AI ออกแบบจีโนมไวรัสที่ใช้งานได้จากศูนย์เป็นครั้งแรก

ไวรัสดังกล่าวคือ แบคเทอริโอเฟจ หรือไวรัสที่ติดเชื้อแบคทีเรีย ไม่ใช่ไวรัสที่โจมตีมนุษย์ ผลการทดลองพบว่าแบบจำลอง 16 แบบสามารถเพิ่มจำนวนในห้องทดลองและทำลาย Escherichia coli หรือ E. coli ได้ ขณะที่ฟาจหลายชนิดมีประสิทธิภาพเหนือกว่าไวรัสธรรมชาติที่ใช้เป็นต้นแบบ

จากโมเดลภาษาสู่จีโนมที่ทำงานได้จริง

Evo 2 เป็นโมเดลพื้นฐานด้านจีโนมที่เรียนรู้จากลำดับ DNA ของสิ่งมีชีวิตหลายกลุ่ม ตั้งแต่แบคทีเรีย อาร์เคีย พืช สัตว์ ไปจนถึงมนุษย์ และสามารถวิเคราะห์ลำดับได้ในระดับนิวคลีโอไทด์เดี่ยว นักวิจัยนำ Evo 1 และ Evo 2 มาปรับแต่งเพิ่มเติมด้วยข้อมูลจีโนมของแบคเทอริโอเฟจ เพื่อให้โมเดลสร้างจีโนมทั้งชุดที่มีโครงสร้างทางพันธุกรรมสมจริงและมีแนวโน้มจะจำเพาะต่อโฮสต์ที่ต้องการ

กระบวนการนี้เริ่มจากการให้โมเดลสร้างลำดับจีโนมไวรัสประมาณ 700,000 แบบ จากนั้นจึงใช้ตัวกรองทางคอมพิวเตอร์คัดเหลือ 302 แบบที่มีศักยภาพ ในจำนวนนี้ 285 แบบถูกสังเคราะห์เป็น DNA จริงด้วยกระบวนการทางเคมี ก่อนนำไปทดสอบกับ E. coli ในห้องปฏิบัติการ

ผลลัพธ์คือ 16 จาก 285 จีโนมที่สังเคราะห์ขึ้นสามารถสร้างแบคเทอริโอเฟจที่ทำงานได้ คิดเป็นอัตราความสำเร็จประมาณ 5.6% นักวิจัยเสนอว่านี่เป็นหนึ่งในตัวชี้วัดแรก ๆ ที่ใช้วัด “ผลผลิตที่ใช้งานได้จริง” ของการออกแบบชีววิทยาระดับจีโนมด้วย AI

ฟาจใหม่บางชนิดเอาชนะต้นแบบธรรมชาติ

ฟาจทั้ง 16 ชนิดสามารถติดเชื้อและทำให้เซลล์ E. coli แตกสลายในจานทดลอง แสดงให้เห็นว่าจีโนมที่ AI ออกแบบไม่ได้เพียงดูสมจริงบนคอมพิวเตอร์ แต่ยังรองรับการเพิ่มจำนวน การติดเชื้อ และการทำลายเซลล์โฮสต์ได้จริง

เมื่อเปรียบเทียบแบบตัวต่อตัว ฟาจที่ออกแบบด้วย AI หลายชนิดเติบโตและทำให้แบคทีเรียแตกได้เร็วกว่า ΦX174 ซึ่งเป็นฟาจธรรมชาติที่ใช้เป็นต้นแบบ ฟาจบางแบบมีการเปลี่ยนแปลงกรดอะมิโนมากกว่า 50 ตำแหน่งเมื่อเทียบกับไวรัสธรรมชาติ ซึ่งสะท้อนความแตกต่างทางวิวัฒนาการในระดับที่การกลายพันธุ์แบบสุ่มมักสร้างได้ยาก

การวิเคราะห์โครงสร้างยังพบว่า ฟาจหนึ่งชนิดมีโปรตีนสำหรับบรรจุ DNA ที่ไม่เคยพบในสิ่งมีชีวิตใดที่รู้จักบนโลกมาก่อน กล่าวอีกอย่างคือ AI ไม่ได้เพียงนำชิ้นส่วนพันธุกรรมเดิมมาเรียงใหม่ แต่สามารถสร้างชุดคำสั่งทางชีววิทยาที่มีความแปลกใหม่และยังทำงานได้

ที่สำคัญ เมื่อนำฟาจทั้ง 16 ชนิดมาผสมเป็นค็อกเทล ส่วนผสมดังกล่าวสามารถรับมือ E. coli หลายสายพันธุ์ รวมถึงสายพันธุ์ที่พัฒนาความต้านทานต่อฟาจแต่ละชนิดได้

ความหวังใหม่สำหรับการติดเชื้อดื้อยา

แบคเทอริโอเฟจถูกศึกษามานานในฐานะทางเลือกหรือส่วนเสริมของยาปฏิชีวนะ เพราะสามารถโจมตีแบคทีเรียอย่างจำเพาะเจาะจง เมื่อแบคทีเรียดื้อยาหลายขนานเพิ่มขึ้น ความสามารถในการออกแบบฟาจใหม่ได้อย่างรวดเร็วอาจช่วยให้นักวิจัยรับมือกับการแข่งขันทางวิวัฒนาการระหว่างฟาจกับแบคทีเรียได้ดีขึ้น

ค็อกเทลฟาจยังมีข้อได้เปรียบตรงที่สามารถโจมตีแบคทีเรียผ่านหลายกลไกพร้อมกัน ทำให้มีแนวโน้มลดโอกาสที่แบคทีเรียจะดื้อต่อฟาจทั้งหมดในคราวเดียว งานนี้จึงเปิดทางให้เกิดการสร้างต้นแบบฟาจที่ปรับให้เหมาะกับเชื้อก่อโรคแบคทีเรียแต่ละชนิดได้รวดเร็วกว่าแนวทางการคัดเลือกฟาจจากธรรมชาติเพียงอย่างเดียว

อย่างไรก็ตาม ผลการทดลองครั้งนี้ยังเป็นหลักฐานในห้องปฏิบัติการ ไม่ใช่การยืนยันว่าฟาจที่ออกแบบด้วย AI พร้อมใช้เป็นการรักษาผู้ป่วยแล้ว จำเป็นต้องมีการทดสอบด้านความปลอดภัย ประสิทธิผล และการควบคุมความจำเพาะต่อโฮสต์เพิ่มเติมก่อนนำไปใช้ทางการแพทย์

เมื่อความสามารถของ AI วิ่งเร็วกว่ากฎกำกับดูแล

ความก้าวหน้านี้มาพร้อมคำถามด้านความปลอดภัยทางชีวภาพและความมั่นคงทางชีวภาพอย่างหลีกเลี่ยงไม่ได้ ในบทความแสดงความคิดเห็นประกอบงานวิจัยใน Science Thomas Inglesby และ Moritz Hanke จาก Johns Hopkins Center for Health Security ระบุว่า ความสามารถในการประกอบจีโนมไวรัสด้วย AI เชิงกำเนิดมีอยู่แล้ว แต่ระบบกำกับดูแลเพื่อให้ความสามารถดังกล่าวถูกใช้ได้อย่างปลอดภัยยังไม่พร้อม

หนึ่งในมาตรการคุ้มกันที่ใช้อยู่คือระบบคัดกรองของ International Gene Synthesis Consortium ซึ่งตรวจสอบคำสั่งซื้อ DNA เทียบกับลำดับของเชื้อก่อโรคที่รู้จัก ระบบนี้เป็นมาตรการสมัครใจ ไม่ใช่ข้อบังคับตามกฎหมาย และไม่ได้ถูกออกแบบมาเพื่อจับลำดับพันธุกรรมใหม่ที่ไม่ตรงกับสิ่งมีชีวิตใดในฐานข้อมูลธรรมชาติ

Arc Institute ระบุว่าได้ใช้มาตรการลดความเสี่ยงด้วยการไม่นำไวรัสยูคาริโอต ซึ่งรวมถึงไวรัสที่ติดมนุษย์หรือสัตว์อื่น มารวมไว้ในข้อมูลฝึกของ Evo 2 แต่ผู้เชี่ยวชาญเตือนว่า วิธีการลักษณะเดียวกันอาจถูกนำไปใช้ในทางที่เป็นอันตราย และจีโนมที่ AI สร้างขึ้นอาจเกิดขึ้นได้เร็วเกินกว่าระบบเฝ้าระวังปัจจุบันจะตรวจจับหรือสกัดกั้นทัน

บทความอีกชิ้นใน Nature ชี้ว่า แม้เครื่องมือเหล่านี้จะถูกพัฒนาเพื่อค้นคว้ายาและสร้างประโยชน์ต่อสังคม แต่ก็อาจลดอุปสรรคในการสร้างภัยคุกคามทางชีวภาพรูปแบบใหม่ได้เช่นกัน

ดังนั้น ความสำเร็จของฟาจทั้ง 16 ชนิดจึงมีสองด้านในเวลาเดียวกัน ด้านหนึ่งคือหลักฐานว่า AI สามารถออกแบบจีโนมทั้งชุดที่ทำงานได้จริง อีกด้านคือสัญญาณเตือนว่า กรอบความปลอดภัย การคัดกรองการสังเคราะห์ DNA และกติกาสำหรับชีววิทยาเชิงกำเนิดจำเป็นต้องพัฒนาให้ทันกับสิ่งที่เทคโนโลยีทำได้แล้ว