Sztuczna inteligencja po raz pierwszy zaprojektowała funkcjonalny genom bakteriofaga
Zespół badaczy z Arc Institute, Uniwersytetu Stanforda i Memoral Sloan Kettering Cancer Center – pod kierunkiem Samuela H. Kinga, Maksa E. Wilkinsona i Briana L. Hie – opublikował pracę, która przesuwa granice biologii syntetycznej. Po raz pierwszy udało się zaprojektować za pomocą sztucznej inteligencji kompletne, funkcjonalne genomy wirusów – bakteriofagów. Naukowcy wykorzystali modele językowe Evo 1 i Evo 2 wyspecjalizowane w genomie. Modele te, podobnie jak modele generujące tekst, uczą się reguł rządzących sekwencjami DNA na ogromnych zbiorach danych, obejmujących materiał z ponad dwóch milionów genomów.
Dotychczasowe osiągnięcia AI w projektowaniu biologicznym dotyczyły pojedynczych białek lub genów. Zaprojektowanie całego genomu jest zadaniem znacznie trudniejszym, a pojedynczy błąd może spowodować, że genom będzie nieczynny.
Jako matrycę projektową wybrano bakteriofag ΦX174, atakujący bakterię E. coli. To niewielki, dobrze poznany fag, którego genom był pierwszym w historii w pełni zsekwencjonowanym i zsyntetyzowanym genomem DNA. Modele Evo doszkolono na kilkunastu tysiącach sekwencji z rodziny Microviridae, a następnie generowano nowe warianty genomu.
Wygenerowane sekwencje przechodziły wieloetapową selekcję, na którą składała się kontrola jakości sekwencji genetycznej, specyficzność tropizmu (czyli zdolność do atakowania konkretnej bakterii) oraz ich różnorodności ewolucyjnej.
Spośród 302 wyselekcjonowanych kandydatów stworzonych przez EVO zsyntetyzowano i przetestowano eksperymentalnie 285 genomów. Szesnaście z nich okazało się w pełni funkcjonalnymi, zdolnymi do namnażania fagami, nazwanymi Evo-Φ. Gdy następnie fagi te skonfrontowano z E. coli C, które miały być ich celem, wzrost bakterii został zatrzymany. Fagi działały. Następnie fagi przetestowano na podobnym do E. coli C szczepie E. coli K-12. W tym przypadku fagi nie zadziałały, K-12 swobodnie się namnażały. Oznacza to, że zaprojektowane przez EVO fagi precyzyjnie atakowały cel, na który były nakierowane.
Wygenerowane fagi nie tylko działały – część przewyższała ΦX174 pod względem sprawności. W testach konkurencyjnych fag Evo-Φ69 niemal zawsze zwyciężał, osiągając nawet 65-krotny wzrost liczebności względem ΦX174. Inny wariant, Evo-Φ2483, wykazywał szybszą i silniejszą lizę zakażonych komórek bakteryjnych.
Największe praktyczne znaczenie ma jednak eksperyment z opornością bakteryjną. Naukowcy wyhodowali szczepy E. coli oporne na ΦX174. Podczas gdy sam ΦX174 nie potrafił pokonać żadnego z opornych szczepów, koktajl złożony z szesnastu wygenerowanych fagów przełamywał oporność wszystkich trzech szczepów. To wynik istotny w kontekście terapii fagowej, rozważanej jako alternatywa dla antybiotyków w dobie narastającej lekooporności bakterii.
Autorzy podkreślają, że praca powstała przy zachowaniu odpowiednich zabezpieczeń biologicznych, a same modele Evo mają wbudowane ograniczenia uniemożliwiające projektowanie genomów wirusów eukariotycznych, w tym patogennych dla człowieka.
Badanie to przełomowa demonstracja możliwości projektowania genomów przez AI. Należy jednak podkreślić, że nie zaprojektowano nowego organizmu, a warianty genomu bakteriofaga. Po wytrenowaniu modelu naukowcy, w ramach promptu, podali kilka pierwszych nukleotydów ΦX174. W ten sposób naprowadzili system na to, co chcą uzyskać. Evo, na podstawie tego co się nauczył, wygenerował liczne warianty genomu ΦX174, z czego 16 rzeczywiście działało.
Widzimy tutaj, że genom można potraktować jak język, a specjalistyczne modele językowe są w stanie generować funkcjonalne proste „zdania” takiego języka. Nie wiadomo jednak, czy metodę tę można skalować poza małe bakteriofagi. Specjaliści podkreślają, że może być to potencjalnie ważna metoda projektowania w przyszłości organizmów do terapii fagowej nakierowanej na walkę z antybiotykoopornymi infekcjami. Być może zatem badania te przyczynią się do powstania nowej klasy narzędzi biologicznych. Ich tworzenie będzie wymagało jednak rozsądnego nadzoru.
Komentarze (0)