Šiuolaikinė genetika vis dažniau pasitelkia dirbtinį intelektą ne tik duomenų analizei, bet ir naujų biologinių sprendimų kūrimui. Naujausiame tyrime mokslininkai parodė, kad generatyviniai AI modeliai gali projektuoti reguliacinius DNR fragmentus – sekas, kurios lemia, ar genas bus įjungtas, kaip stipriai ir kuriose ląstelėse.
Tai esminis poslinkis. Vietoj bandymų rasti tinkamus reguliatorius gamtoje, tyrėjai pradėjo kurti juos nuo nulio, pritaikydami konkretiems medicininiams tikslams.
Tyrimo pagrindą sudaro metodas, pavadintas DNA-Diffusion. Jis paremtas tomis pačiomis idėjomis kaip ir difuziniai modeliai, kurie šiandien naudojami vaizdų, teksto ar garso generavimui. Tik šiuo atveju modelis mokomas ne paveikslų ar sakinių, o genominių sekų.
AI buvo apmokytas naudojant didžiulius genetinių duomenų rinkinius. Mokymosi metu jis išmoko atpažinti, kurios DNR sekos efektyviausiai aktyvina genus tam tikruose ląstelių tipuose. Vėliau modelis pradėjo generuoti visiškai naujas reguliacines sekas, pritaikytas konkrečioms užduotims.
Rezultatai pasirodė netikėti. Dirbtinio intelekto sukurti reguliatoriai ne tik veikė, bet daugeliu atvejų pranoko natūralius analogus, susiformavusius per evoliuciją. Modelis sugeneravo tūkstančius variantų, iš kurių dalis pasižymėjo didesniu aktyvumu ir tikslumu nei gamtiniai DNR fragmentai.
Eksperimentai parodė, kad šie sintetiniai elementai veikia gyvose ląstelėse. Dar svarbiau – jie aktyvavo genus tik ten, kur reikia, sumažindami nepageidaujamą poveikį kitoms ląstelėms. Tai viena didžiausių genų terapijos problemų, kuri iki šiol ribojo jos taikymą.
Ypač iškalbingas buvo bandymas su genu AXIN2, kuris atlieka svarbų vaidmenį slopinant leukemijos vystymąsi. AI sukurti reguliatoriai valdė šio geno aktyvumą efektyviau nei natūralūs apsauginiai mechanizmai, randami žmogaus genome.
Mokslininkų teigimu, ši technologija keičia patį požiūrį į genų terapiją. Vietoj universalių sprendimų atsiranda galimybė kurti „išmanius“ genetinius vaistus, kurie veikia tik tam tikromis sąlygomis, tam tikrose ląstelėse ir su tiksliai kontroliuojamu stiprumu.
Iš esmės dirbtinis intelektas pradeda veikti kaip genomo inžinierius. Jis ne pakeičia evoliuciją, bet perima jos kūrybinę funkciją – tik tai daro tikslingai, greitai ir kontroliuojamai.
Iki šiol genetinė inžinerija veikė gana konservatyviai. Mokslininkai ieškojo tinkamų reguliacinių DNR elementų gamtoje, bandė juos perkelti, modifikuoti ar pritaikyti kitoms ląstelėms. Tai buvo lėtas procesas, ribotas tuo, ką jau „sukūrė“ evoliucija. Naujas požiūris šią logiką apsuka aukštyn kojomis.
Generatyviniai dirbtinio intelekto modeliai pirmą kartą leidžia nebeatrinkinėti, o projektuoti. Vietoj klausimo „kur gamtoje rasti tinkamą reguliatorių“ atsiranda klausimas „koks reguliatorius mums reikalingas konkrečiai funkcijai“. Tai iš esmės keičia genų terapijos paradigmą.
Ypač svarbu tai, kad šie dirbtinai sukurti reguliaciniai elementai pasirodė ne tik veiksmingi, bet ir tikslesni. Viena didžiausių genų terapijos problemų iki šiol buvo šalutiniai efektai – genų aktyvacija netinkamose ląstelėse. AI sukurti fragmentai parodė, kad galima labai siaurai „taikyti“ į konkretų ląstelių tipą, sumažinant nepageidaujamą poveikį.
Kodėl tai lyginama su evoliucijos „pralenkimu“
Evoliucija kuria sprendimus per milijonus metų, lėtai, bandymų ir klaidų keliu. Dirbtinis intelektas veikia kitaip: jis analizuoja milžiniškus duomenų kiekius ir per trumpą laiką išbando tai, kam gamtai reikėjo ištisų epochų. Tai nereiškia, kad AI „pakeičia“ evoliuciją, tačiau jis pradeda veikti toje pačioje erdvėje – biologinio dizaino lygmenyje.
Svarbu ir tai, kad šie modeliai yra rankiniu būdu valdomi. Mokslininkai gali nurodyti, kuriose ląstelėse genas turi būti aktyvus, kiek stipriai ir kada. Tokios galimybės atveria duris „išmaniesiems“ genetiniams vaistams, kurie įsijungia tik tada ir ten, kur reikia.
Ką tai reiškia medicinai artimiausiais metais
Nors technologija dar ankstyvoje stadijoje, jos potencialas milžiniškas. Kalbama ne tik apie vėžio terapiją, bet ir apie paveldimas ligas, autoimuninius sutrikimus, audinių regeneraciją. Jei šis metodas bus patvirtintas klinikiniuose tyrimuose, genų terapija gali tapti saugesnė, pigesnė ir plačiau prieinama.
Tai vienas iš tų atvejų, kai dirbtinis intelektas ne tik padeda mokslui, bet keičia pačią biologijos kūrimo logiką.
