Miluji tento projekt!! Gratulujeme @samuelhking, @pdhsu a posádku @arcinstitute! mé 2 centy: Umělá inteligence používaná pro biologický design je nejlépe považována za překladatel.  Umožňuje nám mluvit anglicky a nechat si to přeložit do DNA a naopak.  Nevíme, jak navrhnout fág z částí, ale Evo 1/2 byly vycvičeny "čtením" více než 2 milionů fágových genomů z přírody, a tak se naučily "mluvit" fágovou DNA.  Takže pak bychom ho mohli požádat, aby ho vygeneroval – stejně jako byste mohli požádat ChatGPT, aby pro vás vygeneroval báseň v čínštině, i když ji sami nemluvíte. Už jsme trénovali modely umělé inteligence na jazyku proteinů pomocí modelů jako Alphafold a ESM a fungovalo to dobře – tento článek ukazuje, že to můžeme udělat na vyšší úrovni složitosti.  Tento model umělé inteligence hovoří vícegenovými fágovými genomy, nejen jednotlivými geny.  Velmi vzrušující ukázka a práce to pěkně dokazuje tím, že skutečně vyrábí a testuje navržené fágy. Fungují! Jsou dvě věci, které jsou podle mého názoru zřejmým směrem do budoucna a které budou nakonec úspěšné: (1) Model by měl být přetrénován na základě toho, co se dozví o fágech, které byly navrženy, aby mohl lépe porozumět tomu, co člověk žádá, a přeložit to do DNA.  Toto "zpětnovazební učení" je podobné tomu, jak Google učil modely umělé inteligence hrát šachy – necháte model hrát hru a pak mu řeknete, zda vyhrál nebo prohrál.  Zde byste nechali model navrhnout miliony fágů, postavit je v laboratoři a pak mu říct výkon různých návrhů. (2) Měli bychom zjistit, zda nám modely trénované na milionech bakteriálních genomů umožní vytvořit celou bakteriální buňku navrženou umělou inteligencí podobnou tomu, co bylo provedeno u fága. To ukáže, zda se můžeme posunout od překladu anglického požadavku do knihy DNA (500 000 písmen DNA pro nejjednodušší bakterie) spíše než od básně DNA fága (5 000 písmen DNA ve fágu).  To by byl vědecký milník v celostátním měřítku, protože buňky jsou stavebními kameny veškerého života a USA by se měly ujistit, že se k němu dostaneme jako první. Abychom mohli provádět obojí (1) i (2), potřebujeme dramatické zlepšení efektivity provádění skutečné mokré laboratorní biologie potřebné k vytvoření DNA a testování výkonnosti organismů.  Je příznačné, že postavili pouze 302 fágů a otestovali 16 návrhů – to proto, že mokrá laboratorní práce je příliš pomalá a drahá.  Odpovědí na to je automatizace laboratoří – byl jsem rád, že NSF investovala 100 milionů dolarů do automatizovaných cloudových laboratoří řízených umělou inteligencí a do dalších snah, které zefektivní americkou vědeckou infrastrukturu a zvýší její průmyslové měřítko.  Akční plán Bílého domu pro umělou inteligenci také poukázal na potřebu těchto "cloudových laboratoří". Opět skvělá práce !!