Mô hình AI Stanford Evo 2 tạo ra thể thực khuẩn chống lại E. coli

Các nhà nghiên cứu tại Đại học Stanford đã tổng hợp gần 300 thể thực khuẩn (phage) từ các trình tự DNA được tạo ra bởi mô hình AI tạo sinh Evo 2. Thử nghiệm trong phòng thí nghiệm đã thu hẹp nhóm xuống còn 16 thể thực khuẩn cho thấy hoạt tính tiêu diệt E. coli đặc biệt mạnh. Nghiên cứu tập trung vào thể thực khuẩn ΦX174, được phát âm là “FYE-ex-1-7-4”. Brian Hie, trợ lý giáo sư kỹ thuật hóa học và là thành viên Khoa Khoa học Dữ liệu Stanford của Quỹ Dieter Schwarz, đã tạo ra Evo 2 với nghiên cứu sinh kỹ thuật sinh học Samuel King dẫn đầu công trình thực nghiệm được mô tả trong bài báo. Evo 2 đưa bộ gen thể thực khuẩn vào phòng thí nghiệm Evo 2 tạo ra các trình tự DNA mới từ một đoạn nhỏ ban đầu của bộ gen thể thực khuẩn. Các nhà nghiên cứu đã yêu cầu mô hình tạo ra toàn bộ bộ gen ΦX174 trong một lần chạy từ trái sang phải. Ông Hie cho biết: “Trong trường hợp này, chúng tôi muốn mô hình tạo ra toàn bộ bộ gen từ đầu đến cuối trong một lần chạy từ trái sang phải. Chúng tôi không thêm bất cứ điều gì”. Quá trình này đã tạo ra hàng nghìn bộ gen ứng cử viên trước khi nhóm chọn các trình tự để tổng hợp hóa học và thử nghiệm trong phòng thí nghiệm. ΦX174 cung cấp một hệ thống thử nghiệm tương đối nhỏ gọn. Bộ gen của nó chứa ít hơn 6.000 cặp bazơ, so với khoảng 3 tỷ cặp bazơ trong bộ gen người. Ông Hie cho biết các nhà nghiên cứu vẫn phải đối mặt với một nhiệm vụ khó khăn khi giải thích ngay cả một trình tự DNA 5.400 ký tự theo từng gen. Ông Hie cho biết một số thể thực khuẩn được Evo 2 đề xuất cho thấy khả năng thích nghi cao hơn so với ΦX174 tự nhiên trong thử nghiệm phòng thí nghiệm. Do đó, dự án này kiểm tra xem liệu một mô hình có thể tạo ra toàn bộ bộ gen virus khả thi hay không, thay vì chỉ đề xuất các chỉnh sửa DNA cục bộ. Sàng lọc ứng cử viên trước khi tổng hợp DNA King đã phát triển một khung tính toán để giảm số lượng bộ gen ứng cử viên được gửi đi tổng hợp. Khung này đánh giá các đặc điểm được rút ra từ ΦX174 và các thể thực khuẩn liên quan trước khi nhóm chọn các tùy chọn cho công việc trong phòng thí nghiệm. Tổng hợp DNA đặt ra một ràng buộc thực tế. Các nhà nghiên cứu đã tạo ra bộ gen bằng Evo 2, đánh giá chúng theo tiêu chí thiết kế của họ, sau đó tổng hợp hóa học các ứng cử viên được chọn và thử nghiệm xem bộ gen nào hoạt động tốt nhất trong phòng thí nghiệm. King cho biết: “Một trong những phần chính của khung thiết kế là tìm ra những đặc điểm mà bộ gen nên có dựa trên ΦX174 và các thể thực khuẩn liên quan. Khung này bao gồm một số bước chính: tạo bộ gen bằng Evo 2, đánh giá các tùy chọn dựa trên tiêu chí thiết kế, chọn các ứng cử viên tối ưu, tổng hợp hóa học chúng, và sau đó thử nghiệm chúng trong phòng thí nghiệm để xem bộ gen nào hoạt động tốt nhất”. Ông Hie cho biết khung này đã giảm chi phí tổng hợp bằng cách tập trung chi tiêu vào các ứng cử viên mà nhóm của ông đánh giá là khả thi nhất. Trình tự này cũng xác định ranh giới hoạt động của kết quả. Evo 2 đã tạo ra hàng nghìn khả năng, nhưng các nhà nghiên cứu vẫn cần đánh giá tính toán, tổng hợp hóa học và xét nghiệm trong phòng thí nghiệm để xác định các thể thực khuẩn khả thi. Thử nghiệm kháng thuốc tập trung vào hỗn hợp 16 thể thực khuẩn Các nhà nghiên cứu đã chọn nhiều hơn một thể thực khuẩn nhắm mục tiêu E. coli vì vi khuẩn có thể phát triển khả năng kháng thuốc đối với một phương pháp điều trị duy nhất. Ông Hie cho biết hỗn hợp thể thực khuẩn có thể khiến vi khuẩn khó tránh khỏi mọi thành phần của phương pháp điều trị hơn. Ông Hie nói: “Nếu vi khuẩn kháng lại một thể thực khuẩn duy nhất, thì thuốc sẽ vô hiệu. Nhưng nếu bạn có nhiều thể thực khuẩn khác biệt về mặt di truyền trong một hỗn hợp, thì vi khuẩn sẽ khó phát triển khả năng kháng lại toàn bộ hỗn hợp hơn”. Stanford báo cáo rằng một hỗn hợp chứa 16 thể thực khuẩn được chọn đã nhanh chóng vượt qua khả năng kháng thuốc ở E. coli miễn dịch với ΦX174 tự nhiên. Ông Hie cho biết công trình tương tự có thể theo đuổi các thể thực khuẩn (phage) nhắm vào tụ cầu vàng kháng methicillin (MRSA). Ông cũng đề cập đến trực khuẩn mủ xanh (Pseudomonas aeruginosa), mà Đại học Stanford mô tả là nguyên nhân hàng đầu gây nhiễm trùng kháng thuốc mắc phải trong bệnh viện. Truy cập mã nguồn mở mở rộng chương trình nghiên cứu Ông Hie đã phát hành Evo 2 dưới dạng phần mềm mã nguồn mở. Các nhà nghiên cứu có thể tải xuống mô hình và sử dụng nó để thiết kế bộ gen. Theo báo cáo của Đại học Stanford, việc phát hành này đã làm dấy lên các cuộc thảo luận về an toàn và bảo mật. Ông Hie thừa nhận rằng những đối tượng xấu có thể sửa đổi các phiên bản của công cụ, mặc dù ông lập luận rằng các mầm bệnh hiện có tạo ra rủi ro lớn hơn vì con người có thể tiếp cận và sản xuất chúng dễ dàng hơn. Ông Hie cũng cho biết các hệ thống hỗ trợ AI có thể hỗ trợ ứng phó với các đại dịch tự nhiên và cung cấp các lựa chọn phòng thủ chống lại các mối đe dọa sinh học do con người tạo ra. Những quan điểm đó phản ánh đánh giá của ông về các ứng dụng và rủi ro tiềm tàng của công cụ. Ông King mô tả lợi ích nghiên cứu theo những thuật ngữ hẹp hơn: "Một trong những phần đáng giá nhất của dự án này là sự sáng tạo mà Evo 2 cho phép. Những cánh cửa mới trong khoa học hiện đã mở ra nhờ những gì chúng ta có thể làm với các mô hình này." Giai đoạn tiếp theo sẽ mở rộng Evo 2 sang các chuỗi DNA dài hơn và phức tạp hơn, theo Đại học Stanford. Ông Hie đang làm việc với các nhà nghiên cứu tại Stanford và các nơi khác về các thiết kế thể thực khuẩn bổ sung. Bộ gen vi khuẩn nhỏ cũng có thể trở thành mục tiêu cho mô hình. Đại học Stanford cho biết những bộ gen đó có thể hỗ trợ các vi khuẩn được thiết kế để sản xuất hóa chất, thuốc hoặc nhiên liệu. Ông Hie đã đặt ra công việc kỹ thuật còn lại xung quanh hai câu hỏi: "Những câu hỏi mở lớn nhất đối với tôi là làm thế nào để chúng ta có được sự mới lạ di truyền lớn hơn và làm thế nào để chúng ta có được khả năng kiểm soát kết quả tốt hơn?"