Generatiivisesta tekoälystä laboratorioon: Stanfordissa synteettisistä DNA-sekvensseistä tulee toiminnallisia bakteriofageja bakteereja vastaan

Malli keinotekoinen äly Hän kirjoitti kokonaisia ​​virusgenomeja, tutkijat syntetisoivat ne laboratoriossa, ja kuudestatoista näistä sekvensseistä tuli toiminnalliset bakteriofagit, joka kykenee infektoimaan ja tappamaan kantoja Escherichia coliSiirtyminen DNA:n digitaalisesta generoinnista kokeelliseen varmentamiseen johtaa Ikä 2, malli, joka on kehitetty Stanfordin yliopiston ja Arc-instituutin avustuksella alalla, jota on aiemmin tutkittu pääasiassa olemassa olevien biologisten järjestelmien muokkaamisen kautta.

Ryhmää johti Brian Hie, Stanfordin yliopiston kemiantekniikan apulaisprofessori ja hänen biotekniikan tohtoriopiskelijansa Samuel King kokeellisen työn ensimmäisenä kirjoittajana hän aloitti bakteriofagista ΦX174Sen genomissa on noin 5 400 emäsparia, kun ihmisen genomissa on noin kolme miljardia: suhteellisen pienet mitat tekevät siitä sopivan testialustan sen varmistamiseksi, voiko generatiivinen malli suunnitella paitsi geenin tai proteiinin, myös... täydellinen toimiva genomi.

Tulos syntyy kohtaamisesta ricerca ja sviluppo, laskennallinen mallinnus ja synteettinen biologia. Evo 2 tuottaa sekvenssejä nukleotidi nukleotidilta; laboratorion on sitten määritettävä, mitkä niistä ovat synteesin arvoisia, muunnettava ne fyysiseksi DNA:ksi ja varmistettava, pystyykö tietokoneella suunniteltu järjestelmä todella replikoitumaan ja suorittamaan tarkoitetun tehtävänsä. Juuri tämä viimeinen vaihe erottaa biologisesti uskottavan sekvenssin toimivasta virusorganismista.

"Tässä tapauksessa halusimme mallin luovan koko genomin päästä päähän yhdellä kertaa vasemmalta oikealle. Emme lisänneet mitään."

selitti Brian Hie.

Testeissä jotkin Evon tuottamista ehdotuksista ovat osoittaneet a kunto korkeampi kuin luonnollinen ΦX174Tämä ei tarkoita, että tekoäly olisi löytänyt kliinisesti valmiin antibiootin: koe on osoitus konseptin toimivuudesta suhteellisen yksinkertaisilla bakteriofageilla, ja laboratoriotuloksen ja hyväksytyn hoidon välinen ero on edelleen huomattava. Se osoittaa kuitenkin, että keinotekoisesti luotu genomisekvenssi kestää laskennallisen valinnan, voidaan syntetisoida ja se tuottaa toimivan biologisen kokonaisuuden, jolla on halutut ominaisuudet.

Tuhansista digitaalisista sekvensseistä 16 toimivaan faagiin

Ongelmana ei ollut vain DNA:n tuottaminen. Evo 2 voi tuottaa tuhansia ehdokkaita, mutta jokaisen sekvenssin fyysinen syntetisointi olisi kallista ja tehotontaSitten King kehitti laskennallisen kehyksen ehdotettujen genomien arvioimiseksi ja laboratorioon tuotavien vaihtoehtojen määrän asteittaiseksi vähentämiseksi.

Prosessi noudatti tarkkaa ketjua: genomien luominen, arviointi ΦX174:stä ja siihen liittyvistä faageista johdettujen biologisten kriteerien perusteella, ehdokkaiden valinta, DNA:n kemiallinen synteesi ja lopuksi kokeellisia testejä bakteereillaMallin tuottamista lukuisista genomeista ryhmä syntetisoi ja kokeili lähes 300 bakteriofagia, tunnistaen niistä kuusitoista, joilla on erityisen tehokkaita ominaisuuksia E. coli.

”Yksi suunnittelukehyksen pääosista oli ymmärtää, mitä ominaisuuksia genomeilla tulisi olla ΦX174:n ja siihen liittyvien faagien perusteella.”

Hän kertoi Samuel King.

Laskennallisella suodattimella on myös taloudellisia seurauksia. DNA-synteesi on edelleen kallista, joten kyvystä karsia vähiten lupaavat ehdokkaat in silico ennen niiden fyysistä tuottamista tulee olennainen osa suunnitteluprosessia. Generatiivinen malli itsessään ei siis korvaa laboratoriota: se laajentaa huomattavasti tutkittavien ratkaisujen tilaa, kun taas laskennallinen valinta ja kokeilu määrittävät, mitkä sekvenssit todennäköisesti toimivat.

Evo 2:lla on paljon laajempi pohja kuin yksittäisen faagin kokeella. Vuonna 2026 julkaistu malli luonto, sai koulutusta noin 9 000 miljardia emäsparia DNA:ta genomikartastosta, joka kattaa kaikki elämän osa-alueet. Se voi työskennellä jopa miljoonan tokenin konteksti-ikkunan kanssa säilyttäen samalla yksittäisen nukleotidin resoluution. Sen dokumentoituihin ominaisuuksiin kuuluvat myös geneettisten varianttien toiminnallisten vaikutusten ennustaminen ja sekvensseissä esiintyvien biologisten piirteiden tunnistaminen.

Harjoitteluasteikko on olennainen, jotta ymmärretään ero verrattuna ohjelmistoon, joka on suunniteltu yksinomaan ΦX174:n muokkaamiseen. Evo 2 on genominen perustamalliSe oppii tilastollisia ja rakenteellisia säännönmukaisuuksia hyvin erilaisten organismien DNA:sta ja sitä voidaan sitten käyttää tiettyihin tehtäviin. Tässä mielessä periaate muistuttaa suurten kielimallien periaatetta, mutta aakkoset eivät koostu sanoista ja lauseista: geneettisen materiaalin muodostaa emäsjärjestys.

Bakteriofageista tulee ehdokkaita bakteerien resistenssiä vastaan

Päätöksellä useiden geneettisesti erilaisten faagien muokkaamiseen on motivaatio, joka ulottuu tekoälyn generatiivisten kykyjen testaamista pidemmälle. Bakteerit voivat kehittyä ja kehittyä Resistenza Ei ainoastaan ​​antibiooteille, vaan myös niitä hyökkääville viruksille. Yksittäinen bakteriofagi voi siis menettää tehokkuutensa, kun bakteeripopulaatio saa mekanismeja, jotka kykenevät estämään tartunnan.

"Jos bakteerit kehittävät vastustuskyvyn yhdelle faagille, lääke on ohi. Mutta jos seoksessa on useita geneettisesti erilaisia ​​faageja, bakteerien on vaikeampaa kehittää vastustuskykyä koko cocktailia vastaan."

sanoi Brian Hie.

Tutkijat siis yhdistivät kuusitoista faagia cocktailissa ja käytti sitä vastaan E. coli resistentti luonnolliselle ΦX174:lle. Ryhmän kuvailemassa konseptitestissä seos voitti kyseisen resistenssin nopeasti. Tämä on rajallinen kokeellinen tulos, mutta se osoittaa, miksi kyky tuottaa erilaisia ​​genomisia variantteja voisi olla erityisen arvokasta tulevaisuudessa. faagiterapia.

Bakteriofagit ovat viruksia, jotka ovat erikoistuneet bakteerien infektoimiseen, ja niitä on pitkään tutkittu mahdollisina hoitokeinoina. Kiinnostus niitä kohtaan on kasvanut tautien leviämisen myötä.antibioottiresistenssi, koska ne teoriassa mahdollistavat tiettyjen mikro-organismien valikoivan kohdentamisen. Ongelmana on, että kohde myös kehittyy. Lukuisien geneettisesti erilaisten varianttien nopea saatavuus voisi mahdollistaa sellaisten yhdistelmien rakentamisen, joita on vaikeampi neutraloida yhdellä mutaatiolla tai puolustusmekanismilla.

Stanford mainitsee mahdollisten tulevien kohteiden joukossa bakteereja, jotka ovat vastuussa vaikeasti hoidettavista infektioista, mukaan lukien Metisilliiniresistentti Staphylococcus aureus (MRSA) ja Pseudomonas aeruginosatuberkuloosista vastaavien mikro-organismien lisäksi. Nykyinen työ ei osoita, että Evo 2 pystyy jo tuottamaan hoitoja näitä taudinaiheuttajia vastaan: pikemminkin se määrittelee kokeellisen menetelmän, joka voidaan todentaa eri järjestelmissä.

Evo 2 muuttaa DNA:n generatiiviseksi suunnitteluongelmaksi

Metodologinen uutuus koskee algoritmin toimintatasoa. Useimmat biotieteiden tekoälysovellukset ovat keskittyneet proteiinirakenteiden ennustamiseen, molekyylien tunnistamiseen, mutaatioiden analysointiin tai yksittäisten biologisten komponenttien suunnitteluun. Tässä suunnittelutavoitteena on sen sijaan koko viruksen genomi.

Genomi ei ole yksinkertainen kokoelma itsenäisiä geenejä. Toiminta, säätely, komponenttien välinen yhteensopivuus ja replikaatiokyky riippuvat sekvenssin läpi jakautuneista suhteista. Tutkijalle tuhansien nukleotidien suora tulkinta ja niiden yhdistelmien vaikutuksen ennustaminen on valtava kombinatorinen ongelma. Genomiset mallit pyrkivät oppimaan juuri näitä säännönmukaisuuksia käyttämällä suuria määriä luonnollisia sekvenssejä koulutusmateriaalina.

Evo 2 julkistettiin alun perin vuonna 2025, ja sen arkkitehtuuria ja ominaisuuksia kuvaava työ on julkaistu Luonto 4. maaliskuuta 2026Malli kehitettiin yhteistyössä, johon osallistui Arc-instituutti, Stanfordin yliopisto, Kalifornian yliopisto Berkeleyssä, Kalifornian yliopisto San Franciscossa, NVIDIA ja muut tutkimusryhmät. Bakteerien, arkeonien, faagien, kasvien, eläinten ja ihmisten DNA:n tutkiminen mahdollistaa hyvin erilaisten ongelmien ratkaisemisen ilman, että jokaista ongelmaa tarvitsee rakentaa tyhjästä.

Faagisuunnittelu tarjoaa kuitenkin laskennallista ennustamista tiukemman testin. Jos malli määrittää mutaatiolle oikein vaikutuksen, sen suorituskykyä voidaan mitata vertaamalla sitä olemassa olevaan dataan. Jos kyseessä on genomi, jota ei koskaan ennen ollut olemassa, luotu sekvenssi on muutettava biologiseksi aineeksi ja sille on tehtävä mahdollisimman konkreettinen valinta: toimiiko se vai ei.

Tällä alueella ilmenee myös rajoituksia. Vuonna 2026 julkaistut riippumattomat tutkimukset ovat osoittaneet, että genomiset kielimallit pystyvät toistamaan joitakin sekvenssien paikallisia piirteitä hyvin säilyttämättä välttämättä kaikkia monimutkaisia pitkän kantaman genominen organisaatioNoin 5 400 emäksen faagilla osoitettua kykyä ei siksi voida automaattisesti ekstrapoloida paljon suurempiin genomeihin, joilla on monimutkaisempi arkkitehtuuri ja säätelyjärjestelmät.

Avoin saatavuus tuo bioturvallisuuden ja valvonnan takaisin etualalle

Evo 2 jaetaan mallina avoimen lähdekoodin ja tiedeyhteisö voi käyttää sitä maksutta. Avoimuus edistää toistettavuutta, uusien työkalujen kehittämistä ja riippumatonta varmennusta, mutta biologisten sekvenssien luomisen mahdollisuus herättää myös kysymyksiä bioturvallisuus ja biosuojaus jotka kasvavat mallien ominaisuuksien kasvaessa.

Hie myöntää, että työkalun muunneltuja versioita voitaisiin käyttää väärin, mutta väittää, että tekoäly voisi myös tarjota uusia puolustuskeinoja luonnollisia taudinaiheuttajia ja ihmisen aiheuttamia biologisia uhkia vastaan. Toisin kuin luonnollinen evoluutio, tutkija huomauttaa, että laskennallinen järjestelmä voidaan suunnitella myös sisäänrakennetuilla säätimillä ja rajoituksilla.

Asia tulee väistämättä yhä tärkeämmäksi sukupolven siirtyessä lyhyistä purskeista täydelliset ja toiminnalliset genomitStanfordin koe on tarkoituksella rajoitettu suhteellisen yksinkertaiseen virusjärjestelmään ja bakteriofagien testaamiseen niitä vastaan. E. coliOsoitettu tekninen kyky kuitenkin siirtää keskustelun uskottavan DNA:n luomisen teoreettisesta mahdollisuudesta syntetisoitavien ja biologisesti aktiivisten sekvenssien konkreettiseen hallintaan.

Hie työskentelee jo muiden tutkijoiden kanssa laajentaakseen lähestymistapaa uusiin bakteriofageihin ja pidempiä ja monimutkaisempia DNA-sekvenssejäTutkimustavoitteisiin kuuluvat pienten bakteerien genomit ja mahdollisesti keinotekoisesti muokatut mikro-organismit, jotka kykenevät tuottamaan kemikaaleja, lääkkeitä tai polttoaineita. Nämä ovat mahdollisuuksia, joita ei ole vielä kokeellisesti osoitettu, eivätkä ne ole helposti saatavilla olevia sovelluksia.

”Suurimmat avoimet kysymykset minulle ovat, miten saavuttaa suurempi geneettinen uutuus ja miten saada aikaan tulosten parempi hallittavuus.”

Brian Hien kuvitus.

Seuraavaa askelta mitataan nyt näiden kahden ongelman pohjalta: ei ainoastaan ​​toimivien sekvenssien luomista, vaan myös kuinka pitkälle ne voivat poiketa tunnetusta biologiasta menettämättä toiminnallisuutta ja kuinka tarkasti on mahdollista ennustaa niiden käyttäytymistä etukäteen. Kuudentoista valitun bakteriofagin kohdalla vastaus tuli laboratoriosta. Suurempien genomien ja monimutkaisempien biologisten järjestelmien osalta varmennus on vielä tehtävä.

Evo 2 on Stanfordin yliopiston generatiivinen tekoäly DNA-tutkimuksiin

Tässä on kolme oivallusta, jotka saattavat kiinnostaa sinua:

Tehokkaampi geneettinen korjaus tekoälyllä
Biologia, tietojenkäsittelytiede ja tekniikka kohtaavat Baselissa
GeneSys Bio ja molekyylidiagnostiikan uusi rajaseutu