Нравится этот проект!! Поздравляю @samuelhking, @pdhsu и команду @arcinstitute! Мое мнение: Использование ИИ для биологического дизайна лучше всего воспринимать как переводчика. Позволяя нам говорить на английском и переводить это в ДНК и наоборот. Мы не знаем, как создать фаг из частей, но Evo 1/2 были обучены, «читая» более 2 миллионов геномов фагов из природы, и поэтому он научился «говорить» на ДНК фагов. Так что мы могли попросить его сгенерировать один — так же, как вы могли бы попросить ChatGPT сгенерировать для вас стихотворение на китайском, даже если вы сами не говорите на нем. Мы уже обучили модели ИИ на языке белков с помощью таких моделей, как Alphafold и ESM, и это сработало хорошо — эта статья показывает, что мы можем сделать это на более высоком уровне сложности. Эта модель ИИ говорит на многогенных геномах фагов, а не только на отдельных генах. Очень захватывающая демонстрация, и работа хорошо это доказывает, фактически создавая и тестируя спроектированные фаги. Они работают! На мой взгляд, есть две очевидные будущие направления, которые в конечном итоге будут успешными: (1) Модель должна быть переобучена на основе того, что она узнала о спроектированных фагах, чтобы она могла лучше понимать, что человек запрашивает, и переводить это в ДНК. Это «обучение с подкреплением» похоже на то, как Google обучал модели ИИ играть в шахматы — вы позволяете модели сыграть партию, а затем говорите, выиграла она или проиграла. Здесь вы позволите модели спроектировать миллионы фагов, построить их в лаборатории, а затем сообщить ей о производительности различных дизайнов. (2) Мы должны посмотреть, смогут ли модели, обученные на миллионах бактериальных геномов, позволить нам создать целую бактериальную клетку, спроектированную ИИ, аналогично тому, что было сделано здесь для фага. Это покажет, сможем ли мы перейти от перевода запроса на английском в книгу ДНК (500,000 букв ДНК для самых простых бактерий) вместо ДНК стихотворения фага (5,000 букв ДНК в фаге). Это будет научный рубеж на уровне нации, так как клетки являются строительными блоками всей жизни, и США должны убедиться, что мы доберемся до этого первыми. Чтобы сделать и (1), и (2), нам нужны драматические улучшения в эффективности выполнения фактической лабораторной биологии, необходимой для создания ДНК и тестирования производительности организмов. Это показательно, что они построили только 302 дизайна фагов и протестировали 16 дизайнов — это потому, что лабораторная работа слишком медленная и дорогая. Ответ на это — автоматизация лабораторий — мне приятно видеть, что NSF инвестирует 100 миллионов долларов в управляемые ИИ автоматизированные облачные лаборатории и другие усилия, которые сделают научную инфраструктуру США более эффективной и промышленной. План действий по ИИ Белого дома также отметил необходимость в этих «облачных лабораториях». Снова, отличная работа !!!