هوش مصنوعی ویروس ساخت!
تاريخ :
بيست و نهم شهريور 1404 ساعت 11:55
|
|
کد : 400234
|
برای نخستین بار در جهان، ویروسهایی توسط هوش مصنوعی طراحی شدهاند که میتواند گامی به سوی حیات تولیدشده توسط هوش مصنوعی باشد.
به گزارش ایسنا، دانشمندان از هوش مصنوعی برای نوشتن ژنومهای ویروسی منسجم استفاده کردند و از آنها برای سنتز باکتریوفاژهایی (باکتریخوار) که قادر به کشتن سویههای مقاوم باکتری هستند بهره بردند. این ویروسها قادرند گونههای اشرشیا کلی (E. coli) را شکار کرده و بکشند.
به نقل از نیچر، برایان هی، زیستشناس محاسباتی در دانشگاه استنفورد کالیفرنیا میگوید: این نخستین باری است که سیستمهای هوش مصنوعی قادرند توالیهایی در مقیاس ژنوم که منسجم باشند بنویسند. گام بعدی حیات تولیدشده توسط هوش مصنوعی است. اما همکارش ساموئل کینگ اضافه میکند که پیشرفتهای آزمایشگاهی بسیاری لازم است تا بتوان یک موجود زنده کامل را طراحی کرد.
این مطالعه توسط هی، کینگ و همکارانشان در روز ۱۷ سپتامبر بر روی سرور پیشانتشار bioRxiv بارگذاری شد و هنوز داوری همتا نشده است، اما نویسندگان میگویند که این مطالعه پتانسیل هوش مصنوعی برای طراحی ابزارها و درمانهای زیستفناورانه برای درمان عفونتهای باکتریایی را نشان میدهد. هی میگوید: امیدواریم راهبردی مانند این بتواند راهبردهای موجود درمان را تکمیل کند و روزی درمانهایی را تقویت کند که بتوانند عوامل بیماریزای نگرانکننده را هدف قرار دهند.
ژنومهایی از دل رایانه
مدلهای هوش مصنوعی پیشتر برای تولید توالیهای دیایای، پروتئینهای منفرد و ترکیباتی چندجزئی بهکار رفتهاند. اما طراحی یک ژنوم کامل به دلیل تعاملات پیچیده میان ژنها و فرآیندهای همانندسازی و تنظیم ژن بسیار چالشبرانگیزتر است. این سیستمهای هوش مصنوعی اکنون قادرند به دانشمندان کمک کنند تا سیستمهای زیستی بهشدت پیچیده، مانند ژنومهای کامل، را دستکاری کنند. بسیاری از عملکردهای مهم زیستی وجود دارند که تنها زمانی میتوانید به آنها دسترسی داشته باشید که قادر به طراحی ژنومهای کامل باشید.
برای طراحی ژنومهای ویروسی، پژوهشگران از مدلهای هوش مصنوعی Evo ۱ و Evo ۲ که توالیهای دیانای، آرانای و پروتئین را تحلیل و تولید میکنند، استفاده کردند. نخست، آنها به یک قالب طراحی نیاز داشتند، که یک توالی آغازین است و مدل هوش مصنوعی را هدایت میکند تا ژنومی با ویژگیهای مطلوب تولید کند. آنها ΦX۱۷۴ را انتخاب کردند که یک ویروس ساده با دیانای تکرشتهای که شامل ۵۳۸۶ نوکلئوتید در ۱۱ ژن است و همه عناصر ژنتیکی مورد نیاز برای آلوده کردن میزبان و همانندسازی درون آن را دارد.
مدلهای Evo پیشتر روی بیش از دو میلیون ژنوم آموزش دیده بودند، اما پژوهشگران این مدلها را با استفاده از روشی بهنام یادگیری نظارتشده بیشتر آموزش دادند تا ژنومهای ویروسی شبیه به ΦX۱۷۴ با عملکرد خاصِ آلوده کردن سویههای اشریشیا کلی تولید کنند، بهویژه آنهایی که در برابر آنتیبیوتیکها مقاوم هستند.
پژوهشگران هزاران توالی تولیدشده توسط هوش مصنوعی را ارزیابی کردند و جستوجوی خود را به ۳۰۲ باکتریوفاژِ محدود کردند. بیشتر گزینهها بیش از ۴۰ درصد هویت نوکلئوتیدی با ΦX۱۷۴ داشتند، اما برخی کلا توالیهای کُدکننده متفاوتی داشتند. پژوهشگران دیانای را از ژنومهای طراحیشده توسط هوش مصنوعی سنتز کردند و آنها را در باکتریهای میزبان وارد کردند تا باکتریوفاژ رشد دهند. سپس این باکتریوفاژها بهطور تجربی آزمایش شدند تا مشخص شود آیا میتوانند اشرشیا کلی را آلوده کرده و بکشند.
حدود ۱۶ مورد از ۳۰۲ باکتریوفاژ طراحیشده توسط هوش مصنوعی ویژگی اختصاصی برای آلوده کردن اشرشیا کلی نشان دادند و توانستند باکتری را آلوده کنند. پژوهشگران دریافتند که ترکیبهایی از باکتریوفاژهای طراحیشده توسط هوش مصنوعی میتوانند سه سویه متفاوت اشرشیا کلی را آلوده کرده و بکشند، کاری که نوع اصلیΦX۱۷۴ قادر به انجام آن نبود. کینگ میگوید: این نتیجه واقعا برای ما شگفتانگیز و هیجانانگیز بود زیرا نشان میدهد این روش میتواند بالقوه برای درمانها بسیار مفید باشد.
نگرانیهای ایمنی زیستی
پیتر کو، زیستشناس محاسباتی در آزمایشگاه کولد اسپرینگ هاربور در لورل هالو، نیویورک میگوید: این دستاورد، نوری بر یک حوزه کاربردی جالب میاندازد.
کو میگوید که مدل Evo بهتنهایی هنوز برای طراحی و تولید ویروسها بدون مداخله، هدایت و پالایش توسط تیم کافی نیست. اما فکر میکنم بهعنوان یک سیستم کلی، با تمام فیلترها و کل سامانه، احتمالا میتواند رویکردی باشد که به ساخت ژنومهای کارکردی منجر شود.
نگرانیهای اخلاقی وجود دارد مبنی بر اینکه از هوش مصنوعی برای طراحی ویروسهایی که میتوانند به انسان آسیب بزنند استفاده شود. اما کرستن گوپفریش، فیزیکزیستشناس و زیستشناس سنتزی در دانشگاه هایدلبرگ آلمان، میگوید که این مشکل که بهنام معضل استفاده دوگانه شناخته میشود منحصر به هوش مصنوعی نیست، بلکه همیشه در زیستشناسی مطرح است. فکر میکنم در پژوهش بهطور کلی شما همیشه معضل استفاده دوگانه دارید. هیچ چیز خاصی درباره هوش مصنوعی وجود ندارد و شما همیشه میتوانید پیشرفت را برای دستاوردهای مفید یا مضر بهکار ببرید.
نویسندگان میگویند که ویروسهایی که بر یوکاریوتها، از جمله انسانها، اثر میگذارند را از دادههای آموزشی مدلهای Evo حذف کردهاند.
پژوهشگران امیدوارند که رویکرد آنها بتواند بهطور ایمن برای تولید ویروسهای طراحیشده توسط هوش مصنوعی که بیماریها و مشکلات بهداشتی عمومی مختلف، از جمله مشکل رو به رشد مقاومت آنتی بیوتیک را درمان میکنند، بهکار رود.
|
|