സ്റ്റാൻഫോർഡ് ഗവേഷകർ Evo 2 ജനറേറ്റീവ്-AI മോഡൽ ഉപയോഗിച്ച് ഏകദേശം 300 പുതിയ ബാക്ടീരിയോഫേജുകൾ (bacteriophages) രൂപകൽപ്പന ചെയ്യുകയും നിർമ്മിക്കുകയും ചെയ്തു. ലാബ് പരിശോധനകളിൽ അവയിൽ 16 വൈറസുകൾ E. coli-യെ ഫലപ്രദമായി നശിപ്പിക്കുമെന്ന് സ്ഥിരീകരിച്ചു. കോഡിംഗിലൂടെ ഒരു ജീവനുള്ള ആന്റിമൈക്രോബിയൽ ഏജന്റിലേക്ക് (antimicrobial agent) ഡെ നോവോ (de novo) ബയോളജിക്കൽ ഡിസൈൻ മാറാൻ കഴിയുമെന്ന് ഈ പ്രവർത്തനം കാണിച്ചുതരുന്നു.
ഒരു ഡിജിറ്റൽ സീക്വൻസിൽ നിന്ന് യഥാർത്ഥ വൈറസിലേക്ക്
അസിസ്റ്റന്റ് പ്രൊഫസർ ബ്രയാൻ ഹൈ, ഡീറ്റർ ഷാർസ് ഫൗണ്ടേഷൻ സ്റ്റാൻഫോർഡ് ഡാറ്റാ സയൻസ് ഇൻസ്റ്റിറ്റ്യൂട്ടുമായി ചേർന്ന്, നന്നായി പഠനവിധേയമാക്കിയ ΦX174 ഫേജിന്റെ ജനോം Evo 2-ലേക്ക് നൽകി. Evo 2 ഡിഎൻഎയെ ഒരു ഭാഷയായി പരിഗണിക്കുന്നു; ഫങ്ഷണൽ പ്രോട്ടീനുകളായി മാറുന്നതും ഒരു പ്രവർത്തനക്ഷമമായ വൈറസായി മാറുന്നതുമായ സീക്വൻസുകൾ ഇത് പ്രവചിക്കുന്നു. മോഡൽ നൂറുകണക്കിന് വ്യത്യസ്തമായ ഡിഎൻഎ സ്ട്രിംഗുകൾ പുറപ്പെടുവിച്ചു; രാസനിർമ്മാണത്തിലൂടെ അവ ഏകദേശം 300 ഫേജ് പാർട്ടിക്കിളുകളുടെ ഒരു ലൈബ്രറിയായി മാറി.
കമ്പ്യൂട്ടർ നിർമ്മിച്ച ഒരു സ്ട്രിംഗിനെ ഭൗതികമായ ഒരു വൈറസാക്കി മാറ്റാൻ ഒരു പ്രിന്റർ പ്രവർത്തിപ്പിക്കുന്നത് പോലെയുള്ള ഒരു ഘട്ടം മാത്രം പോരായിരുന്നു. ടീം കസ്റ്റം ഡിഎൻഎ ഒലിഗോന്യൂക്ലിയോട്ടിഡുകൾ ഓർഡർ ചെയ്യുകയും, പൂർണ്ണമായ ജനോമുകൾ അസംബിൾ ചെയ്യുകയും, ഒരു ഫേജിനെ "ബൂട്ട് അപ്പ്" ചെയ്യാൻ കഴിയുന്ന ബാക്ടീരിയൽ ഹോസ്റ്റിലേക്ക് ഓരോ കൺസ്ട്രക്റ്റും പ്രവേശിപ്പിക്കുകയും ചെയ്തു. ഡിസൈൻ, സിന്തസിസ്, അസംബ്ലി, റെസ്ക്യൂ എന്നീ ഘട്ടങ്ങൾ അടങ്ങിയ ഈ പ്രവർത്തനരീതി സ്വാഭാവിക ഫേജ് ഐസൊലേറ്റുകൾക്ക് കാലങ്ങളായി നിലവിലുള്ളതാണെങ്കിലും, പൂർണ്ണമായും AI നിർമ്മിച്ച ജനോമുകൾക്ക് ഇത് അപൂർവ്വമായി മാത്രമേ ഉപയോഗിച്ചിട്ടുള്ളൂ.
ആന്റിബാക്ടീരിയൽ പ്രവർത്തനത്തിനായുള്ള സ്ക്രീനിംഗ്
AI രൂപകൽപ്പന ചെയ്ത ഫേജുകൾക്ക് ഒരു ബാക്ടീരിയൽ ലക്ഷ്യത്തെ (bacterial target) ബാധിക്കാനും നശിപ്പിക്കാനും കഴിയുമോ എന്നതായിരുന്നു യഥാർത്ഥ പരീക്ഷണം. മൂത്രനാളിയിലെ അണുബാധകൾക്ക് (urinary-tract infections) സാധാരണ കാരണമായതും ആന്റിബയോട്ടിക് പ്രതിരോധ പഠനങ്ങൾക്ക് മാതൃകയുമായ E. coli-യുടെ ഒരു ലാബ് സ്ട്രെയിനിനെ ഉപയോഗിച്ച് ഗവേഷകർ 300 ഉദ്യോഗാർത്ഥികളെ പരീക്ഷിച്ചു. പ്ലാക്ക് അസ്സേകളും (plaque assays) വളർച്ചാ തടസ്സീകരണ അളവുകളും (growth-inhibition measurements) നടത്തിയ ശേഷം, ബാക്ടീരിയൽ കൾച്ചറുകളെ വേഗത്തിൽ നശിപ്പിക്കാനും ഉയർന്ന ബർസ്റ്റ് സൈസ് (burst size - ഓരോ ബാക്ടീരിയയിൽ നിന്നും പുറത്തുവരുന്ന പുതിയ ഫേജ് പാർട്ടിക്കിളുകളുടെ എണ്ണം) കാണിക്കാനും 16 ഫേജുകൾ മുന്നിട്ടുനിന്നു.
ഈ 16 ഫേജുകൾ സ്ക്രീനിംഗിൽ അതിജീവിക്കുക മാത്രമല്ല ചെയ്തത്; അവ കൊലപ്പെടുത്തുന്ന കാര്യക്ഷമതയിൽ സ്വാഭാവികമായ പല ΦX174 ബന്ധുക്കളെക്കാളും മികച്ച പ്രകടനം കാഴ്ചവെച്ചു. അറിയപ്പെടുന്ന വൈറൽ ഫങ്ഷനുകൾ പുനർനിർമ്മിക്കാനും, ജീവശാസ്ത്രം ഇതുവരെ ഉപയോഗിക്കാത്ത സീക്വൻസ് സ്പേസ് പര്യവേക്ഷണം ചെയ്യാനും, ഫലപ്രദവും ശക്തവുമായ പരിഹാരങ്ങൾ കണ്ടെത്താനും Evo 2-ക്ക് കഴിയുമെന്ന് ഈ വിവരങ്ങൾ സൂചിപ്പിക്കുന്നു.
ആന്റിമൈക്രോബിയൽ ഗവേഷണത്തിൽ ഇതിന്റെ പ്രാധാന്യം
ബാക്ടീരിയകളെ വേട്ടയാടുന്ന വൈറസുകൾ ഉപയോഗിക്കുന്ന ഫേജ് തെറാപ്പി (Phage therapy), ആന്റിബയോട്ടിക് പ്രതിരോധം മൂലമുള്ള ആഗോള അണുബാധകൾക്കുള്ള ഒരു പരിഹാരമായി വീണ്ടും ഉയർന്നുവരുന്നു. പരമ്പരാഗതമായ കണ്ടെത്തലുകൾ മലിനജലം, മണ്ണ് അല്ലെങ്കിൽ മൃഗങ്ങളിലെ മൈക്രോബയോമുകളിൽ നിന്ന് ഫേജുകളെ തിരയുന്നതിനെ ആശ്രയിച്ചിരിക്കുന്നു; ഈ പ്രക്രിയ മാസങ്ങൾ എടുക്കാനും പ്രവചനാതീതമായ ഫലങ്ങൾ നൽകാനും സാധ്യതയുണ്ട്. Evo 2 ഒരു കമ്പ്യൂട്ടർ അധിഷ്ഠിത ബദൽ വാഗ്ദാനം ചെയ്യുന്നു: ശാസ്ത്രജ്ഞർ ഒരു ബാക്ടീരിയൽ ലക്ഷ്യം നിശ്ചയിക്കുന്നു, മോഡൽ ഉദ്യോഗാർത്ഥി ജനോമുകൾ നിർമ്മിക്കുന്നു, തുടർന്ന് അവ ലാബിൽ പരീക്ഷിക്കുന്നു.
ഈ പ്രക്രിയ വിപുലീകരിക്കപ്പെട്ടാൽ, വർഷങ്ങളെടുക്കുന്ന പരിസ്ഥിതി സാമ്പിൾ ശേഖരണം ആഴ്ചകൾ നീളുന്ന ഇൻ-സിലിക്കോ (in-silico) ഡിസൈനിലേക്കും ഹൈ-ത്രൂപുട്ട് സിന്തസിസിലേക്കും ചുരുക്കാൻ സാധിക്കും. ആവശ്യാനുസരണം ഫേജ് ജനോമുകൾ രൂപകൽപ്പന ചെയ്യുന്നത് കൂടുതൽ ഹോസ്റ്റ് റേഞ്ചുകൾ അല്ലെങ്കിൽ ബാക്ടീരിയൽ പ്രതിരോധങ്ങളെ അതിജീവിക്കാനുള്ള ശേഷി തുടങ്ങിയ അധിക സവിശേഷതകൾ എൻജിനീയറിംഗ് ചെയ്യാനുള്ള വാതിലുകളും തുറക്കുന്നു.
അപകടസാധ്യതകളും തുറന്ന ചോദ്യങ്ങളും
ഈ മുന്നേറ്റം ഇപ്പോഴും പ്രാരംഭ ഘട്ടത്തിലാണ്. എല്ലാ പരീക്ഷണങ്ങളും പെട്രി ഡിഷുകളിൽ മാത്രമായി പരിമിതപ്പെടുത്തിയിരിക്കുന്നു; മൃഗ മാതൃകകളോ ക്ലിനിക്കൽ പരീക്ഷണങ്ങളോ ഇതുവരെ നടത്തിയിട്ടില്ല. സുരക്ഷാ ആശങ്കകൾ നിലനിൽക്കുന്നുണ്ട്—സിന്തറ്റിക് വൈറസുകളെ രോഗികളിലേക്കോ പരിസ്ഥിതിയിലേക്കോ പ്രവേശിപ്പിക്കുന്നത് അപ്രതീക്ഷിതമായ പാരിസ്ഥിതിക ആഘാതങ്ങൾ ഉണ്ടാക്കിയേക്കാം. ജനിതകമാറ്റം വരുത്തിയ ഫേജുകൾക്കായുള്ള നിയന്ത്രണ ചട്ടക്കൂടുകൾ (Regulatory frameworks) ഇപ്പോഴും വികസിച്ചുകൊണ്ടിരിക്കുകയാണ്, കൂടാതെ ലാബിലെ ഫലപ്രാപ്തിയിൽ നിന്ന് അംഗീകൃത ചികിത്സയിലേക്കുള്ള പാത ദൈർഘ്യമേറിയതാകാം.
കൂടാതെ, ΦX174 പോലുള്ള താരതമ്യേന ലളിതവും നന്നായി വിവരിക്കപ്പെട്ടതുമായ ഒരു ഫേജുമായി Evo 2 വിജയിച്ചെങ്കിലും, വലിയതും സങ്കീർണ്ണവുമായ വൈറൽ ജനോമുകളെ കൈകാര്യം ചെയ്യാനോ അല്ലെങ്കിൽ ശരീരത്തിനുള്ളിൽ (in vivo) ബാക്ടീരിയൽ പ്രതിരോധ സംവിധാനങ്ങളെ മറികടക്കുന്ന ഫേജുകളെ രൂപകൽപ്പന ചെയ്യാനോ ഈ മോഡലിന് കഴിയുമോ എന്ന് കണ്ടറിയേണ്ടതുണ്ട്. നിലവിലെ വിജയം ഏത് വൈറസിനെയും പൂജ്യത്തിൽ നിന്ന് നിർമ്മിക്കാനുള്ള സാർവത്രിക ശേഷിയേക്കാൾ ഉപരിയായി, ധാരാളമായി ലഭ്യമായ ΦX174 ഡാറ്റ ഉപയോഗിച്ചുള്ള മോഡലിന്റെ പരിശീലനത്തിന്റെ ഫലമാകാം.
അടുത്തതായി എന്ത്?
സ്റ്റാൻഫോർഡ് ടീം ഈ 16 പ്രധാന ഫേജുകളെ ഒന്നിലധികം ആന്റിബയോട്ടിക്കുകളെ പ്രതിരോധിക്കുന്നവ ഉൾപ്പെടെയുള്ള ക്ലിനിക്കൽ പ്രാധാന്യമുള്ള E. coli സ്ട്രെയിനുകൾക്കെതിരെ പരീക്ഷിക്കും. സമാന്തരമായി നടക്കുന്ന പ്രവർത്തനങ്ങൾ, Klebsiella അല്ലെങ്കിൽ Pseudomonas പോലുള്ള മറ്റ് പ്രശ്നബാധയുള്ള ബാക്ടീരിയകൾക്കായി ഫേജുകളെ രൂപകൽപ്പന ചെയ്യാൻ Evo 2-ക്ക് കഴിയുമോ എന്ന് പര്യവേക്ഷണം ചെയ്യും. സിന്തസിസ് വിപുലീകരിക്കുന്നത് (Scaling up synthesis)—നൂറുകണക്കിന് ഉദ്യോഗാർത്ഥികളിൽ നിന്ന് ആയിരക്കണക്കിന് ഉദ്യോഗാർത്ഥികളിലേക്ക്—ഒരു മുൻഗണനയായിരിക്കും, കാരണം വലിയ ലൈബ്രറികൾ കൂടുതൽ ശക്തമായതോ വിപുലമായതോ ആയ വൈറസുകളെ വെളിപ്പെടുത്തിയേക്കാം.
ഫേജ് തെറാപ്പിക്ക് പുറമെ, ഈ രീതിശാസ്ത്രം മറ്റ് ബയോ-എഞ്ചിനീയറിംഗ് ലക്ഷ്യങ്ങൾക്കായി ഉപയോഗിക്കാം: വ്യവസായ രസതന്ത്രത്തിന് ആവശ്യമായ എൻസൈമുകൾ രൂപകൽപ്പന ചെയ്യുക, സിന്തറ്റിക് മെറ്റബോളിക് പാതകൾ സൃഷ്ടിക്കുക, അല്ലെങ്കിൽ പുതിയ വാക്സിൻ വെക്റ്ററുകൾ നിർമ്മിക്കുക എന്നിവ ഇതിൽ ഉൾപ്പെടുന്നു. ഫങ്ഷണൽ ആയ ഡിഎൻഎ സീക്വൻസുകൾ നിർമ്മിക്കാനുള്ള Evo 2-യുടെ കഴിവ്, "കോഡ്" എന്നത് ജീവനുള്ള സംവിധാനങ്ങൾക്കായുള്ള ഒരു സാർവത്രിക ഡിസൈൻ ഭാഷയായി മാറുന്ന ഒരു ഭാവിയിലേക്കാണ് വിരൽ ചൂണ്ടുന്നത്.
Takeaway
സ്റ്റാൻഫോർഡിന്റെ Evo 2 മോഡൽ ഒരു കമ്പ്യൂട്ടേഷണൽ പ്രവചനത്തെ ജീവനുള്ള ഒരു ആന്റിമൈക്രോബിയൽ ഉപകരണമാക്കി മാറ്റിയിരിക്കുന്നു; AI അധിഷ്ഠിത 'de novo' ബയോളജിക്ക് പ്രധാനപ്പെട്ട ഒരു രോഗകാരിയെ നശിപ്പിക്കാൻ ശേഷിയുള്ള പ്രവർത്തനക്ഷമമായ വൈറസുകളെ നിർമ്മിക്കാൻ കഴിയുമെന്ന് ഇത് കാണിച്ചുതരുന്നു. ഈ പ്രൂഫ്-ഓഫ്-കോൺസെപ്റ്റ് ഡിജിറ്റൽ ഡിസൈനും യഥാർത്ഥ ലോകത്തെ ചികിത്സാ രീതികളും തമ്മിലുള്ള അകലം കുറയ്ക്കുന്നുണ്ടെങ്കിലും, സിന്തറ്റിക് ഫേജുകൾ ആന്റിമൈക്രോബിയൽ ആയുധശേഖരത്തിന്റെ ഒരു പതിവ് ഭാഗമാകുന്നതിന് മുമ്പ് സുരക്ഷ, നിയന്ത്രണങ്ങൾ, സ്കെയിലബിലിറ്റി എന്നിവയുമായി ബന്ധപ്പെട്ട വെല്ലുവിളികൾ പരിഹരിക്കപ്പെടേണ്ടതുണ്ട്.