به گزارش سلامت نیوز به نقل از yahoo، هوش مصنوعی وارد مرحله تازه‌ای از زیست‌شناسی شده است. پژوهشگران با کمک یک مدل هوش مصنوعی، ژنوم ویروس‌هایی را طراحی کرده‌اند که پیش از این در طبیعت وجود نداشتند و برخی از آن‌ها پس از ساخته‌شدن در آزمایشگاه، توانستند باکتری‌ها را آلوده کرده و تکثیر شوند.

بر اساس این پژوهش، از میان ۲۸۵ ژنوم ویروسی طراحی‌شده توسط هوش مصنوعی، ۱۶ مورد به ویروس‌های فعال و قابل تکثیر تبدیل شدند.

این تحقیق که در مجله علمی Science منتشر شده، توسط پژوهشگرانی از دانشگاه استنفورد و مؤسسه Arc انجام شده است. دانشمندان در این پروژه از یک مدل هوش مصنوعی ژنومی به نام «Evo» استفاده کردند.

هوش مصنوعی چگونه الگوی DNA را یاد گرفت؟

DNA از واحدهای کوچکی به نام نوکلئوتید تشکیل شده است. ترتیب قرار گرفتن این واحدها، اطلاعات لازم برای ساخت و عملکرد موجودات زنده را در خود دارد.

پژوهشگران مدل هوش مصنوعی Evo را با بیش از ۹ تریلیون نوکلئوتید و بیش از ۱۲۸ هزار توالی ژنتیکی آموزش دادند. این داده‌ها از مجموعه گسترده‌ای از جانوران، گیاهان، میکروب‌ها و ویروس‌ها به دست آمده بود.

عملکرد این مدل تا حدی شبیه مدل‌های زبانی است؛ همان‌طور که یک هوش مصنوعی زبانی با بررسی حجم عظیمی از متن، الگوهای قرار گرفتن کلمات در کنار یکدیگر را یاد می‌گیرد، مدل Evo نیز الگوهای آماری موجود در ترتیب نوکلئوتیدهای DNA را فرا گرفت.

هدف این بود که هوش مصنوعی بتواند از این الگوها برای پیشنهاد توالی‌های ژنتیکی جدید استفاده کند؛ توالی‌هایی که از نظر زیستی همچنان قابلیت عملکرد داشته باشند.

آزمایش روی یک ویروس ساده

برای بررسی توانایی این مدل، پژوهشگران روی ویروسی به نام Phi X-174 تمرکز کردند؛ یک باکتریوفاژ که فقط باکتری E. coli را آلوده می‌کند.

این ویروس دارای ۱۱ ژن و حدود ۵۳۸۶ نوکلئوتید است و بیش از یک قرن است که مورد مطالعه قرار می‌گیرد.

مدل هوش مصنوعی پس از آموزش روی ژنوم این ویروس و حدود ۱۵ هزار نمونه مشابه، حدود ۷۰۰ هزار ژنوم احتمالی جدید پیشنهاد کرد. پژوهشگران پس از غربالگری، ۲۸۵ طرح را برای ساخت و آزمایش انتخاب کردند.

نتیجه قابل‌توجه بود: ۱۶ ژنوم طراحی‌شده توسط هوش مصنوعی به ویروس‌های فعال تبدیل شدند؛ ویروس‌هایی که توانستند باکتری E. coli را آلوده کرده و درون آن تکثیر شوند.

این ویروس‌ها کاملاً بی‌ارتباط با ویروس اولیه نبودند و از نظر ساختار ژنتیکی شباهت‌هایی با Phi X-174 داشتند، اما ترکیب و آرایش برخی از بخش‌های ژنومی آن‌ها جدید بود و پیش از این نمونه‌ای از آن‌ها در طبیعت شناخته نشده بود.

این ویروس‌ها می‌توانند با باکتری‌های مقاوم مقابله کنند؟

پژوهشگران همچنین توانایی ویروس‌های طراحی‌شده توسط هوش مصنوعی را در مقابله با مقاومت باکتریایی بررسی کردند.

آن‌ها سه سویه از باکتری E. coli را ایجاد کردند که در برابر ویروس طبیعی Phi X-174 مقاومت پیدا کرده بودند. سپس این باکتری‌ها در معرض مجموعه‌ای از فاژهای طراحی‌شده توسط هوش مصنوعی قرار گرفتند.

نتایج نشان داد برخی از این ویروس‌ها توانستند بر مقاومت ایجادشده در هر سه سویه غلبه کنند. این یافته می‌تواند در آینده برای توسعه روش‌های جدید مقابله با باکتری‌های مقاوم به درمان اهمیت داشته باشد.

کاربردهای بالقوه؛ از درمان تا زیست‌فناوری

باکتریوفاژها ویروس‌هایی هستند که باکتری‌ها را آلوده می‌کنند و برخلاف بسیاری از ویروس‌های بیماری‌زای انسانی، هدف آن‌ها سلول‌های باکتریایی است.

پژوهشگران امیدوارند توانایی طراحی فاژهای جدید با کمک هوش مصنوعی، در آینده بتواند به توسعه روش‌های تازه برای مقابله با باکتری‌های مقاوم به آنتی‌بیوتیک کمک کند.

با افزایش مقاومت میکروبی در جهان، فاژدرمانی یکی از حوزه‌هایی است که توجه زیادی را به خود جلب کرده و طراحی دقیق‌تر ویروس‌های هدف‌گیرنده باکتری‌ها می‌تواند کاربردهای درمانی و صنعتی داشته باشد.

یک دستاورد علمی همراه با نگرانی‌های جدی

با وجود کاربردهای بالقوه، این پژوهش پرسش‌های مهمی درباره ایمنی زیستی نیز مطرح می‌کند.

مدل‌های هوش مصنوعی اکنون می‌توانند الگوهای ژنتیکی را در مقیاسی بسیار بزرگ‌تر از توان تحلیل انسان بررسی کنند و در برخی شرایط، توالی‌های ژنتیکی جدیدی پیشنهاد دهند که قابلیت عملکرد زیستی دارند.

پژوهش حاضر بر ویروسی متمرکز بود که باکتری‌ها را آلوده می‌کند و ویروس‌های تولیدشده در این آزمایش برای انسان طراحی نشده بودند. با این حال، پیشرفت هوش مصنوعی در طراحی سامانه‌های زیستی نشان می‌دهد که توسعه چارچوب‌های نظارتی و ایمنی باید هم‌زمان با سرعت گرفتن این فناوری پیش برود.

کارشناسان حوزه ایمنی زیستی هشدار می‌دهند که توانایی طراحی ژنوم‌های جدید می‌تواند در آینده کاربردهای گسترده‌ای داشته باشد و همین موضوع، ضرورت ایجاد سازوکارهای دقیق برای ارزیابی، کنترل و استفاده مسئولانه از این فناوری را افزایش می‌دهد.

در آخر

ساخت ۱۶ ویروس جدید توسط هوش مصنوعی، گامی مهم در ترکیب هوش مصنوعی و زیست‌شناسی مصنوعی به شمار می‌رود. این فناوری می‌تواند در آینده به طراحی ابزارهای تازه برای مقابله با باکتری‌های مقاوم، توسعه درمان‌های جدید و درک بهتر قوانین حاکم بر ژنوم‌ها کمک کند.

اما همان فناوری که می‌تواند راهی برای ساخت درمان‌های نوین باشد، نیازمند نظارت و چارچوب‌های ایمنی جدی نیز هست. شاید مهم‌ترین پرسش امروز این نباشد که «آیا هوش مصنوعی می‌تواند موجودات جدید طراحی کند؟» بلکه این باشد که «چگونه باید اطمینان حاصل کنیم از این توانایی با مسئولیت و ایمنی استفاده می‌شود؟»