Rakastan tätä projektia!! Onnittelut @samuelhking, @pdhsu ja @arcinstitute miehistö! minun 2 senttiäni: Biologiseen suunnitteluun käytettävää tekoälyä on parasta ajatella kääntäjänä.  Antaa meille mahdollisuuden puhua englantia ja kääntää se DNA:ksi ja päinvastoin.  Emme tiedä kuinka suunnitella faagi osista, mutta Evo 1/2 koulutettiin "lukemalla" yli 2 miljoonaa faagin genomia luonnosta ja niin se oppi "puhumaan" faagi-DNA:ta.  Joten sitten voisimme pyytää sitä luomaan sellaisen - aivan kuten voit pyytää ChatGPT:tä luomaan sinulle runon kiinaksi, vaikka et puhuisi sitä itse. Olimme jo kouluttaneet tekoälymalleja proteiinien kielellä malleilla, kuten Alphafold ja ESM, ja se toimi hyvin - tämä artikkeli osoittaa, että voimme tehdä sen korkeammalla monimutkaisuudella.  Tämä tekoälymalli puhuu usean geenin faagigenomeista, ei vain yksittäisistä geeneistä.  Erittäin jännittävä esittely ja työ todistaa sen hienosti tekemällä ja testaamalla suunniteltuja faageja. Ne toimivat! On kaksi asiaa, jotka ovat mielestäni ilmeisiä tulevaisuuden suuntia ja jotka lopulta onnistuvat: (1) Malli tulisi kouluttaa uudelleen sen perusteella, mitä se oppii suunnitelluista faageista, jotta se voi paremmin ymmärtää, mitä ihminen pyytää, ja kääntää sen DNA:ksi.  Tämä "vahvistusoppiminen" on samanlaista kuin se, miten Google opetti tekoälymalleja pelaamaan shakkia - annat mallin pelata peliä ja kerrot sitten, voittiko vai hävisikö se.  Täällä malli voi suunnitella miljoonia faageja, rakentaa ne laboratoriossa ja sitten kertoa eri mallien suorituskyvyn. (2) Meidän pitäisi katsoa, voivatko miljoonilla bakteerigenomeilla koulutetut mallit auttaa meitä rakentamaan tekoälyn suunnitteleman kokonaisen bakteerisolun, joka on samanlainen kuin tässä tehtiin faagille. Näin näemme, voimmeko siirtyä englanninkielisen pyynnön kääntämisestä DNA-kirjaan (500 000 DNA-kirjainta yksinkertaisimmille bakteereille) faagin DNA-runon sijaan (5 000 DNA-kirjainta faagissa).  Tämä olisi kansallisen mittakaavan tieteellinen virstanpylväs, koska solut ovat kaiken elämän rakennuspalikoita ja Yhdysvaltojen pitäisi varmistaa, että pääsemme siihen ensin. Voidaksemme tehdä sekä (1) että (2) tarvitsemme dramaattisia parannuksia DNA:n rakentamiseen ja organismien suorituskyvyn testaamiseen tarvittavan varsinaisen märkälaboratoriobiologian tehokkuudessa.  On osoitusta, että he rakensivat vain 302 faagimallia ja testasivat 16 mallia - tämä johtuu siitä, että märkälaboratoriotyö on liian hidasta ja kallista.  Vastaus tähän on laboratorioautomaatio – olen ollut iloinen nähdessäni NSF:n investoivan 100 miljoonaa dollaria tekoälyn ohjattaviin, automatisoituihin pilvilaboratorioihin ja muihin ponnisteluihin, jotka tekevät Yhdysvaltain tieteellisestä infrastruktuurista tehokkaamman ja teollisemman mittakaavan.  Valkoisen talon tekoälyn toimintasuunnitelmassa korostettiin myös näiden "pilvipohjaisten laboratorioiden" tarvetta. Jälleen mahtavaa työtä !!