Dirbtinio intelekto pažanga leidžia kurti baltymų ir genomo projektavimo įrankius natūralia kalba

Vaizdas: Ars Technica · Šaltinis

Nauji dirbtinio intelekto įrankiai leidžia vartotojams projektuoti baltymus ir DNR sekas naudojant natūralios kalbos užklausas, taip supaprastinant sudėtingą biomolekulių projektavimo procesą, nors sėkmės rodikliai vis dar žemi ir ekspertų patvirtinimas būtinas.

Naujausi dirbtinio intelekto pažangos žingsniai atvėrė kelią naujiems įrankiams, kurie supaprastina baltymų ir genomo projektavimą, leidžiant vartotojams įvesti natūralios kalbos aprašymus vietoje detalių biocheminių specifikacijų. Tradiciškai baltymų kūrimas reikalauja sudėtingų žinių apie fermentų mechanizmus ir tikslaus aminorūgščių bei aplinkinių molekulių išdėstymo.

Esamos DI sprendimų sistemos reikalauja vartotojui techniniu būdu nurodyti struktūrinius apribojimus, kas riboja naudotojų ratą iki ekspertų, gerai išmanančių baltymų chemiją.

Didelė mokslinių tyrimų grupė Kinijoje sukūrė įrankį Pinal, kuris naudoja natūralios kalbos apdorojimą, kad išaiškintų paprastos kalbos užklausas apie pageidaujamas baltymo funkcijas. Vartotojai gali aprašyti tikslines funkcijas — pavyzdžiui, fermentinę aktyvumą arba fluorescenciją — o Pinal sugeneruoja baltymų sekas, sukurtas atitikti šias funkcijas, nereikalaujant rankiniu būdu nurodyti aminorūgščių ir struktūrinių detalių. Sistema derina teksto į struktūrą modulį T2struct ir aminorūgščių sekų generatorių SAProt-T, naudodama išsamias baltymų duomenų bazes ir AlphaFold prognozuotas struktūras mokymui.

Tyrėjai demonstravo Pinal gebėjimą projektuoti įvairius baltymus, įskaitant fluorescencinį baltymą, kuris funkciškai panašus, bet sekos prasme skiriasi nuo žalią fluorescenciją turinčio baltymo (GFP). Iš dešimčių tūkstančių skaičiavimų prognozių buvo atrinkta ir eksperimentaliai išbandyta tik keletas; viena iš jų parodė pageidaujamą fluorescenciją. Nors tai rodo žemą sėkmės rodiklį, tai atspindi užduoties sudėtingumą ir griežtus filtravimo kriterijus.

Papildomai, kita komanda iš Hugging Face ir akademinių partnerių pristatė Carbon X, DNR orientuotą modelį, kuris sujungia žmogaus kalbos supratimą su genominių sekų prognozėmis. Šis modelis gali interpretuoti ir generuoti DNR sekas pagal natūralios kalbos užklausas, versti tarp anglų kalbos ir DNR, bei prognozuoti sekos pokyčius dėl specifinių mutacijų. Carbon X gali veikti vietiniuose įrenginiuose, pavyzdžiui, MacBook, suteikdamas kaštų ir privatumo pranašumus prieš komercines debesų sistemas.

Nepaisant šių naujovių, natūralios kalbos naudojimas biomolekulių projektavime neatleidžia nuo reikalavimo turėti srities ekspertizę. Tyrėjams vis dar reikalingos sudėtingos laboratorinės technikos AI generuotų kandidatų eksperimentiniam patvirtinimui ir tobulinimui. Be to, šie įrankiai kartais generuoja klaidingus teiginius ir netikras išvestis, todėl reikalingas kruopštus interpretavimas.

Sumažindami technines kliūtis, šie DI įrankiai žada pagreitinti biologijos tyrimus ir padaryti biomolekulių projektavimą prieinamesnį. Sistemos tobulėdamos gali tapti vertingais eksperimentinių biologų partneriais, supaprastinančiais darbo procesus, pateikdamos intuityvias sąsajas, suprantančias naudotojo ketinimus natūralia kalba. Tačiau plačiai išplisdamas ir pripažintas laboratorijose, jų realus poveikis sričiai bus aiškus.