Generativni modeli Evo 1 i Evo 2 su dizajnirali nove bakteriofage; od ~700.000 kandidata 285 je sintezovano u laboratoriji, a 16 je uspelo da zaustavi rast E. coli. Ti AI-dizajnirani fagovi napali su i dve sojeve otporne na antibiotike, dok prirodni fagovi nisu uspeli. Istraživači su primenili dodatne biosigurnosne mere i isključili rizične genome iz treninga, ali upozoravaju na tehnička ograničenja i mogućnost zloupotrebe.
AI Dizajnirao Nove Bakteriofage — 16 Sintetisanih Fagova Zaustavilo Rast Otporne E. coli
Photo Credit: Stanford Engineering
Studija objavljena u časopisu Science, a preneta u Smithsonian Magazine, pokazuje da generativni modeli veštačke inteligencije Evo 1 i Evo 2 mogu da dizajniraju bakteriofage — viruse koji napadaju bakterije, a ne ljude. Iako takvi rezultati otvaraju mogućnosti za medicinske proboje, istraživanje takođe podiže pitanja bezbednosti i nadzora.
Kako je istraživanje izvedeno?
Nakon treniranja na velikim skupovima genetskih podataka, modeli su generisali približno 700.000 kandidata fagova sličnih poznatom virusu Phi X-174, koji inficira Escherichia coli. Istraživači su izabrali 285 dizajna za laboratorijsku sintezu, od kojih je 16 sintetisanih fagova uspelo da zaustavi rast E. coli u Petri šoljama.
Rezultati i značaj
U daljim eksperimentima, kombinacija tih 16 AI-dizajniranih fagova napala je dva soja E. coli otporna na antibiotike; u tim istim testovima Phi X-174 i mešavina prirodnih fagova nisu bili efikasni. Ovo je značajno u kontekstu globalne krize otpornosti na antibiotike — prema WHO, bakterijska rezistencija povezana je sa više od 4,7 miliona smrti u 2021. godini.
Bezbednosne mere i ograničenja
Istraživači navode da su tokom treniranja izostavili određene genome kako bi sprečili model da generiše viruse koji bi mogli da inficiraju ljude, životinje, biljke ili gljive. Takođe su primenili dodatne biosigurnosne mere i opisali ih u dodatnim materijalima rada kao mogući okvir za buduća istraživanja.
Međutim, eksperti upozoravaju na granice i rizike. Tom Ellis (Imperial College London) podseća da je korišćeni fag izuzetno mali, pa dizajniranje složenijih virusa ostaje tehnički teže. Postoji i potencijal za zloupotrebu tehnologije ako bi se modeli upotrebili za stvaranje patogena.
Patrick Cai (University of Manchester): "Ovo je važan prelomni trenutak."
Isaac Bogoch (University of Toronto): "AI-dizajnirani virusi mogu imati koristi, kao stvaranje ciljanih bakteriofaga protiv infekcija otpornijih na antibiotike."
Mogući pravci primene
Jedna od predloženih strategija je korišćenje kombinovanih (mešanih) fag terapija — više genetski različitih fagova istovremeno — kako bi se otežalo bakterijama da razviju otpornost. Ako AI može ubrzati pronalaženje efikasnih fagova, to bi omogućilo preciznije i brže tretmane za pacijente sa infekcijama koje ne reaguju na antibiotike.
Zaključak
Rad pokazuje obećanje generativne AI u biotehnologiji, ali i ukazuje na potrebu za strožim nadzorom, transparentnim bezbednosnim protokolima i etičkim ograničenjima. Kako se tehnologija razvija, važno je da regulativa, pregled rizika i biosigurnosni standardi idu u korak sa mogućnostima koje otvara.
Pomozite nam da budemo bolji.
