Stanford ಸಂಶೋಧಕರು ಸುಮಾರು 300 ಹೊಸ ಬ್ಯಾಕ್ಟೀριοಫೇಜ್ಗಳನ್ನು (bacteriophages) ವಿನ್ಯಾಸಗೊಳಿಸಲು ಮತ್ತು ಸಂಶ್ಲೇಷಿಸಲು Evo 2 ಜನರೇಟಿವ್-AI ಮಾದರಿಯನ್ನು ಬಳಸಿದ್ದಾರೆ. ಪ್ರಯೋಗಾಲಯದ ಪರೀಕ್ಷೆಗಳು ಅವುಗಳಲ್ಲಿನ 16 ವೈರಸ್ಗಳು E. coli ಅನ್ನು ಪರಿಣಾಮಕಾರಿಯಾಗಿ ಕೊಲ್ಲುತ್ತವೆ ಎಂದು ಖಚಿತಪಡಿಸಿವೆ. ಈ ಕೆಲಸವು de novo ಜೈವಿಕ ವಿನ್ಯಾಸವು ಒಂದು ಸಾಲಿನ ಕೋಡ್ನಿಂದ ಜೀವಂತ ಆಂಟಿಮೈಕ್ರೋಬಿಯಲ್ ಏಜೆಂಟ್ಗೆ (antimicrobial agent) ಜಿಗಿಯಬಲ್ಲದು ಎಂದು ತೋರಿಸುತ್ತದೆ.
ಡಿಜಿಟಲ್ ಸೀಕ್ವೆನ್ಸ್ನಿಂದ ನೈಜ ವೈರಸ್ವರೆಗೆ
ಅಸಿಸ್ಟೆಂಟ್ ಪ್ರೊಫೆಸರ್ ಬ್ರಿಯಾನ್ ಹೈ, ಡೈಟರ್ ಶ್ವಾರ್ಜ್ ಫೌಂಡೇಶನ್ ಸ್ಟ್ಯಾನ್ಫೋರ್ಡ್ ಡೇಟಾ ಸೈನ್ಸ್ ಇನ್ಸ್ಟಿಟ್ಯೂಟ್ ಜೊತೆಗೆ ಸೇರಿ, Evo 2 ಗೆ ಸುಪರಿಚಿತ ಫೇಜ್ ΦX174 ನ ಜಿನೋಮ್ ಅನ್ನು ನೀಡಿದರು. Evo 2 ಡಿಎನ್ಎ (DNA) ಅನ್ನು ಒಂದು ಭಾಷೆಯಂತೆ ಪರಿಗಣಿಸುತ್ತದೆ, ಇದು ಕಾರ್ಯಕಾರಿ ಪ್ರೋಟೀನ್ಗಳಾಗಿ ಮಡಚಿಕೊಳ್ಳುವ ಮತ್ತು ಕಾರ್ಯಸಾಧ್ಯವಾದ ವೈರಸ್ ಆಗಿ ಸಂಯೋಜನೆಯಾಗುವ ಸೀಕ್ವೆನ್ಸ್ಗಳನ್ನು ಮುನ್ಸೂಚಿಸುತ್ತದೆ. ಈ ಮಾದರಿಯು ನೂರಾರು ವಿಭಿನ್ನ ಡಿಎನ್ಎ ಸ್ಟ್ರಿಂಗ್ಗಳನ್ನು ಸೃಷ್ಟಿಸಿತು; ರಾಸಾಯನಿಕ ಸಂಶ್ಲೇಷಣೆಯು ಅವುಗಳನ್ನು ಸುಮಾರು 300 ಫೇಜ್ ಕಣಗಳ ಲೈಬ್ರರಿಯಾಗಿ ಪರಿವರ್ತಿಸಿತು.
ಕಂಪ್ಯೂಟರ್ನಿಂದ ಸೃಷ್ಟಿಸಿದ ಸ್ಟ್ರಿಂಗ್ ಅನ್ನು ಭೌತಿಕ ವೈರಸ್ ಆಗಿ ಪರಿವರ್ತಿಸಲು ಕೇವಲ ಪ್ರಿಂಟರ್ನಂತಹ ಹಂತಕ್ಕಿಂತ ಹೆಚ್ಚಿನದ ಅಗತ್ಯವಿತ್ತು. ತಂಡವು ಕಸ್ಟಮ್ ಡಿಎನ್ಎ ಒಲಿಗೊನ್ಯೂಕ್ಲಿಯೊಟೈಡ್ಗಳನ್ನು (oligonucleotides) ಆರ್ಡರ್ ಮಾಡಿತು, ಪೂರ್ಣ ಜಿನೋಮ್ಗಳನ್ನು ಸಂಯೋಜಿಸಿತು ಮತ್ತು ಪ್ರತಿಯೊಂದು ರಚನೆಯನ್ನು ಫೇಜ್ ಅನ್ನು “ಬೂಟ್ ಅಪ್” ಮಾಡಬಲ್ಲ ಬ್ಯಾಕ್ಟೀರಿಯಲ್ ಹೋಸ್ಟ್ನಲ್ಲಿ ಪರಿಚಯಿಸಿತು. ಈ ವರ್ಕ್ಫ್ಲೋ—ವಿನ್ಯಾಸ (design), ಸಂಶ್ಲೇಷಣೆ (synthesis), ಸಂಯೋಜನೆ (assembly) ಮತ್ತು ರ性escue (rescue)—ನೈಸರ್ಗಿಕ ಫೇಜ್ ಐಸೊಲೇಟ್ಗಳಿಗೆ ದೀರ್ಘಕಾಲದಿಂದ ಪ್ರಮಾಣಿತವಾಗಿದೆ, ಆದರೆ ಸಂಪೂರ್ಣವಾಗಿ AI-ತಯಾರಿಸಿದ ಜಿನೋಮ್ಗಳಿಗೆ ಇದನ್ನು ಅಪರೂಪವಾಗಿ ಅನ್ವಯಿಸಲಾಗಿದೆ.
ಬ್ಯಾಕ್ಟೀರಿಯಾ ವಿರೋಧಿ ಚಟುವಟಿಕೆಯನ್ನು ಸ್ಕ್ರೀನ್ ಮಾಡುವುದು
ಯಾವುದೇ AI-ವಿನ್ಯಾಸಗೊಳಿಸಿದ ಫೇಜ್ಗಳು ಬ್ಯಾಕ್ಟೀರಿಯಾ ಗುರಿಯನ್ನು ಸೋಂಕಿಸಬಲ್ಲವೇ ಮತ್ತು ನಾಶಪಡಿಸಬಲ್ಲವೇ ಎಂಬುದೇ ನಿಜವಾದ ಪರೀಕ್ಷೆಯಾಗಿತ್ತು. ಸಂಶೋಧಕರು 300 ಅಭ್ಯರ್ಥಿಗಳನ್ನು E. coli ನ ಪ್ರಯೋಗಾಲಯದ ಸ್ಟ್ರೈನ್ನೊಂದಿಗೆ ಪರೀಕ್ಷಿಸಿದರು, ಇದು ಮೂತ್ರನಾಳದ ಸೋಂಕುಗಳಿಗೆ ಸಾಮಾನ್ಯ ಕಾರಣ ಮತ್ತು ಆಂಟಿಬಯೋಟಿಕ್-ಪ್ರತಿರೋಧ ಅಧ್ಯಯನಗಳಿಗೆ ಒಂದು ಮಾದರಿಯಾಗಿದೆ. ಪ್ಲೇಕ್ ಅಸೇಗಳು (plaque assays) ಮತ್ತು ಬೆಳವಣಿಗೆಯ ನಿರೋಧದ ಅಳತೆಗಳ ನಂತರ, 16 ಫೇಜ್ಗಳು ಬ್ಯಾಕ್ಟೀರಿಯಲ್ ಸಂಸ್ಕೃತಿಗಳ ಕ್ಷಿಪ್ರ ಲೈಸಿಸ್ (lysis) ಮತ್ತು ಹೆಚ್ಚಿನ ಬರ್ಸ್ಟ್ ಸೈಜ್ಗಳಿಗಾಗಿ (ಸೋಂಕಿತ ಜೀವಕೋಶದಿಂದ ಬಿಡುಗಡೆಯಾಗುವ ಹೊಸ ಫೇಜ್ ಕಣಗಳ ಸಂಖ್ಯೆ) ಪ್ರತ್ಯೇಕವಾಗಿ ಗುರುತಿಸಲ್ಪಟ್ಟವು.
ಆ 16 ಯಶಸ್ವಿ ಫೇಜ್ಗಳು ಕೇವಲ ಸ್ಕ್ರೀನಿಂಗ್ನಲ್ಲಿ ಉಳಿಯಲಿಲ್ಲ; ಅವು ಕೊಲ್ಲುವ ದಕ್ಷತೆಯಲ್ಲಿ ಅನೇಕ ನೈಸರ್ಗಿಕ ΦX174 ಸಂಬಂಧಿಗಳನ್ನು ಮೀರಿಸಿದವು. ಈ ಡೇಟಾವು Evo 2 ವಿಭಿನ್ನ ವೈರಲ್ ಕಾರ್ಯಗಳನ್ನು ಪುನರಾವರ್ತಿಸಬಲ್ಲದು ಮತ್ತು ಜೀವವಿಜ್ಞಾನವು ಎಂದಿಗೂ ಅನ್ವೇಷಿಸದ ಸೀಕ್ವೆನ್ಸ್ ಸ್ಪೇಸ್ ಅನ್ನು ಅನ್ವೇಷಿಸಿ, ಕಾರ್ಯಸಾಧ್ಯವಾದ ಮತ್ತು ಶಕ್ತಿಯುತವಾದ ಪರಿಹಾರಗಳನ್ನು ತರಬಲ್ಲದು ಎಂದು ಸೂಚಿಸುತ್ತದೆ.
ಆಂಟಿಮೈಕ್ರೋಬಿಯಲ್ ಸಂಶೋಧನೆಗೆ ಇದು ಏಕೆ ಮುಖ್ಯ
ಫೇಜ್ ಥೆರಪಿ—ಬ್ಯಾಕ್ಟೀರಿಯಾಗಳನ್ನು ಬೇಟೆಯಾಡುವ ವೈರಸ್ಗಳನ್ನು ಬಳಸುವುದು—ಆಂಟಿಬಯೋಟಿಕ್-ಪ್ರತಿರೋಧಕ ಸೋಂಕುಗಳ ಜಾಗತಿಕ ಏರಿಕೆಗೆ ಸಂಭವನೀಯ ಉತ್ತರವಾಗಿ ಮತ್ತೆ ಹೊರಹೊಮ್ಮಿದೆ. ಸಾಂಪ್ರದಾಯಿಕ ಸಂಶೋಧನೆಯು ಚರಂಡಿ, ಮಣ್ಣು ಅಥವಾ ಪ್ರಾಣಿಗಳ ಮೈಕ್ರೋಬಯೋಮ್ಗಳಲ್ಲಿ ಫೇಜ್ಗಳನ್ನು ಹುಡುಕುವ ಅವಲಂಬಿತವಾಗಿದೆ, ಇದು ತಿಂಗಳುಗಳ ಕಾಲ ತೆಗೆದುಕೊಳ್ಳಬಹುದಾದ ಪ್ರಕ್ರಿಯೆಯಾಗಿದ್ದು ಅನಿಶ್ಚಿತ ಫಲಿತಾಂಶಗಳನ್ನು ನೀಡುತ್ತದೆ. Evo 2 ಒಂದು ಕಂಪ್ಯೂಟರ್-ಮೊದಲ (compute-first) ಪರ್ಯಾಯವನ್ನು ನೀಡುತ್ತದೆ: ವಿಜ್ಞಾನಿಗಳು ಬ್ಯಾಕ್ಟೀರಿಯಾ ಗುರಿಯನ್ನು ನಿರ್ಧರಿಸುತ್ತಾರೆ, ಮಾದರಿಯು ಅಭ್ಯರ್ಥಿ ಜಿನೋಮ್ಗಳನ್ನು ಸೃಷ್ಟಿಸಲು ಬಿಡುತ್ತಾರೆ ಮತ್ತು ನಂತರ ಪ್ರಯೋಗಾಲಯದಲ್ಲಿ ನಿರ್ದಿಷ್ಟ ಗುಂಪನ್ನು ಪರೀಕ್ಷಿಸುತ್ತಾರೆ.
ಈ ಪೈಪ್ಲೈನ್ ವಿಸ್ತರಿಸಲ್ಪಟ್ಟರೆ, ಇದು ವರ್ಷಗಳ ಪರಿಸರ ಮಾದರಿ ಸಂಗ್ರಹಣೆಯನ್ನು ವಾರಗಳ ಇನ್-ಸಿಲಿಕೋ (in-silico) ವಿನ್ಯಾಸ ಮತ್ತು ಹೈ-ಥ್ರೂಪುಟ್ ಸಂಶ್ಲೇಷಣೆಯಾಗಿ ಸಂಕುಚಿತಗೊಳಿಸಬಹುದು. ಬೇಡಿಕೆಯ ಮೇರೆಗೆ ಫೇಜ್ ಜಿನೋಮ್ಗಳನ್ನು ರೂಪಿಸುವುದು ಹೆಚ್ಚಿನ ವೈಶಿಷ್ಟ್ಯಗಳನ್ನು ಎಂಜಿನಿಯರಿಂಗ್ ಮಾಡಲು ದಾರಿ ಮಾಡಿಕೊಡುತ್ತದೆ, ಉದಾಹರಣೆಗೆ ವ್ಯಾಪಕವಾದ ಹೋಸ್ಟ್ ವ್ಯಾಪ್ತಿ ಅಥವಾ ಬ್ಯಾಕ್ಟೀರಿಯಾದ ಆಂಟಿ-ಫೇಜ್ ರಕ್ಷಣೆಗೆ ಪ್ರತಿರೋಧ.
ಅಪಾಯಗಳು ಮತ್ತು ಮುಕ್ತ ಪ್ರಶ್ನೆಗಳು
ಈ ಕ್ರಾಂತಿಯು ಇನ್ನೂ ಆರಂಭಿಕ ಹಂತದಲ್ಲಿದೆ. ಎಲ್ಲಾ ಪ್ರಯೋಗಗಳು ಪೆಟ್ರಿ ಡಿಶ್ಗಳಿಗೆ ಸೀಮಿತವಾಗಿವೆ; ಯಾವುದೇ ಪ್ರಾಣಿ ಮಾದರಿಗಳು ಅಥವಾ ಕ್ಲಿನಿಕಲ್ ಪ್ರಯೋಗಗಳನ್ನು ನಡೆಸಲಾಗಿಲ್ಲ. ಸುರಕ್ಷತೆಯ ಕಾಳಜಿಗಳು ಇವೆ—ಸೇತ синтеಟಿಕ್ ವೈರಸ್ಗಳನ್ನು ರೋಗಿಗಳು ಅಥವಾ ಪರಿಸರಕ್ಕೆ ಪರಿಚಯಿಸುವುದು ಅನಿರೀಕ್ಷಿತ ಪರಿಸರ ಪರಿಣಾಮಗಳನ್ನು ಉಂಟುಮಾಡಬಹುದು. ತಳಿ ಎಂಜಿನಿಯರಿಂಗ್ ಮಾಡಿದ ಫೇಜ್ಗಳಿಗಾಗಿ ನಿಯಂತ್ರಕ ಚೌಕಟ್ಟುಗಳು ಇನ್ನೂ ವಿಕಸನಗೊಳ್ಳುತ್ತಿವೆ ಮತ್ತು ಪ್ರಯೋಗಾಲಯದ ದಕ್ಷತೆಯಿಂದ ಅನುಮೋದಿತ ಚಿಕಿತ್ಸೆಯವರೆಗಿನ ಹಾದಿ ದೀರ್ಘವಾಗಿರಬಹುದು.
ಅಲ್ಲದೆ, Evo 2 ಕೇವಲ ΦX174 ನಂತಹ ಸರಳವಾದ, ಸು well-characterized ಫೇಜ್ನೊಂದಿಗೆ ಯಶಸ್ವಿಯಾದರೂ, ಈ ಮಾದರಿಯು ದೊಡ್ಡದಾದ, ಹೆಚ್ಚು ಸಂಕೀರ್ಣವಾದ ವೈರಲ್ ಜಿನೋಮ್ಗಳನ್ನು ನಿರ್ವಹಿಸಬಲ್ಲದೇ ಅಥವಾ ಇನ್ ವಿವೋ (in vivo) ನಲ್ಲಿ ಬ್ಯಾಕ್ಟೀರಿಯಾದ ರೋಗನಿರೋಧಕ ವ್ಯವಸ್ಥೆಗಳನ್ನು ಎದುರಿಸುವ ಫೇಜ್ಗಳನ್ನು ವಿನ್ಯಾಸಗೊಳಿಸಬಲ್ಲದೇ ಎಂಬುದು ಇನ್ನು ನೋಡಬೇಕಿದೆ. ಪ್ರಸ್ತುತ ಯಶಸ್ಸು ಯಾವುದೇ ವೈರಸ್ ಅನ್ನು ಮೊದಲಿನಿಂದ ಸೃಷ್ಟಿಸುವ ಸಾರ್ವತ್ರಿಕ ಸಾಮರ್ಥ್ಯಕ್ಕಿಂತ ಹೆಚ್ಚಾಗಿ, ಹೇರಳವಾದ ΦX174 ಡೇಟಾ ಮೇಲೆ ಮಾದರಿಯು ಪಡೆದ ತರಬೇತಿಯನ್ನು ಪ್ರತಿಬಿಂಬಿಸಬಹುದು.
ಮುಂದೆ ಏನು?
ಸ್ಟ್ಯಾನ್ಫೋರ್ಡ್ ತಂಡವು 16 ಪ್ರಮುಖ ಫೇಜ್ಗಳನ್ನು ಕ್ಲಿನಿಕಲ್ ಮಟ್ಟದಲ್ಲಿ ಪ್ರಸ್ತುತವಾದ E. coli ಸ್ಟ್ರೈನ್ಗಳ ವಿರುದ್ಧ ಪರೀಕ್ಷಿಸಲಿದೆ, ಇದರಲ್ಲಿ ಅನೇಕ ಆಂಟಿಬಯೋಟಿಕ್ಗಳಿಗೆ ಪ್ರತಿರೋಧವಿರುವ ಸ್ಟ್ರೈನ್ಗಳು ಸೇರಿವೆ. ಸಮಾನಾಂತರ ಕೆಲಸವು Evo 2 ಅನ್ನು Klebsiella ಅಥವಾ Pseudomonas ನಂತಹ ಇತರ ಸಮಸ್ಯೆ ಉಂಟುಮಾಡುವ ಬ್ಯಾಕ್ಟೀರಿಯಾಗಳಿಗಾಗಿ ಫೇಜ್ಗಳನ್ನು ವಿನ್ಯಾಸಗೊಳಿಸಲು ಪ್ರೇರೇಪಿಸಬಲ್ಲದೇ ಎಂಬುದನ್ನು ಅನ್ವೇಷಿಸುತ್ತದೆ. ಸಂಶ್ಲೇಷಣೆಯನ್ನು ಹೆಚ್ಚಿಸುವುದು—ಕೆಲವೇ ನೂರಾರು ಅಭ್ಯರ್ಥಿಗಳಿಂದ ಸಾವಿರಾರು ಅಭ್ಯರ್ಥಿಗಳವರೆಗೆ—ಕೂಡ ಒಂದು ಆದ್ಯತೆಯಾಗಲಿದೆ, ಏಕೆಂದರೆ ದೊಡ್ಡ ಲೈಬ್ರರಿಗಳು ಇನ್ನೂ ಹೆಚ್ಚು ಶಕ್ತಿಯುತ ಅಥವಾ ವ್ಯಾಪಕವಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸುವ ವೈರಸ್ಗಳನ್ನು ಬಹಿರಂಗಪಡಿಸಬಹುದು.
ಫೇಜ್ ಥೆರಪಿಯ ಹೊರತಾಗಿ, ಈ ವಿಧಾನವನ್ನು ಇತರ ಬಯೋ-ಎಂಜಿನಿಯರಿಂಗ್ ಗುರಿಗಳಿಗಾಗಿ ಮರುಬಳಕೆ ಮಾಡಬಹುದು: ಕೈಗಾರಿಕಾ ರಸಾಯನಶಾಸ್ತ್ರಕ್ಕಾಗಿ ఎంಜೈಮ್ಗಳನ್ನು ವಿನ್ಯಾಸಗೊಳಿಸುವುದು, ಕೃತಕ ಚಯಾಪಚಯ ಮಾರ್ಗಗಳನ್ನು (metabolic pathways) ರಚಿಸುವುದು ಅಥವಾ ಹೊಸ ಲಸಿಕಾ ವೆಕ್ಟರ್ಗಳನ್ನು ನಿರ್ಮಿಸುವುದು ಕೂಡ ಸೇರಿದೆ. ಕಾರ್ಯಕಾರಿ ಡಿಎನ್ಎ ಸೀಕ್ವೆನ್ಸ್ಗಳನ್ನು ರಚಿಸುವ Evo 2 ಸಾಮರ್ಥ್ಯವು "ಕೋಡ್" ಜೀವಂತ ವ್ಯವಸ್ಥೆಗಳಿಗಾಗಿ ಸಾರ್ವತ್ರಿಕ ವಿನ್ಯಾಸ ಭಾಷೆಯಾಗುವ ಭವಿಷ್ಯವನ್ನು ಸೂಚಿಸುತ್ತದೆ.
ಮುಖ್ಯಾಂಶಗಳು
ಸ್ಟ್ಯಾನ್ಫೋರ್ಡ್ನ Evo 2 ಮಾಡೆಲ್ ಒಂದು ಕಂಪ್ಯೂಟೇಶನಲ್ ಮುನ್ಸೂಚನೆಯನ್ನು ಜೀವಂತ ಸೂಕ್ಷ್ಮಜೀವಿ ವಿರೋಧಿ (antimicrobial) ಸಾಧನವನ್ನಾಗಿ ಪರಿವರ್ತಿಸಿದೆ. ಇದು AI-ಚಾಲಿತ de novo biology ತಂತ್ರಜ್ಞಾನವು ಒಂದು ಪ್ರಮುಖ ರೋಗಕಾರಕವನ್ನು ಕೊಲ್ಲಬಲ್ಲ ಕಾರ್ಯक्षम ವೈರಸ್ಗಳನ್ನು ಉತ್ಪಾದಿಸಬಲ್ಲದು ಎಂಬುದನ್ನು ತೋರಿಸುತ್ತದೆ. ಈ ಪ್ರೂಫ್-ಆಫ್-ಕನ್ಸೆಪ್ಟ್ ಡಿಜಿಟಲ್ ವಿನ್ಯಾಸ ಮತ್ತು ನೈಜ ಪ್ರಪಂಚದ ಚಿಕಿತ್ಸೆಯ ನಡುವಿನ ಅಂತರವನ್ನು ಕಡಿಮೆ ಮಾಡುತ್ತದೆ, ಆದರೆ ಸಿಂಥೆಟಿಕ್ ಫೇಜ್ಗಳು ಸೂಕ್ಷ್ಮಜೀವಿ ವಿರೋಧಿ ಶಸ್ತ್ರಾಸ್ತ್ರಗಳ ಸಾಮಾನ್ಯ ಭಾಗವಾಗುವ ಮೊದಲು ಸುರಕ್ಷತೆ, ನಿಯಂತ್ರಣ ಮತ್ತು ವಿಸ್ತರಿಸುವಿಕೆಯ ಸವಾಲುಗಳನ್ನು ಪರಿಹರಿಸಬೇಕಾಗಿದೆ.