הבינה המלאכותית תכננה וירוסים שלא היו קיימים בטבע — 16 מהם פעלו במעבדה

ממאות אלפי רעיונות ל-16 נגיפים פעילים

Evo 2 הוא מודל יסוד גנומי שאומן על רצפי DNA ממגוון רחב של יצורים — מחיידקים וארכאונים ועד צמחים, בעלי חיים ובני אדם — ברמת רזולוציה של נוקלאוטיד יחיד . החוקרים התאימו את Evo 1 ואת Evo 2 במיוחד לגנומים של בקטריופאג'ים, במטרה ליצור גנומים שלמים עם מבנה גנטי אמין ויכולת לתקוף את המאכסן הרצוי .

התהליך דמה לגרסה ביולוגית של צינור פיתוח: המודלים יצרו כ-700 אלף גנומים נגיפיים מועמדים, מסננים חישוביים צמצמו את הרשימה ל-302 מועמדים מבטיחים, ו-285 מהם יוצרו בפועל באמצעות סינתזה כימית של DNA . לאחר מכן הוכנסו הרצפים לחיידקי E. coli לצורך בדיקה.

רק 16 מתוך 285 הגנומים הסינתטיים יצרו בקטריופאג'ים מתפקדים — כ-5.6%. אף שמדובר בשיעור נמוך, המחקר מציג לראשונה מדד כמותי ל"תפוקה יצרנית" בתכנון גנומים שלמים באמצעות ביולוגיה גנרטיבית .

חלק מהתכנונים היו יעילים יותר מהנגיף הטבעי

כל 16 הבקטריופאג'ים הפעילים הצליחו להדביק חיידקי E. coli ולגרום לליזיס — התפרקות ומוות של התא — בתנאי מעבדה . כמה מהנגיפים שתכננה הבינה המלאכותית הראו קצב התרבות ומהירות הרג גבוהים יותר מאלה של ΦX174, הנגיף הטבעי ששימש כתבנית להשוואה .

הפער הגנטי בין חלק מהתכנונים לבין הנגיף הטבעי היה משמעותי: בכמה מהם נמצאו יותר מ-50 שינויים בחומצות האמינו, הרבה מעבר למה שמוטציות אקראיות צפויות ליצור בדרך כלל . באחד המקרים זוהה חלבון לאריזת DNA שלא נמצא באף אורגניזם מוכר — מבנה ביולוגי חדש שהופיע בתכנון שנוצר על ידי המודל .

החוקרים גם הרכיבו קוקטייל של 16 הבקטריופאג'ים. התערובת הצליחה לדכא כמה זני E. coli, ובהם זנים שפיתחו עמידות בפני בקטריופאג'ים בודדים . הרעיון מאחורי קוקטייל כזה פשוט: אם חיידק מצליח לחמוק מסוג אחד של נגיף, נגיפים אחרים בתערובת עשויים לתקוף אותו במסלולים שונים.

מה זה עשוי לשנות בטיפול בזיהומים עמידים?

עמידות לאנטיביוטיקה מקשה על הטיפול בזיהומים חיידקיים, ובקטריופאג'ים מציעים גישה שונה: במקום תרופה כימית שתוקפת חיידקים, משתמשים בנגיפים שמזהים חיידק מסוים ומתרבים בתוכו. היכולת לתכנן במהירות פאג'ים חדשים עשויה לאפשר התאמה טובה יותר לפתוגן מסוים ולצמצם את היתרון שמקבלים חיידקים לאחר שהם מפתחים עמידות לפאג' יחיד .

המחקר אינו מציג עדיין טיפול רפואי מוכן. הניסויים בוצעו בחיידקי E. coli בתנאי מעבדה, והדרך מתכנון גנום ועד טיפול בבני אדם כוללת שלבי בטיחות, בדיקות יעילות וניסויים קליניים. עם זאת, התוצאה מדגימה שמודלי שפה גנומיים מסוגלים לעבור מתכנון של גנים או חלבונים לתכנון של גנום נגיפי שלם, שאפשר לבדוק במערכת חיה .

לדברי בריאן הִי, היכולת של התוכנית לשלב מגוון אבולוציוני עשויה להפוך את טיפולי הפאג'ים לחלופה יעילה יותר לאנטיביוטיקה במקרים של זיהומים עמידים .

פער הפיקוח: כשהרצף אינו דומה לשום דבר מוכר

לצד הפוטנציאל הרפואי, המחקר מעלה שאלה מטרידה: כיצד בודקים DNA שנוצר על ידי מודל, אם הוא אינו מופיע באף מאגר טבעי?

בפרשנות נלווית בכתב העת Science, תומאס אינגלסבי ומוריץ האנקה מהמרכז לביטחון בריאותי באוניברסיטת ג'ונס הופקינס כתבו כי היכולת להרכיב גנומים נגיפיים באמצעות בינה מלאכותית כבר קיימת — אך מנגנוני הממשל שנדרשים כדי להבטיח שימוש בטוח ומאובטח עדיין אינם קיימים במידה מספקת .

אחד מאמצעי ההגנה המרכזיים כיום הוא מערכת הסינון של International Gene Synthesis Consortium, שבודקת הזמנות DNA מול רצפים מוכרים של פתוגנים. אלא שמדובר במנגנון וולונטרי, לא בדרישה חוקית כללית, והוא לא תוכנן לזהות רצפים חדשים שאין להם התאמה במאגרי מידע טבעיים .

מכון Arc נקט אמצעי זהירות והחריג ממאגר האימון של Evo 2 פתוגנים נגיפיים אאוקריוטיים — כלומר נגיפים שמדביקים בני אדם או בעלי חיים . למרות זאת, מומחים מזהירים שאותם עקרונות חישוביים עלולים לשמש גם גורמים זדוניים, ושגנומים חדשים עשויים להיווצר בקצב מהיר מכדי שמערכות הפיקוח הקיימות יזהו אותם או יעצרו את ייצורם .

גם פרשנות ב-Nature הדגישה את אופייה הדו-שימושי של הטכנולוגיה: כלים שנבנים כדי לסייע בגילוי תרופות ובמחקר ביולוגי עשויים במקביל להוריד את רף הכניסה ליצירת איומים ביולוגיים חדשים .

המסר המרכזי של המחקר כפול: הבינה המלאכותית כבר מסוגלת להציע גנומים שלמים שמעולם לא הופיעו בטבע — אך היכולת המדעית מתקדמת כעת מהר יותר מהכללים שנועדו לפקח עליה.