Američtí vědci publikovali studii popisující první úspěšný případ, kdy umělá inteligence navrhla kompletní a funkční genomy. Konkrétně se jednalo o genomy bakteriofágů, tedy virů specializovaných na infekci bakterií.
Pokusy americké Stanfordovy univerzity a Arc Institutu potvrdily, že některé z umělou inteligencí vytvořených virů jsou nejen životaschopné, ale v určitých ohledech i výkonnější než jejich přírodní předloha. Práce představuje významný technologický milník v syntetické biologii a otevírá nové možnosti pro vývoj takzvané fágové terapie, která je považována za jednu z alternativ v boji s rostoucí rezistencí bakterií vůči antibiotikům.
Učedník evoluce
Návrh celého genomu od základu je mimořádně složitým úkolem. Genom není pouhým součtem jednotlivých genů. Jeho funkce závisí na komplexní souhře genetických instrukcí, regulačních sekvencí a dalších prvků. I drobná chyba v této složité architektuře může vést k tomu, že výsledný organismus nebude funkční. Tradiční metody genetického inženýrství se proto soustředí spíše na úpravy existujících genomů než na jejich tvorbu.
Výzkumný tým pod vedením Briana Hie se tento problém pokusil vyřešit pomocí současné generace systémů umělé inteligence, konkrétně takzvaných „genomických jazykových modelů“ nazvaných Evo 1 a Evo 2.
Jsou postaveny na podobných principech jako modely generující lidský text. Místo slov a vět se však učí pravidla a vzorce, kterými se řídí sekvence DNA. Na základě analýzy obrovského množství genetických dat se tedy model učí, jaké kombinace „písmen“ a „slov“ genetického kódu dávají smysl a vedou k funkčním biologickým systémům.
Jako testovací model si vědci zvolili dobře prostudovaný bakteriofág ΦX174. Tyto viry napadají bakterie, ale pro člověka jsou neškodné. Jeho genom je relativně malý, což z něj činilo vhodného kandidáta pro pilotní projekt. Pro zvýšení přesnosti byl obecný model Evo doučen na specifickém datovém souboru, který obsahoval přibližně 15 000 genomů z čeledi Microviridae, kam ΦX174 patří. Umělá inteligence si tak osvojila specifické zákonitosti charakteristické právě pro tuto skupinu virů.
Z digitálního kódu k (ne)živému
Po této specializaci začal systém generovat tisíce návrhů na nové virové genomy. Aby vědci z tohoto množství vybrali „životaschopné kandidáty“, zavedli vícestupňový proces počítačového filtrování.
První filtr ověřoval základní parametry, jako je správná délka sekvence nebo poměrné zastoupení jednotlivých nukleotidů. Druhý se zaměřil na funkci. Systém analyzoval, zda navržený genom kóduje hrotový protein s dostatečnou podobností k proteinu původního fágu. Tento protein je zodpovědný za rozpoznání a navázání na hostitelskou buňku, v tomto případě na laboratorní kmen bakterie E. coli. Tento krok byl zásadní pro zajištění, že nově navržené viry budou cílit na zamýšlený organismus. Poslední filtr pak upřednostňoval návrhy, které se od známých virů lišily, aby se podpořila tvorba nových variant.
V rámci procesu bylo vybráno 302 nejslibnějších kandidátů, jejichž genetické sekvence byly následně převedeny do fyzické podoby. Specializovaná firma na zakázku syntetizovala odpovídající molekuly DNA. Tyto umělé genomy pak vědci vložili do bakteriálních buněk. Bakterie následně využily své vlastní buněčné mechanismy a podle instrukcí v umělé DNA začaly produkovat nové virové částice.
Z více než tří stovek testovaných návrhů se 16 ukázalo jako plně funkčních. Jimi vytvořené fágy se v bakteriální kultuře úspěšně množily a ničily ji. Jednalo se o potvrzení, že je možné navrhnout funkční genom čistě výpočetními metodami a následně jej v laboratoři „oživit“.
Výkonnější než originál?
Podrobnější analýza 16 úspěšných umělých fágů ukázala, že se nejedná o pouhé variace na dosud známé téma. Obsahovaly stovky do té doby nepozorovaných mutací a některé z nich měly pozměněnou genomovou architekturu. V jednom případě, u fágu Evo-Φ36, systém zkombinoval části genomu s proteinem z evolučně vzdáleného viru způsobem, který byl dříve považován za neživotaschopný. To naznačuje, že model dokáže nalézt komplexní, kontextově závislá řešení.
Vědci se dále zaměřili na srovnání funkčních vlastností. Uspořádali kompetiční experiment, ve kterém nechali všech 16 umělých fágů a jejich přírodní předlohu soupeřit v jedné bakteriální kultuře. Několik uměle vytvořených virů, zejména varianta Evo-Φ69, se v tomto prostředí množilo podstatně efektivněji než přírodní fág. Jiný umělý fág, Evo-Φ2483, zase prokazoval rychlejší schopnost ničit bakteriální buňky.
Možnosti využití ukázal experiment: autoři v laboratoři vypěstovali tři kmeny bakterií E. coli, které byly zcela odolné vůči infekci „přírodním“ virem. Pak na odolné bakterie nasadili koktejl složený ze 16 různých, uměle vytvořených fágů.
Díky vysoké genetické rozmanitosti dokázal tento koktejl během několika málo cyklů rezistenci u všech tří bakteriálních kmenů překonat. Pravděpodobným mechanismem byla re-kombinace mezi jednotlivými fágy v koktejlu, která vedla ke vzniku nových variant schopných infikovat i odolné bakterie. Podobné, na míru navržené fágové koktejly by mohly v budoucnu představovat účinný nástroj pro léčbu infekcí způsobených rezistentními bakteriemi.
Tvorba nových virů pomocí umělé inteligence pochopitelně má svá rizika. Autoři si jsou citlivosti tématu vědomi a ve studii prezentují přístup, který má zajistit bezpečnost výzkumu. Celý projekt byl záměrně postaven na biologickém systému (fág a jeho bakteriální hostitel), který je pro člověka neškodný.
Použité modely umělé inteligence navíc nebyly trénovány na datech z lidských či zvířecích virů, a postrádají tedy znalosti potřebné k návrhu lidského patogenu. Což je pochopitelně ovšem jen volba autorů; v principu tomu zabránit nelze. Stejně jako jiné citlivé technologie s „dvojím využitím“ i využití umělé inteligence pro tvorbu genetického kódu bude nejspíše vyžadovat nějakou formu dohledu či kontroly.