دانشمندان برای اولین بار ویروس‌هایی را ایجاد کرده‌اند که توسط هوش مصنوعی (AI) طراحی شده‌اند و این ویروس‌ها قادر به یافتن و کشتن سویه‌های باکتری Escherichia coli (اشرشیا کلی) هستند.
برایان هی، زیست‌شناس محاسباتی در دانشگاه استنفورد کالیفرنیا، می‌گوید: «این اولین بار است که سیستم‌های هوش مصنوعی قادر به نگارش توالی‌های منسجم در مقیاس ژنوم هستند.» هی همچنین می‌گوید: «گام بعدی، حیات تولیدشده توسط هوش مصنوعی است.» اگرچه همکارش ساموئل کینگ اضافه می‌کند که «پیشرفت‌های تجربی بسیاری باید رخ دهد تا بتوان یک ارگانیسم زنده کامل را طراحی کرد.»
این مطالعه که توسط هی، کینگ و همکارانشان انجام شده، در تاریخ ۱۷ سپتامبر در سرور پیش‌چاپ bioRxiv منتشر شد۱ و هنوز مورد بازبینی همتا قرار نگرفته است. اما نویسندگان می‌گویند که این تحقیق پتانسیل هوش مصنوعی را در طراحی ابزارهای بیوتکنولوژیک و درمان‌هایی برای درمان عفونت‌های باکتریایی نشان می‌دهد. هی اظهار امیدواری می‌کند که «چنین راهبردی می‌تواند راهبردهای فاژدرمانی موجود را تکمیل کرده و روزی به درمان عوامل بیماری‌زای نگران‌کننده کمک کند.»
ژنوم‌ها از کامپیوتر
مدل‌های هوش مصنوعی پیش از این برای تولید توالی‌های DNA، پروتئین‌های تک‌واحدی و کمپلکس‌های چندجزئی۲ مورد استفاده قرار گرفته‌اند. اما طراحی یک ژنوم کامل به دلیل تعاملات پیچیده بین ژن‌ها و فرآیندهای همانندسازی و تنظیم ژن بسیار چالش‌برانگیزتر است. هی می‌گوید: «این سیستم‌های هوش مصنوعی اکنون قادرند به دانشمندان در دستکاری سیستم‌های بیولوژیکی بسیار پیچیده، مانند ژنوم‌های کامل، کمک کنند.» او ادامه می‌دهد: «بسیاری از عملکردهای بیولوژیکی مهم تنها در صورتی قابل دسترسی هستند که بتوانید ژنوم‌های کامل را طراحی کنید.»
برای طراحی ژنوم‌های ویروسی، محققان از مدل‌های هوش مصنوعی Evo 1 و Evo 2 استفاده کردند که توالی‌های DNA، RNA و پروتئین را تحلیل و تولید می‌کنند. ابتدا، آن‌ها به یک قالب طراحی نیاز داشتند که یک توالی آغازین است و مدل هوش مصنوعی را برای تولید ژنومی با ویژگی‌های مطلوب راهنمایی می‌کند. آن‌ها ویروس FX174 را انتخاب کردند؛ یک ویروس DNA تک‌رشته‌ای ساده که شامل ۵۳۸۶ نوکلئوتید در ۱۱ ژن است و تمام عناصر ژنتیکی لازم برای آلوده کردن میزبان‌ها و تکثیر درون آن‌ها را دارد.
مدل‌های Evo قبلاً بر روی بیش از دو میلیون ژنوم فاژ آموزش دیده بودند، اما محققان این مدل‌ها را – با استفاده از روشی به نام یادگیری نظارت‌شده – بیشتر آموزش دادند تا ژنوم‌های ویروسی شبیه به FX174 را با عملکرد خاص آلوده کردن سویه‌های E. coli، به ویژه آنهایی که مقاوم به آنتی‌بیوتیک‌ها هستند، تولید کنند.
محققان هزاران توالی تولیدشده توسط هوش مصنوعی را ارزیابی کرده و جستجوی خود را به ۳۰۲ باکتریوفاژ قابل دوام محدود کردند. بیشتر کاندیداها بیش از ۴۰٪ هویت نوکلئوتیدی با FX174 مشترک داشتند، اما برخی توالی‌های کدگذاری کاملاً متفاوتی داشتند. محققان DNA را از ژنوم‌های طراحی‌شده توسط هوش مصنوعی سنتز کرده و آن‌ها را به باکتری‌های میزبان وارد کردند تا فاژها رشد کنند. سپس این فاژها به صورت آزمایشی آزمایش شدند تا مشخص شود آیا می‌توانند E. coli را آلوده کرده و از بین ببرند یا خیر.
حدود ۱۶ مورد از ۳۰۲ باکتریوفاژ طراحی‌شده با هوش مصنوعی اختصاصیت میزبان برای E. coli را نشان دادند و توانستند باکتری‌ها را آلوده کنند. محققان دریافتند که ترکیباتی از فاژهای طراحی‌شده با هوش مصنوعی می‌توانند سه سویه مختلف E. coli را آلوده کرده و از بین ببرند که FX174 نوع وحشی قادر به انجام آن نبود.
کینگ می‌گوید: «این نتیجه بسیار غافلگیرکننده‌ای بود که واقعاً برای ما هیجان‌انگیز بود، زیرا نشان می‌دهد که این روش ممکن است به طور بالقوه برای درمان‌ها بسیار مفید باشد.»