OpenAI ha creat un model de llenguatge que genera proteïnes per transformar cèl·lules normals en cèl·lules mare, superant els esforços humans en aquest àmbit. Aquest desenvolupament és el primer de l'empresa centrat en dades biològiques i marca la seva primera afirmació pública que la intel·ligència artificial pot produir avenços científics inesperats, un gran assoliment en la recerca de la intel·ligència artificial general (IAG). El conseller delegat d'OpenAI, Sam Altman, ha expressat la seva confiança en la capacitat de la seva empresa per desenvolupar IAG, afirmant que la IA avançada podria augmentar molt la innovació científica. Aquesta iniciativa d'enginyeria de proteïnes va començar quan Retro Biosciences, una empresa de recerca sobre la longevitat amb seu a San Francisco, va buscar col·laboració amb OpenAI. Cal destacar que Altman ha invertit 180 milions de dòlars en Retro. Retro té com a objectiu ampliar la vida humana deu anys mitjançant la investigació dels factors Yamanaka: proteïnes que poden revertir les cèl·lules de la pell a un estat semblant al de les cèl·lules mare, capaces de convertir-se en qualsevol tipus de teixit. No obstant això, els mètodes actuals per reprogramar cèl·lules són ineficients, amb una taxa d'èxit inferior al 1%. El nou model, GPT-4b micro, es va desenvolupar per millorar l'eficàcia dels factors Yamanaka. Els primers resultats indiquen que les modificacions del model han fet que aquests factors siguin més de 50 vegades més efectius. Investigadors d'OpenAI, incloent John Hallman i Aaron Jaech, estan liderant aquesta iniciativa.

Encara que els resultats esperen publicació, l'ús del model es limita actualment a fins demostratius. A diferència d'AlphaFold de Google, que prediu estructures de proteïnes, GPT-4b es va entrenar amb diverses seqüències de proteïnes i les seves interaccions. Els científics de Retro van utilitzar el model per proposar redissenys de proteïnes Yamanaka, emprant una tècnica de provocació similar a l'aprenentatge "few-shot". Si bé l'enginyeria genètica tradicional té limitacions en el nombre de variacions que pot provar, el model d'OpenAI sovint suggereix nombrosos canvis alhora. Els primers resultats de Retro han confirmat que el model ofereix propostes de redisseny altament efectives. Un investigador en envelliment de Harvard va destacar la importància d'optimitzar la producció de cèl·lules mare, especialment per a tipus i espècies cel·lulars difícils. No obstant això, la metodologia exacta darrere de les conclusions de GPT-4b continua sent poc clara, reflectint les complexitats que es veuen en altres models d'IA. Tot i que OpenAI afirma que no hi va haver intercanvis financers en la col·laboració, la societat amb Retro, que es beneficia del suport d'Altman, planteja preguntes sobre possibles conflictes d'interès. Altres inversions d'Altman en startups tecnològiques han generat preocupacions sobre la transparència i els conflictes que envolten les operacions d'OpenAI. No obstant això, OpenAI manté que la seva presa de decisions és independent de les inversions personals d'Altman.