هوش مصنوعی Evo 2 استنفورد ۳۰۰ فاژ مصنوعی طراحی کرد؛ ۱۶ مورد از آن‌ها در آزمایشگاه باکتری E. coli را از بین بردند

محققان استنفورد از مدل هوش مصنوعی مولد Evo 2 برای طراحی و سنتز تقریباً ۳۰۰ باکتریوفاژ جدید استفاده کردند. آزمایش‌های آزمایشگاهی تأیید کرد که ۱۶ مورد از این ویروس‌ها به‌طور مؤثری E. coli را از بین می‌برند. این کار نشان می‌دهد که طراحی بیولوژیکی از نو (de novo) می‌تواند از یک خط کد به یک عامل ضدمیکروبی زنده تبدیل شود.

از یک توالی دیجیتال تا یک ویروس واقعی

استادیار برایان های (Brian Hie) به همراه موسسه علوم داده استنفورد وابسته به بنیاد Dieter Schwarz، ژنوم فاژ شناخته‌شده ΦX174 را به Evo 2 دادند. Evo 2 با DNA مانند یک زبان برخورد می‌کند و توالی‌هایی را پیش‌بینی می‌کند که باید به پروتئین‌های عملکردی تا بخورند و به یک ویروس زیست‌پذیر تبدیل شوند. این مدل صدها رشته DNA متمایز تولید کرد؛ سنتز شیمیایی آن‌ها را به کتابخانه‌ای از تقریباً ۳۰۰ ذره فاژ تبدیل کرد.

تبدیل یک رشته تولید شده توسط کامپیوتر به یک ویروس فیزیکی، فراتر از یک مرحله مشابه چاپگر بود. تیم، الیگونوکلئوتیدهای DNA سفارشی سفارش داد، ژنوم‌های کامل را مونتاژ کرد و هر سازه را وارد یک میزبان باکتریایی کرد که می‌توانست یک فاژ را «راه‌اندازی» (boot up) کند. این گردش کار — طراحی، سنتز، مونتاژ و بازیابی — مدت‌هاست که برای جدایه‌های طبیعی فاژ استاندارد بوده است، اما به‌ندرت برای ژنوم‌هایی که کاملاً توسط هوش مصنوعی ساخته شده‌اند، به کار رفته است.

غربالگری برای فعالیت ضدباکتریایی

آزمون واقعی این بود که آیا هر یک از فاژهای طراحی‌شده توسط هوش مصنوعی می‌توانند یک هدف باکتریایی را آلوده کرده و نابود کنند یا خیر. محققان ۳۰۰ کاندیدا را با یک سویه آزمایشگاهی E. coli به چالش کشیدند؛ باکتریایی که عامل رایج عفونت‌های مجاری ادراری و مدلی برای مطالعات مقاومت به آنتی‌بیوتیک است. پس از انجام آزمایش‌های پلاک (plaque assays) و اندازه‌گیری‌های مهار رشد، ۱۶ فاژ به دلیل لیز (lysis) سریع کشت‌های باکتریایی و اندازه انفجار (burst size) بالا (تعداد ذرات جدید فاژ آزاد شده در هر سلول آلوده) متمایز شدند.

آن ۱۶ مورد موفق فقط در غربالگری زنده نماندند؛ بلکه در کارایی کشتن، از بسیاری از خویشاوندان طبیعی ΦX174 عملکرد بهتری داشتند. داده‌ها نشان می‌دهند که Evo 2 می‌تواند عملکردهای ویروسی شناخته‌شده را بازتولید کند و همچنین فضای توالی‌ای را کاوش کند که بیولوژی هرگز نمونه‌برداری نکرده است و به راه‌حل‌هایی برسد که هم زیست‌پذیر و هم قدرتمند هستند.

چرا این موضوع برای تحقیقات ضدمیکروبی اهمیت دارد

فاژدرمانی — استفاده از ویروس‌هایی که از باکتری‌ها تغذیه می‌کنند — به عنوان یک پاسخ احتمالی به افزایش جهانی عفونت‌های مقاوم به آنتی‌بیوتیک دوباره مطرح شده است. کشف سنتی بر جستجوی فاژها در فاضلاب، خاک یا میکروبیوم‌های حیوانی متکی است؛ فرآیندی که می‌تواند ماه‌ها طول بکشد و نتایج غیرقابل پیش‌بینی به همراه داشته باشد. Evo 2 یک جایگزین مبتنی بر محاسبات (compute-first) ارائه می‌دهد: دانشمندان یک هدف باکتریایی را مشخص می‌کنند، اجازه می‌دهند مدل ژنوم‌های کاندید را تولید کند و سپس مجموعه‌ای متمرکز را در آزمایشگاه آزمایش می‌کنند.

اگر این خط لوله (pipeline) مقیاس‌پذیر شود، می‌تواند سال‌ها نمونه‌برداری محیطی را به هفته‌ها طراحی در محیط شبیه‌سازی کامپیوتری (in-silico) و سنتز با بازده بالا تبدیل کند. سفارشی‌سازی ژنوم‌های فاژ بر اساس تقاضا، همچنین راه را برای مهندسی ویژگی‌های اضافی، مانند دامنه میزبان گسترده‌تر یا مقاومت در برابر دفاع‌های ضدفاژ باکتریایی، باز می‌کند.

خطرات و سوالات بی‌پاسخ

این پیشرفت هنوز در مراحل اولیه است. تمام آزمایش‌ها به ظرف‌های پتری محدود شده‌اند؛ هیچ مدل حیوانی یا کارآزمایی بالینی انجام نشده است. نگرانی‌های ایمنی همچنان پابرجا هستند — وارد کردن ویروس‌های مصنوعی به بیماران یا محیط زیست می‌تواند اثرات اکولوژیکی پیش‌بینی‌نشده‌ای داشته باشد. چارچوب‌های نظارتی برای فاژهای مهندسی‌شده ژنتیکی هنوز در حال تکامل هستند و مسیر از اثربخشی آزمایشگاهی تا درمان تایید شده می‌تواند طولانی باشد.

علاوه بر این، در حالی که Evo 2 با یک فاژ نسبتاً ساده و شناخته‌شده مانند ΦX174 موفق شد، هنوز مشخص نیست که آیا این مدل می‌تواند ژنوم‌های ویروسی بزرگ‌تر و پیچیده‌تر را مدیریت کند یا فاژهایی طراحی کند که باید در محیط زنده (in vivo) با سیستم‌های ایمنی باکتریایی مقابله کنند. موفقیت فعلی ممکن است بازتابی از آموزش مدل بر روی داده‌های فراوان ΦX174 باشد تا یک ظرفیت جهانی برای تولید هر ویروسی از صفر.

گام‌های بعدی

تیم استنفورد ۱۶ فاژ پیشرو را در برابر سویه‌های بالینی مرتبط با E. coli، از جمله سویه‌های مقاوم به چندین آنتی‌بیوتیک، آزمایش خواهد کرد. کارهای موازی بررسی خواهند کرد که آیا می‌توان از Evo 2 خواست تا فاژهایی را برای سایر باکتری‌های مشکل‌ساز مانند Klebsiella یا Pseudomonas طراحی کند. افزایش مقیاس سنتز — از چند صد کاندیدا به هزاران مورد — نیز یک اولویت خواهد بود، زیرا کتابخانه‌های بزرگ‌تر می‌توانند ویروس‌های حتی قدرتمندتر یا با عملکرد گسترده‌تر را آشکار کنند.

فراتر از فاژدرمانی، این روش می‌تواند برای سایر اهداف مهندسی زیستی مورد استفاده قرار گیرد: طراحی آنزیم‌ها برای شیمی صنعتی، ایجاد مسیرهای متابولیک مصنوعی یا حتی ساخت وکتورهای واکسن جدید. توانایی Evo 2 در تولید توالی‌های DNA عملکردی، به آینده‌ای اشاره دارد که در آن «کد» به یک زبان طراحی جهانی برای سیستم‌های زنده تبدیل می‌شود.

نتیجه‌گیری

مدل Evo 2 استنفورد، یک پیش‌بینی محاسباتی را به ابزاری زنده و ضد میکروبی تبدیل کرده است که نشان می‌دهد زیست‌شناسی نوپدید (de novo) مبتنی بر هوش مصنوعی می‌تواند ویروس‌های عملکردی با قابلیت از بین بردن یک عامل بیماری‌زای اصلی تولید کند. این اثبات مفهوم، شکاف میان طراحی دیجیتال و درمان‌های دنیای واقعی را کاهش می‌دهد، اما پیش از آنکه فاژهای مصنوعی به بخشی معمول از زرادخانه ضد میکروبی تبدیل شوند، چالش‌های مربوط به ایمنی، مقرراتی و مقیاس‌پذیری باید برطرف گردند.