не мог понять, почему два похожих способа ограничить глюкозу дают Т-клеткам совершенно разные судьбы. В конце 2025 года он загрузил данные в GPT-5 Pro — и получил объяснение за один разговор.
В 2022 году Унутмаз поставил эксперимент: одни Т-клетки развивались в среде с низкой концентрацией глюкозы, другие — в присутствии дезоксиглюкозы, молекулы, которая блокирует нормальное использование глюкозы клеткой. Ожидалось, что результаты окажутся похожими: в обоих случаях клетки испытывают энергетический дефицит. Вышло иначе. Клетки с дезоксиглюкозой массово становились Th17 — воспалительными иммунными клетками, тогда как в просто низкоглюкозной среде такого эффекта не было. Лаборатория не смогла объяснить разницу и отложила эксперимент.
GPT-5 Pro предложил механизм: дезоксиглюкоза нарушает синтез белка IL-2, который в норме удерживает Т-клетки от превращения в Th17. Убери этот барьер — и клетки массово уходят в воспалительный путь. Объяснение лежало на стыке метаболизма и иммунологии, вне зоны экспертизы самого Унутмаза. «GPT-5 пришёл к по-настоящему замечательному выводу, который задним числом выглядит совершенно логично», — сказал он.
Чтобы проверить, насколько модели можно доверять, Унутмаз попросил её предсказать исход другого эксперимента — уже проведённого, но не опубликованного. Речь шла о CD8+ Т-клетках, нацеленных на лимфому. GPT-5 Pro правильно предсказал, что эти клетки покажут усиленную способность убивать опухоль. В открытом доступе данных не было — модель не могла их найти. «Это был момент, когда я почувствовал: модели действительно понимают», — сказал Унутмаз.
Теперь он использует GPT-5 Pro иначе, чем поисковик или ассистент. До постановки эксперимента в лаборатории он просит модель симулировать исход — это сужает список гипотез, которые стоит проверять вживую, и сокращает цикл с месяцев до дней. Параллельно он применяет Codex и GPT-5.2 Deep Research для сборки датасетов по мутациям рака и написания черновика учебника по Т-клеточной иммунологии.
История описывает конкретный рабочий паттерн: модель как «второй мозг» именно там, где у эксперта слепое пятно на стыке дисциплин. Честный пробел здесь важен: OpenAI не публикует данных о том, как часто подобные инсайты оказываются ложными. Все приведённые случаи отобраны постфактум как успешные — систематической статистики ошибок нет.