Ερευνητές στις ΗΠΑ χρησιμοποίησαν τεχνητή νοημοσύνη για να σχεδιάσουν και να δημιουργήσουν λειτουργικούς ιούς που δεν έχουν αντίστοιχο στη φύση, σε ένα πείραμα που διευρύνει σημαντικά τις δυνατότητες της συνθετικής γονιδιωματικής.
Η μελέτη, που δημοσιεύθηκε στο περιοδικό Science, πραγματοποιήθηκε από επιστήμονες του Stanford University και του Arc Institute στην Καλιφόρνια. Οι ερευνητές χρησιμοποίησαν ένα μοντέλο τεχνητής νοημοσύνης για να σχεδιάσουν νέους βακτηριοφάγους ιούς που προσβάλλουν βακτήρια ανοίγοντας παράλληλα μια πιθανή νέα κατεύθυνση για την αντιμετώπιση βακτηρίων που έχουν αναπτύξει αντοχή στα αντιβιοτικά.
Ο χημικός μηχανικός του Stanford, Δρ. Μπράιαν Χάιε, σημείωσε ότι η συγκεκριμένη προσέγγιση θα μπορούσε μελλοντικά να αξιοποιηθεί για την ανάπτυξη θεραπειών με βακτηριοφάγους. Η λογική βασίζεται στη χρήση πολλών διαφορετικών φάγων ταυτόχρονα, ώστε να γίνεται δυσκολότερη η ανάπτυξη ανθεκτικότητας από τα βακτήρια.
Ωστόσο, η δυνατότητα σχεδιασμού νέων ιικών γονιδιωμάτων με τη βοήθεια παραγωγικής τεχνητής νοημοσύνης προκαλεί και έντονο προβληματισμό για τη βιοασφάλεια.
Ειδικοί από το Κέντρο για την Ασφάλεια της Υγείας του Johns Hopkins University προειδοποίησαν ότι η τεχνολογία εξελίσσεται ταχύτερα από τα υφιστάμενα συστήματα εποπτείας και διακυβέρνησης.
Το πείραμα
Οι ερευνητές χρησιμοποίησαν το ανοιχτού κώδικα μοντέλο τεχνητής νοημοσύνης Evo, το οποίο εκπαιδεύτηκε σε τεράστιο όγκο γενετικών δεδομένων από ζώα, φυτά, μικρόβια και ιούς. Από την εκπαίδευση εξαιρέθηκαν αλληλουχίες ιών που προσβάλλουν ανθρώπους.
Στη συνέχεια η ερευνητική ομάδα επικεντρώθηκε στον βακτηριοφάγο ΦX174, έναν από τους πιο μελετημένους ιούς που προσβάλλουν το βακτήριο E. coli. Το μοντέλο εκπαιδεύτηκε με βάση το γονιδίωμα του συγκεκριμένου φάγου και άλλων συγγενικών ιών.
Με βάση τα δεδομένα αυτά, η τεχνητή νοημοσύνη παρήγαγε 700.000 υποψήφιες γενετικές αλληλουχίες. Οι ερευνητές επέλεξαν ένα μικρό υποσύνολο για εργαστηριακή αξιολόγηση και διαπίστωσαν ότι ορισμένες από τις σχεδιασμένες αλληλουχίες μπορούσαν να οδηγήσουν σε λειτουργικούς φάγους.
Το αποτέλεσμα, σύμφωνα με τους επιστήμονες, αποτελεί απόδειξη ότι μοντέλα τεχνητής νοημοσύνης μπορούν να χρησιμοποιηθούν όχι μόνο για την ανάλυση γνωστών βιολογικών αλληλουχιών αλλά και για τον σχεδιασμό νέων.
Μια πιθανή εφαρμογή κατά της μικροβιακής αντοχής
Οι ερευνητές εξέτασαν επίσης εάν οι νέοι φάγοι θα μπορούσαν να αντιμετωπίσουν βακτήρια που έχουν αναπτύξει ανθεκτικότητα στον φυσικό ΦX174.
Η ομάδα υποστηρίζει ότι ο συνδυασμός διαφορετικών φάγων μπορεί να δυσκολεύει τα βακτήρια να αναπτύξουν ταυτόχρονα ανθεκτικότητα απέναντι σε όλους. Η προσέγγιση αυτή θα μπορούσε θεωρητικά να αποτελέσει βάση για μελλοντικές θεραπείες κατά δύσκολων βακτηριακών λοιμώξεων.
Ιδιαίτερο ενδιαφέρον παρουσιάζουν πιθανές εφαρμογές σε βακτήρια που προκαλούν σοβαρές λοιμώξεις και εμφανίζουν αντοχή σε πολλά φάρμακα.
Οι επιστήμονες επισημαίνουν πάντως ότι πρόκειται για απόδειξη της βασικής ιδέας και όχι για έτοιμη θεραπευτική τεχνολογία. Απαιτείται περαιτέρω έρευνα προτού τέτοιες προσεγγίσεις μπορέσουν να αξιοποιηθούν στην ιατρική.
Η τεχνητή νοημοσύνη αλλάζει τη βιολογία
Η συγκεκριμένη μελέτη εντάσσεται σε μια ευρύτερη τάση αξιοποίησης της τεχνητής νοημοσύνης στη βιολογία. Τα σύγχρονα μοντέλα μπορούν να επεξεργάζονται τεράστιες βάσεις γενετικών δεδομένων και να εντοπίζουν μοτίβα που θα ήταν εξαιρετικά δύσκολο να αναγνωριστούν με συμβατικές μεθόδους.
Ένα από τα χαρακτηριστικότερα παραδείγματα είναι το AlphaFold της Google DeepMind, το οποίο έφερε επανάσταση στην πρόβλεψη της τρισδιάστατης δομής των πρωτεϊνών και συνέβαλε στην ευρύτερη ανάπτυξη της υπολογιστικής βιολογίας.
Η νέα έρευνα μεταφέρει αυτή τη δυνατότητα ένα βήμα παραπέρα: από την πρόβλεψη και ανάλυση βιολογικών μορίων στον σχεδιασμό νέων βιολογικών συστημάτων.
Οι ανησυχίες για τη βιοασφάλεια
Η ίδια δυνατότητα που μπορεί να επιταχύνει την ανάπτυξη νέων θεραπειών δημιουργεί και ερωτήματα σχετικά με την πιθανή κακόβουλη χρήση της τεχνολογίας.
Ειδικοί σε θέματα βιοασφάλειας προειδοποιούν ότι τα συστήματα παραγωγικής τεχνητής νοημοσύνης μπορούν πλέον να χρησιμοποιηθούν για τον σχεδιασμό γενετικών αλληλουχιών με τρόπο που πριν απαιτούσε εξειδικευμένη γνώση και σημαντικούς υπολογιστικούς πόρους.
Ο καθηγητής συνθετικής γονιδιωματικής μηχανικής Τομ Έλις του Imperial College London υποστήριξε, ωστόσο, ότι η άμεση τροποποίηση ήδη γνωστών παθογόνων μπορεί να αποτελεί μεγαλύτερη και πιο άμεση απειλή από τον εξ ολοκλήρου σχεδιασμό ενός νέου παθογόνου με τεχνητή νοημοσύνη.
Παράλληλα, η συζήτηση για την έρευνα gain-of-function, κατά την οποία τροποποιούνται οργανισμοί ώστε να αποκτήσουν ή να ενισχύσουν συγκεκριμένες ιδιότητες, έχει οδηγήσει σε αυστηρότερες πολιτικές βιοασφάλειας στις ΗΠΑ.
Το βασικό ερώτημα πλέον δεν αφορά μόνο το τι μπορεί να σχεδιάσει η τεχνητή νοημοσύνη, αλλά και το πώς θα διασφαλιστεί ότι οι νέες δυνατότητες της συνθετικής βιολογίας θα χρησιμοποιούνται με τρόπο ασφαλή και ελεγχόμενο.