Tehisintellekti arengud võimaldavad loomuliku keelega valke ja genoomi disainimise tööriistu

Pilt: Ars Technica · Allikas

Uued tehisintellekti tööriistad võimaldavad kasutajatel kujundada valke ja DNA järjestusi loomulikus keeles esitatud juhiste abil, lihtsustades biomolekulaarse disaini keerukat protsessi, kuigi edukuse määrad on endiselt madalad ja ekspertiis on hädavajalik.

Viimased tehisintellekti arengud on avanud teed uutele tööriistadele, mis lihtsustavad valkude ja genoomi disaini, võimaldades kasutajatel sisestada loomulikes keeltes kirjeldusi üksikasjalike biokeemiliste spetsifikatsioonide asemel. Traditsiooniliselt nõuab valkude disain keerukaid teadmisi ensüümide mehhanismidest ning aminohapete ja ümbritsevate molekulide täpsest paiknemisest. Olemasolevad tehisintellekti lahendused nõuavad kasutajatelt struktuursete piirangute tehnilist määramist, mis piirab kasutusvõimalusi ekspertidele, kes on hästi kursis valkude keemiaga.

Suure teadusuuringute koostöö raames Hiinas lõid teadlased tööriista nimega Pinal, mis kasutab loomuliku keele töötlemist, et tõlgendada lihtsas keeles antud juhiseid soovitud valkude funktsioonide kohta. Selle asemel, et käsitsi sisestada aminohapete konfiguratsioone või struktuurseid detaile, saavad kasutajad kirjeldada sihtfunktsioone – näiteks ensümaatiline aktiivsus või fluorestsents – ning Pinal genereerib nende ülesannete täitmiseks sobivaid valkude järjestusi. Süsteem ühendab tekstist struktuurini mooduli T2struct ja aminohapete järjestuse generaatori SAProt-T, kasutades treeninguks ulatuslikke valguandmebaase ja AlphaFoldi ennustatud struktuure.

Teadlased demonstreerisid Pinali, paludes sellel disainida mitmesuguseid valke, sealhulgas fluorestseerivat valku, mis funktsionaalsuses sarnaneb, kuid järjestuses erineb rohelisest fluorestsentsvalgust (GFP). Kümnetest tuhandetest arvutuslikest prognoosidest toodeti ja eksperimentaalselt testiti vaid väike osa; üks neist näitas soovitud fluorestsentsi. Kuigi see viitab madalale edutõenäosusele, peegeldab see väljakutse keerukust ja ranget filtreerimiskriteeriumi.

Selle kõrval tutvustas teine meeskond Hugging Face'ist ja akadeemilistest partneritest Carbon X-i, DNA-le keskenduvat mudelit, mis ühendab inimkeele mõistmise genoomiliste järjestuste ennustamisega. See mudel suudab tõlgendada ja genereerida DNA järjestusi loomulikus keeles antud juhiste põhjal, tõlkida inglise ja DNA vahel ning ennustada spetsiifiliste mutatsioonide mõju järjestusele. Carbon X suudab töötada kohalikel seadmetel, näiteks MacBookil, pakkudes kulude ja privaatsuse eeliseid võrreldes kommertspõhiste pilvepõhiste süsteemidega.

Vaatamata nendele uuendustele ei asenda loomulikus keeles antud juhiste kasutamine biomolekulaarse disaini valdkonna ekspertiisi vajadust. Teadlased vajavad ikka keerukaid laborikatseid AI-geneeritud kandidaatide katsetamiseks ja täiustamiseks. Lisaks toodavad need tööriistad mõnikord vale-positiive ja hallutsinatsioone, mis nõuavad hoolikat tõlgendamist.

Vähendades tehnilisi takistusi, pakuvad need tehisintellekti tööriistad võimalust kiirendada bioloogiauuringuid ja muuta biomolekulaarne disain kättesaadavamaks. Kuna need süsteemid arenevad, võivad nad saada väärtuslikeks kaaslasteks eksperimentaalsetele bioloogidele, lihtsustades töövooge ja pakkudes intuitiivseid liideseid, mis tõlgendavad kasutaja kavatsust loomulikus keeles. Kuid nende laialdane kasutuselevõtt ja praktiline kasu laboritingimustes määravad nende lõpliku mõju valdkonnale.