ИИ спроектировал вирусы с нуля — 16 из них ожили и убили бактерий
Учёные из Стэнфорда и Arc Institute сделали то, что до сих пор оставалось мысленным экспериментом: доверили нейросети спроектировать геном живого организма целиком — и он заработал. Работа вышла 7 августа в журнале Science.
Что именно сделали
Мишенью выбрали бактериофаг φX174 — один из самых изученных вирусов в биологии. Это крошечная машина: всего 11 генов и около 5000 «букв» ДНК, единственная задача — заражать кишечную палочку. Геномную модель Evo, обученную примерно на 9 триллионах нуклеотидов из миллионов организмов, дополнительно натаскали на φX174 и ещё примерно 15 000 родственных ему видов.
Дальше — конвейер. Evo предложила около 700 000 вариантов вирусного генома. Из них исследователи отобрали самые перспективные и химически синтезировали 285 последовательностей ДНК. Живыми оказались 16: они собрались в настоящие вирусные частицы, заразили бактерий и размножились. Причём часть из них делала это быстрее, чем природный φX174.
Почему это не «ещё один AlphaFold»
AlphaFold, при всей его революционности, занимался предсказанием: по известной последовательности белка вычислял его форму. Здесь принципиально другое — генерация. Модель не угадывает свойства существующего организма, а пишет новый геном с нуля, и этот текст оказывается исполняемым: попадает в клетку — и запускается. «Поразительно было просто увидеть эту сгенерированную ИИ сферу», — говорит руководитель работы, вычислительный биолог Брайан Хи.
Зачем это нужно
Ближайшее практическое применение — фаговая терапия. Бактериофаги умеют убивать бактерии, устойчивые к антибиотикам, но подбор нужного фага под конкретный штамм — долгая лотерея. Модель, проектирующая фагов под задачу, превращает лотерею в инженерию. Дальше по списку — синтетическая биология, новые ферменты, биоматериалы.
Обратная сторона
Она очевидна каждому, кто дочитал до этого места. Инструмент, проектирующий вирусы против супербактерий, в другом сценарии спроектирует патоген. Авторы это понимали: Evo намеренно не показывали ни одного вируса, опасного для человека, животных, растений или грибов — таких геномов в обучающих данных просто не было. Но это защита конкретной модели, а не технологии в целом: сам подход опубликован, и повторить его сможет любая достаточно оснащённая лаборатория. Специалисты, комментировавшие работу — Оливер Крук из Оксфорда и Патрик Цай из Манчестера — сходятся в том, что регуляторные рамки для генеративной биологии писать нужно уже сейчас, а не после первого инцидента.
Границу, которую перешли на этой неделе, стоит проговорить вслух. До сих пор генеративные модели производили тексты, картинки и код — то, что существует только на экране. Теперь результат работы модели умеет размножаться сам.
Источник: Ars Technica
