Postępy SI umożliwiają narzędzia do projektowania białek i genomów za pomocą naturalnego języka

Image: Ars Technica · Source

Nowe narzędzia SI pozwalają użytkownikom projektować białka i sekwencje DNA, używając poleceń w naturalnym języku, co upraszcza złożony proces projektowania biomolekularnego, choć wskaźniki sukcesu pozostają niskie, a weryfikacja ekspercka jest niezbędna.

Najnowsze postępy w sztucznej inteligencji utorowały drogę dla nowatorskich narzędzi, które upraszczają projektowanie białek i genomu, umożliwiając użytkownikom wprowadzanie opisów w naturalnym języku zamiast szczegółowych biochemicznych specyfikacji. Tradycyjnie projektowanie białek wymaga dogłębnej wiedzy o mechanizmach enzymów oraz precyzyjnego rozmieszczenia aminokwasów i otaczających cząsteczek. Istniejące rozwiązania SI wymagają technicznego określenia restrykcji strukturalnych przez użytkowników, co ogranicza ich użyteczność do ekspertów dobrze znających chemię białek.

Duża współpraca badawcza z Chin opracowała narzędzie zwane Pinal, które wykorzystuje przetwarzanie języka naturalnego do interpretacji prostych poleceń opisujących pożądane funkcje białek. Zamiast ręcznego podawania konfiguracji aminokwasów lub szczegółów strukturalnych, użytkownicy mogą opisać funkcje docelowe — takie jak aktywność enzymatyczna lub fluorescencja — a Pinal generuje kandydackie sekwencje białek zaprojektowane do realizacji tych ról. System łączy moduł tekst-do-struktury T2struct z generatorem sekwencji aminokwasów SAProt-T, wykorzystując rozbudowane bazy białek i struktury przewidziane przez AlphaFold do treningu.

Naukowcy zademonstrowali działanie Pinal, zlecając mu zaprojektowanie różnych białek, w tym białka fluorescencyjnego podobnego funkcją, lecz różnego sekwencją od zielonego białka fluorescencyjnego (GFP). Spośród dziesiątek tysięcy predykcji komputerowych, tylko niewielka liczba została wygenerowana i doświadczalnie przetestowana; jedno z nich wykazało pożądaną fluorescencję. Choć świadczy to o niskim wskaźniku sukcesu, odzwierciedla trudność wyzwania oraz rygorystyczne kryteria filtrowania.

Uzupełniając to, inny zespół z Hugging Face oraz partnerzy akademiccy wprowadzili Carbon X, model koncentrujący się na DNA, który integruje rozumienie języka ludzkiego z przewidywaniem sekwencji genomowych. Model ten potrafi interpretować i generować sekwencje DNA na podstawie poleceń w naturalnym języku, tłumaczyć pomiędzy angielskim a DNA oraz przewidywać skutki mutacji w sekwencjach. Carbon X może działać na lokalnym sprzęcie, takim jak MacBook, oferując korzyści kosztowe i prywatności w porównaniu z komercyjnymi systemami opartymi na chmurze.

Pomimo tych innowacji, użycie poleceń w naturalnym języku w projektowaniu biomolekularnym nie eliminuje potrzeby wiedzy specjalistycznej. Badacze nadal potrzebują zaawansowanych technik laboratoryjnych, aby eksperymentalnie zweryfikować i dopracować kandydatów wygenerowanych przez SI. Ponadto narzędzia te czasem generują fałszywe pozytywy i halucynacje, co wymaga ostrożnej interpretacji.

Obniżając bariery techniczne, te narzędzia SI mają perspektywę przyspieszenia badań biologicznych i uczynienia projektowania biomolekularnego bardziej dostępnym. W miarę rozwoju systemy te mogą stać się cennymi partnerami dla doświadczonych biologów eksperymentalnych, usprawniając procesy pracy poprzez zapewnienie intuicyjnych interfejsów interpretujących zamiary użytkownika w naturalnym języku. Jednak powszechna adopcja i wykazana przydatność w warunkach laboratoryjnych zadecydują o ich ostatecznym wpływie na dziedzinę.