897
Генеративний ШІ зробив крок від проєктування окремих білків і коротких генетичних послідовностей до створення повних вірусних геномів. Команда під керівництвом Stanford University синтезувала 285 спроєктованих алгоритмом варіантів бактеріофага, і 16 із них виявилися життєздатними: вони самостійно розмножувалися та заражали E. coli.
Дослідники працювали з бактеріофагами — вірусами, які заражають бактерії. Як природний шаблон використовували добре вивчений phage PhiX174.
Мета полягала не в тому, щоб трохи змінити існуючий вірус, а перевірити, чи здатна модель засвоїти правила повного вірусного геному настільки добре, щоб генерувати нові функціональні послідовності.
Що показало дослідження
Спочатку команда взяла спеціалізовані DNA language models, які вже навчалися на мільйонах генетичних послідовностей. Потім їх додатково тренували приблизно на 15 тисячах геномів із родини Microviridae.
Після цього система створила тисячі цифрових варіантів повного геному на основі загальної архітектури PhiX174. Дослідники відібрали 285 кандидатів і фізично синтезували їхню ДНК.
Синтетичні геноми поміщали в клітини E. coli, щоб перевірити, чи зможе послідовність запустити весь вірусний життєвий цикл — від складання частинок до повторного зараження нових бактерій.
Шістнадцять конструкцій пройшли цей тест. Вони дали повноцінні бактеріофаги, які заражали й убивали бактеріальні клітини.
Чому це важливо
У додатковому експерименті коктейль із кількох AI-спроєктованих фагів успішно знищував бактеріальні штами, які вже набули стійкості до природного PhiX174.
Автори наголошують на біобезпеці. Під час навчання з наборів даних навмисно вилучали людські патогенні віруси, а потенційне медичне застосування потребуватиме окремих доклінічних і клінічних перевірок.
У роботі важливо те, що модель не просто комбінувала відомі фрагменти. Геноми містили нові комбінації послідовностей, але зберігали функціональні зв’язки між генами, необхідні для складання вірусної частинки, реплікації та зараження клітини.
285 синтезованих варіантів були лише малою частиною цифрового простору, який згенерували моделі. Це показує, що перевірка в лабораторії залишається головним вузьким місцем: алгоритм здатен запропонувати значно більше кандидатів, ніж реально можна швидко синтезувати й протестувати.
Успіх 16 конструкцій не означає, що модель уже «розуміє» вірусну біологію так, як людина. Практично це означає, що статистичні закономірності у великих наборах геномів містять достатньо інформації, щоб відтворити частину складних еволюційних обмежень.
Додаткове значення має стійкість бактерій до природного PhiX174: саме тут синтетичні варіанти продемонстрували потенційну перевагу різноманіття, оскільки кілька змінених фагів разом могли обійти частину бактеріальних захисних механізмів.
Джерело: Phys.org
