Η τεχνητή νοημοσύνη σχεδίασε ιούς που σκοτώνουν βακτήρια

Σε εργαστήριο του Stanford, ερευνητές έβαλαν ένα σύστημα τεχνητής νοημοσύνης να γράψει από την αρχή το πλήρες «γενετικό εγχειρίδιο» ιών, και 16 από αυτά τα σχέδια, όταν κατασκευάστηκαν, ζωντάνεψαν και σκότωσαν βακτήρια στο τρυβλίο. Για πρώτη φορά ένα μοντέλο AI σχεδίασε εξ ολοκλήρου ολόκληρα λειτουργικά γονιδιώματα, κι αυτό εξηγεί γιατί η δημοσίευση στο Science προκαλεί ταυτόχρονα ελπίδα στην ιατρική και ανησυχία για βιοασφάλεια (EurekAlert/Science).

Η ίδια τεχνολογία που ήδη σχεδιάζει εμβόλια ανοίγει τώρα ένα νέο ερώτημα, καθώς δείχνει πόσο εύκολα θα μπορούσε να κατασκευαστεί κάτι επικίνδυνο (To Brief).

Τι έγινε στον πάγκο

Η ομάδα του Brian Hie στο Stanford και στο Arc Institute χρησιμοποίησε τα μοντέλα Evo, «γλωσσικά μοντέλα γονιδιώματος» που, αντί για την επόμενη λέξη, μαθαίνουν μοτίβα στην αλληλουχία του DNA. Από χιλιάδες προτάσεις που παρήγαγε η AI, οι ερευνητές κράτησαν 302 σχέδια, κατάφεραν να κατασκευάσουν τα 285, και μόλις 16 «μπούταραν» ως πραγματικοί ιοί που αναπαράχθηκαν και εξόντωσαν το βακτήριο-στόχο (Arc Institute, BBC). Ποσοστό επιτυχίας γύρω στο 5%, χαμηλό, και ανεξάρτητοι ειδικοί που το χαρακτηρίζουν σημαντικό ορόσημο υπογραμμίζουν ακριβώς αυτό (Science Media Centre).

Το πραγματικά καινούργιο δεν είναι ότι φτιάχτηκε συνθετικός ιός. Γνωστές ιικές αλληλουχίες συντίθενται εργαστηριακά από τις αρχές του 2000. Είναι ότι εδώ το γονιδίωμα δεν αντιγράφηκε από τη φύση, το πρότεινε το μοντέλο (C&EN). Καλή αναλογία: η AI δεν τύπωσε το αντικείμενο, έδωσε ένα πλήρες αρχείο σχεδίασης. Το εργαστήριο ήταν ο εκτυπωτής, και το βακτήριο το τεστ αν το αρχείο δουλεύει.

Γιατί αυτοί οι ιοί δεν είναι απειλή για ανθρώπους

Οι ιοί που σχεδιάστηκαν είναι βακτηριοφάγοι: ιοί που μολύνουν αποκλειστικά βακτήρια, όχι ανθρώπινα κύτταρα (NIH). Ένας φάγος μοιάζει με εφαρμογή που τρέχει σε ένα και μόνο λειτουργικό σύστημα. Εδώ, μικροί φάγοι τύπου ΦX174 που «ανοίγουν» μόνο σε συγκεκριμένα στελέχη του E. coli, και σε κανένα από έξι άλλα που δοκιμάστηκαν (Arc Institute).

Το άλμα προς επικίνδυνους ανθρώπινους ιούς μένει τεράστιο και δεν το γεφυρώνει αυτό το πείραμα. Το ίδιο το μοντέλο Evo 2 εκπαιδεύτηκε αφού αποκλείστηκαν σκόπιμα οι ιοί που μολύνουν ευκαρυωτικά κύτταρα, και τα αποτελέσματα δείχνουν ότι εκεί αποδίδει φτωχά (Nature). Για ανθρώπινο παθογόνο θα χρειαζόταν σωστή είσοδος σε ανθρώπινα κύτταρα, αποφυγή του ανοσοποιητικού και πολλά ακόμη. Σύμφωνα με το Nature, ο πιο ρεαλιστικός κίνδυνος σήμερα είναι η τροποποίηση υπαρχόντων ιών, όχι ο σχεδιασμός «από το μηδέν» μέσα από ένα τέτοιο πείραμα (Nature). Αυτό που όντως μειώθηκε είναι στενό αλλά υπαρκτό: το ψηφιακό εμπόδιο του να γράψεις ένα πλήρες, λειτουργικό γονιδίωμα. Μαζί μεγαλώνει η πίεση για έλεγχο στις παραγγελίες συνθετικού DNA (The Guardian).

Η θεραπευτική υπόσχεση

Οι φάγοι αυτοί ενδιαφέρουν άμεσα γιατί σκοτώνουν βακτήρια στοχευμένα, κι αυτό μετράει όταν η αντοχή στα αντιβιοτικά αποδίδεται άμεσα σε 1,27 εκατ. θανάτους το 2019 (WHO). Το πρόβλημα της φαγοθεραπείας ήταν πάντα το ταίριασμα. Κάθε φάγος είναι κλειδί για μία κλειδαριά, και το να βρεις το σωστό κλειδί για ένα ανθεκτικό βακτήριο είναι αργό. Εδώ ορισμένοι AI-σχεδιασμένοι φάγοι ξεπέρασαν σε συνδυασμό στελέχη E. coli που ο φυσικός ΦX174 δεν άγγιζε (CNN). Θεραπεία για ασθενείς δεν έρχεται αύριο, χρειάζονται χρόνια δοκιμών, αλλά η AI ίσως επιταχύνει το πιο δύσκολο κομμάτι.

Η μελέτη έχει πλέον περάσει την κρίση ομοτίμων του Science. Αυτό που λείπει ακόμη είναι το καθοριστικό επόμενο βήμα: ένα δεύτερο, ανεξάρτητο εργαστήριο να το επαναλάβει.