Κατά τη διάρκεια της διάλεξής της για το βραβείο Νόμπελ στη Χημεία το 2018 Φράνσις Άρνολντ είπε: «Σήμερα μπορούμε να διαβάσουμε, να γράψουμε και να επεξεργαστούμε σχεδόν οποιαδήποτε αλληλουχία DNA, αλλά δεν μπορούμε να τη συναρμολογήσουμε».
Έκτοτε, η επιστήμη και η τεχνολογία έχουν προχωρήσει τόσο πολύ που η τεχνητή νοημοσύνη έχει μάθει να συναρμολογεί DNA και χρησιμοποιώντας γενετικά τροποποιημένα βακτήρια, οι επιστήμονες είναι καθ’ οδόν για το σχεδιασμό και την κατασκευή προσαρμοσμένων πρωτεϊνών.
Στόχος είναι οι επιστήμονες να χρησιμοποιήσουν τις σχεδιαστικές δυνατότητες της τεχνητής νοημοσύνης και τις τεχνικές δυνατότητες επεξεργασίας γονιδιώματος για να δημιουργήσουν βακτήρια ώστε να λειτουργούν ως μίνι-εργοστάσια, παράγοντας νέες πρωτεΐνες που μπορούν να μειώσουν τα αέρια του θερμοκηπίου, να αφομοιώσουν τα πλαστικά ή να λειτουργήσουν ως φυτοφάρμακα για συγκεκριμένα είδη.
Ως καθηγητής χημείας και υπολογιστικός χημικός που ειδικεύεται στη μοριακή επιστήμη και τη χημεία του περιβάλλοντος, πιστεύω ότι η πρόοδος στην τεχνητή νοημοσύνη και την επεξεργασία του γονιδιώματος καθιστά αυτό μια ρεαλιστική πιθανότητα.
Γονιδιακή αλληλουχία – ανάγνωση των συνταγών της ζωής
Όλα τα έμβια όντα περιέχουν γενετικό υλικό—DNA και RNA—που παρέχει τις γενετικές πληροφορίες που χρειάζονται για την αναπαραγωγή και την παραγωγή πρωτεϊνών. Οι πρωτεΐνες αποτελούν το 75% του ξηρού βάρους του ανθρώπου. Παράγουν μύες, ένζυμα, ορμόνες, αίμα, τρίχες και χόνδρο. Για να κατανοήσετε τις πρωτεΐνες, πρέπει να καταλάβετε πολλή βιολογία. Η σειρά των βάσεων νουκλεοτιδίων στο DNA ή το RNA σε ορισμένους ιούς κωδικοποιεί αυτές τις πληροφορίες και οι τεχνολογίες γονιδιωματικής αλληλουχίας προσδιορίζουν τη σειρά αυτών των βάσεων.
Το Έργο Ανθρώπινου Γονιδιώματος ήταν ένα διεθνές έργο που αναλύει την αλληλουχία ολόκληρου του ανθρώπινου γονιδιώματος από το 1990 έως το 2003. Χάρη στις ταχέως βελτιωμένες τεχνολογίες, χρειάστηκαν επτά χρόνια για την αλληλουχία του πρώτου τοις εκατό του γονιδιώματος και άλλα επτά χρόνια για την αλληλουχία του υπόλοιπου 99 τοις εκατό. Μέχρι το 2003, οι επιστήμονες είχαν την πλήρη αλληλουχία των 3 δισεκατομμυρίων ζευγών βάσεων νουκλεοτιδίων που κωδικοποιούν 20.000 έως 25.000 γονίδια στο ανθρώπινο γονιδίωμα.
Ωστόσο, η κατανόηση της λειτουργίας των περισσότερων πρωτεϊνών και η διόρθωση των δυσλειτουργιών τους παρέμεινε μια πρόκληση.
Το AI μαθαίνει πρωτεΐνες
Το σχήμα κάθε πρωτεΐνης είναι καθοριστικής σημασίας για τη λειτουργία της και καθορίζεται από την αλληλουχία των αμινοξέων της, η οποία με τη σειρά της καθορίζεται από την αλληλουχία νουκλεοτιδίων του γονιδίου. Οι λανθασμένες πρωτεΐνες έχουν λάθος σχήμα και μπορούν να προκαλέσουν ασθένειες όπως νευροεκφυλιστικές ασθένειες, κυστική ίνωση και διαβήτη τύπου 2. Η κατανόηση αυτών των ασθενειών και η ανάπτυξη θεραπειών απαιτεί γνώση των μορφών πρωτεΐνης.
Πριν από το 2016, ο μόνος τρόπος για να προσδιοριστεί το σχήμα μιας πρωτεΐνης ήταν μέσω της κρυσταλλογραφίας ακτίνων Χ. Αυτή είναι μια εργαστηριακή τεχνική που χρησιμοποιεί τη διάθλαση των ακτίνων Χ από μονοκρυστάλλους για να προσδιορίσει την ακριβή διάταξη των ατόμων και των μορίων σε τρεις διαστάσεις σε ένα μόριο. Εκείνη την εποχή, η δομή περίπου 200.000 πρωτεϊνών προσδιορίστηκε με κρυσταλλογραφία, που κόστισε δισεκατομμύρια δολάρια.
Το AlphaFold, ένα πρόγραμμα μηχανικής μάθησης, χρησιμοποίησε αυτές τις κρυσταλλικές δομές ως εκπαιδευτικό σετ για να προσδιορίσει το σχήμα των πρωτεϊνών από τις αλληλουχίες νουκλεοτιδίων τους. Και σε λιγότερο από ένα χρόνο, το πρόγραμμα υπολόγισε τις πρωτεϊνικές δομές και των 214 εκατομμυρίων γονιδίων που αναλύθηκαν και δημοσιεύθηκαν. Οι πρωτεϊνικές δομές που προσδιορίζονται από το AlphaFold έχουν δημοσιευθεί όλες σε μια ελεύθερα διαθέσιμη βάση δεδομένων.
Για την αποτελεσματική θεραπεία μη μολυσματικών ασθενειών και την ανάπτυξη νέων φαρμάκων, οι επιστήμονες χρειάζονται πιο λεπτομερή γνώση του τρόπου με τον οποίο οι πρωτεΐνες, ιδιαίτερα τα ένζυμα, δεσμεύουν μικρά μόρια. Τα ένζυμα είναι πρωτεϊνικοί καταλύτες που ενεργοποιούν και ρυθμίζουν τις βιοχημικές αντιδράσεις.
Το AlphaFold3, που κυκλοφόρησε στις 8 Μαΐου 2024, μπορεί να προβλέψει τα σχήματα των πρωτεϊνών και τις τοποθεσίες όπου μικρά μόρια μπορούν να συνδεθούν με αυτές τις πρωτεΐνες. Στον ορθολογικό σχεδιασμό φαρμάκων, τα φάρμακα έχουν σχεδιαστεί για να δεσμεύουν πρωτεΐνες που εμπλέκονται σε μια οδό σηματοδότησης που σχετίζεται με τη νόσο που αντιμετωπίζεται. Τα μικρομοριακά φάρμακα συνδέονται με τη θέση δέσμευσης πρωτεΐνης και ρυθμίζουν τη δραστηριότητά της, επηρεάζοντας έτσι την εξέλιξη της νόσου. Με την ικανότητα πρόβλεψης θέσεων δέσμευσης πρωτεΐνης, το AlphaFold3 θα βελτιώσει τις δυνατότητες ανάπτυξης φαρμάκων των ερευνητών.
AI + CRISPR = σύνθεση νέων πρωτεϊνών
Γύρω στο 2015, η ανάπτυξη της τεχνολογίας CRISPR έφερε επανάσταση στην επεξεργασία γονιδίων. Το CRISPR μπορεί να χρησιμοποιηθεί για να βρει ένα συγκεκριμένο τμήμα ενός γονιδίου, να το αλλάξει ή να το διαγράψει, να κάνει το κύτταρο να εκφράσει περισσότερο ή λιγότερο από το γονιδιακό του προϊόν ή ακόμα και να προσθέσει ένα εντελώς ξένο γονίδιο στη θέση του.
Το 2020, η Jennifer Doudna και η Emmanuelle Charpentier έλαβαν το Νόμπελ Χημείας «για την ανάπτυξη μιας μεθόδου (CRISPR) για την επεξεργασία του γονιδιώματος». Με το CRISPR, η επεξεργασία του γονιδιώματος που κάποτε χρειαζόταν χρόνια και ήταν συγκεκριμένη για το είδος, δαπανηρή και επίπονη μπορεί τώρα να επιτευχθεί σε ημέρες και με ένα κλάσμα του κόστους.
Η τεχνητή νοημοσύνη και η γενετική μηχανική σημειώνουν ταχεία πρόοδο. Αυτό που κάποτε ήταν περίπλοκο και ακριβό είναι πλέον ρουτίνα. Το όνειρο για το μέλλον είναι οι εξατομικευμένες πρωτεΐνες που σχεδιάζονται και παράγονται μέσω ενός συνδυασμού μηχανικής μάθησης και βακτηρίων τροποποιημένων με CRISPR. Το AI θα σχεδίαζε τις πρωτεΐνες και τα βακτήρια που τροποποιήθηκαν με CRISPR θα παράγουν τις πρωτεΐνες. Τα ένζυμα που παράγονται με αυτόν τον τρόπο θα μπορούσαν ενδεχομένως να εισπνεύσουν διοξείδιο του άνθρακα και μεθάνιο ενώ εκπνέουν οργανικές πρόδρομες ουσίες ή να διασπάσουν τα πλαστικά σε υποκατάστατα σκυροδέματος.
Δεδομένου ότι οι γενετικά τροποποιημένοι οργανισμοί στη γεωργία και τα φαρμακευτικά προϊόντα αντιπροσωπεύουν ήδη το 2 τοις εκατό της οικονομίας των ΗΠΑ, δεν νομίζω ότι αυτές οι φιλοδοξίες είναι μη ρεαλιστικές.
Δύο ομάδες έχουν αναπτύξει ένζυμα εργασίας από την αρχή, σχεδιασμένα από διαφορετικά συστήματα AI. Το Ινστιτούτο Σχεδιασμού Πρωτεϊνών του Ντέιβιντ Μπέικερ στο Πανεπιστήμιο της Ουάσιγκτον ανέπτυξε μια νέα στρατηγική σχεδίασης πρωτεϊνών βασισμένη στη βαθιά μάθηση που ονομάζεται «Οικογενειακή ψευδαίσθηση», την οποία χρησιμοποίησαν για να δημιουργήσουν ένα μοναδικό ένζυμο που εκπέμπει φως. Εν τω μεταξύ, η νεοφυής εταιρεία βιοτεχνολογίας Profluent έχει αναπτύξει τεχνητή νοημοσύνη εκπαιδευμένη στο σύνολο της γνώσης του CRISPR-Cas για να σχεδιάσει νέους επεξεργαστές γονιδιώματος που λειτουργούν.
Εάν η τεχνητή νοημοσύνη μπορεί να μάθει να φτιάχνει νέα συστήματα CRISPR καθώς και βιοφωταύγεια ένζυμα που λειτουργούν και δεν έχουν δει ποτέ στη Γη, η ελπίδα είναι ότι ο συνδυασμός CRISPR και AI μπορεί να χρησιμοποιηθεί για την ανάπτυξη άλλων νέων εξατομικευμένων ενζύμων. Παρόλο που ο συνδυασμός CRISPR-AI είναι ακόμα στα σπάργανα, μόλις ωριμάσει αναμένεται να είναι πολύ χρήσιμος και ακόμη και να βοηθήσει τον κόσμο να καταπολεμήσει την κλιματική αλλαγή.
Ωστόσο, δεν πρέπει να ξεχνάμε ότι όσο πιο ισχυρή είναι μια τεχνολογία, τόσο μεγαλύτεροι είναι οι κίνδυνοι. Επιπλέον, οι άνθρωποι δεν έχουν ακόμη καταφέρει να χειραγωγήσουν τη φύση, επειδή τα φυσικά συστήματα είναι τόσο πολύπλοκα και αλληλένδετα που αυτό συχνά οδηγεί σε ακούσιες συνέπειες.
Αυτό το άρθρο αναδημοσιεύτηκε από το The Conversation, έναν μη κερδοσκοπικό, ανεξάρτητο ειδησεογραφικό οργανισμό που σας φέρνει γεγονότα και αναλύσεις για να σας βοηθήσει να κατανοήσετε τον περίπλοκο κόσμο μας.
Γράφτηκε από τον: Marc Zimmer, Πανεπιστήμιο του Κονέκτικατ.
Διαβάστε περισσότερα:
Ο Marc Zimmer δεν εργάζεται, δεν συμβουλεύεται, δεν κατέχει μετοχές ή δεν λαμβάνει μετοχές από οποιαδήποτε εταιρεία ή οργανισμό που θα επωφεληθεί από αυτό το άρθρο καμία τέτοια εταιρεία ή οργανισμό και δεν έχει αποκαλύψει σχετικές σχέσεις πέρα από την ακαδημαϊκή του απασχόληση.