Stanford ஆராய்ச்சியாளர்கள் சுமார் 300 புதிய பாக்டீரியோபேஜ்களை (bacteriophages) வடிவமைக்கவும் தொகுக்கவும் Evo 2 உருவாக்கும் AI மாதிரியைப் பயன்படுத்தினர். ஆய்வகச் சோதனைகள் அந்த வைரஸ்களில் 16 ஆகியவை E. coli-ஐ திறம்படக் கொல்வதை உறுதிப்படுத்தின. இந்த ஆய்வு, 'de novo' உயிரியல் வடிவமைப்பு என்பது ஒரு வரியிலான குறியீட்டிலிருந்து (line of code) ஒரு உயிருள்ள நுண்ணுயிர் எதிர்ப்பு காரணியாக மாற முடியும் என்பதைக் காட்டுகிறது.
டிஜிட்டல் வரிசையிலிருந்து ஒரு உண்மையான வைரஸ் வரை
உதவிப் பேராசிரியர் பிரையன் ஹை, Dieter Schwarz Foundation Stanford Data Science நிறுவனத்துடன் இணைந்து, நன்கு ஆய்வு செய்யப்பட்ட ΦX174 பேஜின் மரபணுவை Evo 2-க்கு வழங்கினார். Evo 2 டிஎன்ஏவை (DNA) ஒரு மொழியைப் போலக் கருதி, செயல்பாட்டு புரதங்களாக மடிந்து ஒரு வாழக்கூடிய வைரஸாக உருவாகக்கூடிய வரிசைகளைக் கணிக்கிறது. இந்த மாதிரி நூற்றுக்கணக்கான தனித்துவமான டிஎன்ஏ சரங்களை (DNA strings) உருவாக்கியது; வேதியியல் தொகுப்பு அவற்றை சுமார் 300 பேஜ் துகள்களின் தொகுப்பாக மாற்றியது.
கணினி மூலம் உருவாக்கப்பட்ட ஒரு சரத்தை ஒரு இயற்பியல் வைரஸாக மாற்றுவதற்கு ஒரு பிரிண்டரைப் போன்ற படிநிலையை விட மேலான ஒன்று தேவைப்பட்டது. குழுவினர் தனிப்பயனாக்கப்பட்ட டிஎன்ஏ ஒலிigosேக்ளியோட்டுகளை (DNA oligonucleotides) ஆர்டர் செய்து, முழு மரபணுக்களையும் ஒருங்கிணைத்து, ஒவ்வொரு கட்டமைப்பையும் ஒரு பாக்டீரியல் விருந்தோம்பியில் (bacterial host) அறிமுகப்படுத்தினர். இந்த பணிப்பாய்வு—வடிவமைப்பு, தொகுப்பு, ஒருங்கிணைப்பு மற்றும் மீட்பு (design, synthesis, assembly, and rescue)—இயற்கையான பேஜ் தனிமங்களுக்கு நீண்டகாலமாக ஒரு தரநிலையாக இருந்து வருகிறது, ஆனால் முற்றிலும் AI மூலம் உருவாக்கப்பட்ட மரபணுக்களுக்கு இது அரிதாகவே பயன்படுத்தப்பட்டுள்ளது.
நுண்ணுயிர் எதிர்ப்புச் செயல்பாட்டிற்கான பரிசோதனை
AI மூலம் வடிவமைக்கப்பட்ட பேஜ்கள் ஏதேனும் ஒரு பாக்டீரியல் இலக்கைத் தாக்கி அழிக்க முடியுமா என்பதுதான் உண்மையான சோதனை. ஆராய்ச்சியாளர்கள் 300 வேட்பாளர்களையும், சிறுநீர் பாதை தொற்றுகளுக்குப் பொதுவான காரணமாகவும், நுண்ணுயிர் எதிர்ப்பு ஆய்வுகளுக்கான மாதிரியாகவும் இருக்கும் E. coli-ன் ஆய்வக வகை பாக்டீரியாவைக் கொண்டு சோதித்தனர். பிளேக் அஸேக்கள் (plaque assays) மற்றும் வளர்ச்சித் தடுப்பு அளவீடுகளுக்குப் பிறகு, 16 பேஜ்கள் பாக்டீரியல் வளர்ப்புகளை விரைவாக அழிப்பதற்கும் மற்றும் அதிக burst sizes (பாதிக்கப்பட்ட செல்லிலிருந்து வெளியிடப்படும் புதிய பேஜ் துகள்களின் எண்ணிக்கை) ஆகியவற்றிற்கும் தனித்துத் தெரிந்தன.
அந்த 16 வெற்றிகள் சோதனையில் உயிர் பிழைத்தது மட்டுமல்லாமல்; கொலைக் திறனில் பல இயற்கையான ΦX174 உறவினர்களை விடச் சிறப்பாகச் செயல்பட்டன. Evo 2 தெரிந்த வைரஸ் செயல்பாடுகளை மீண்டும் உருவாக்க முடியும் என்பதையும், உயிரியல் இதுவரை ஆய்வு செய்யாத வரிசை இடங்களை (sequence space) ஆராய்ந்து, சாத்தியமான மற்றும் சக்திவாய்ந்த தீர்வுகளைக் கண்டறிய முடியும் என்பதையும் இந்தத் தரவுகள் தெரிவிக்கின்றன.
நுண்ணுயிர் எதிர்ப்பு ஆராய்ச்சியில் இதன் முக்கியத்துவம் ஏன்?
பேஜ் சிகிச்சை (Phage therapy)—பாக்டீரியாக்களை வேட்டையாடும் வைரஸ்களைப் பயன்படுத்துவது—உலகளாவிய நுண்ணுயிர் எதிர்ப்புத் திறன் கொண்ட தொற்றுகளின் அதிகரிப்பிற்கு ஒரு சாத்தியமான தீர்வாக மீண்டும் எழுந்துள்ளது. பாரம்பரியக் கண்டுபிடிப்புகள் கழிவுநீர், மண் அல்லது விலங்குகளின் நுண்ணுயிரிகளின் தொகுப்பிலிருந்து (microbiomes) பேஜ்களைத் தேடுவதைச் சார்ந்துள்ளன; இந்தச் செயல்முறை மாதக்கணக்கில் எடுக்கலாம் மற்றும் கணிக்க முடியாத முடிவுகளைத் தரலாம். Evo 2 ஒரு கணினி சார்ந்த மாற்றாக முன்வைக்கிறது: விஞ்ஞானிகள் ஒரு பாக்டீரியல் இலக்கைக் குறிப்பிடுகிறார்கள், மாதிரி வேட்பாளர் மரபணுக்களை உருவாக்க அனுமதிக்கிறார்கள், பின்னர் ஆய்வகத்தில் ஒரு குறிப்பிட்ட தொகுப்பைச் சோதிக்கிறார்கள்.
இந்த வழிமுறை விரிவுபடுத்தப்பட்டால், பல ஆண்டுகால சுற்றுச்சூழல் மாதிரிகளை வாரக்கணக்கில் நடைபெறும் in-silico வடிவமைப்பு மற்றும் அதிக உற்பத்தித் திறன் கொண்ட தொகுப்பாக மாற்ற முடியும். தேவைக்கேற்ப பேஜ் மரபணுக்களைத் தனிப்பயனாக்குவது, பரந்த விருந்தோம்பி வரம்புகள் (host ranges) அல்லது பாக்டீரியாவின் பேஜ் எதிர்ப்புத் திறன்களுக்கு எதிரான எதிர்ப்பு போன்ற கூடுதல் பண்புகளைப் பொறியியல் ரீதியாக உருவாக்குவதற்கும் வழிவகுக்கிறது.
அபாயங்கள் மற்றும் திறந்த கேள்விகள்
இந்த முன்னேற்றம் இன்னும் ஆரம்ப நிலையிலேயே உள்ளது. அனைத்து சோதனைகளும் பெட்ரி டிஷ்களிலேயே (petri dishes) மட்டுப்படுத்தப்பட்டுள்ளன; விலங்கு மாதிரிகள் அல்லது மருத்துவச் சோதனைகள் எதுவும் நடத்தப்படவில்லை. பாதுகாப்பு குறித்த கவலைகள் நீடிக்கின்றன—செயற்கை வைரஸ்களை நோயாளிகளுக்கோ அல்லது சுற்றுச்சூழலுக்கோ அறிமுகப்படுத்துவது எதிர்பாராத சுற்றுச்சூழல் தாக்கங்களை ஏற்படுத்தக்கூடும். மரபணு மாற்றப்பட்ட பேஜ்களுக்கான ஒழுங்குமுறை கட்டமைப்புகள் இன்னும் உருவாகி வருகின்றன, மேலும் ஆய்வகத் திறனிலிருந்து அங்கீகரிக்கப்பட்ட சிகிச்சையாகச் செல்லும் பாதை நீளமாக இருக்கலாம்.
மேலும், ΦX174 போன்ற ஒப்பீட்டளவில் எளிமையான, நன்கு வகைப்படுத்தப்பட்ட பேஜுடன் Evo 2 வெற்றி பெற்றாலும், இந்த மாதிரி பெரிய மற்றும் சிக்கலான வைரஸ் மரபணுக்களைக் கையாள முடியுமா அல்லது உயிரினங்களுக்குள் (in vivo) பாக்டீரியாவின் நோய் எதிர்ப்பு மண்டலங்களைச் சமாளிக்க வேண்டிய பேஜ்களை வடிவமைக்க முடியுமா என்பது இன்னும் பார்க்கப்பட வேண்டிய ஒன்று. தற்போதைய வெற்றி என்பது எந்தவொரு வைரஸையும் புதிதாக உருவாக்கும் உலகளாவிய திறனை விட, ஏராளமான ΦX174 தரவுகளில் இந்த மாதிரி பயிற்சி பெற்றதையே பிரதிபலிக்கலாம்.
அடுத்து என்ன?
ஸ்டான்போர்ட் குழுவினர் 16 முன்னணி பேஜ்களை, மருத்துவ ரீதியாகத் தொடர்புடைய E. coli வகைகளுக்கு எதிராக, பல நுண்ணுயிர் எதிர்ப்பிகளுக்கு எதிர்ப்புத் திறன் கொண்டவை உட்பட, சோதிப்பார்கள். இணையாகச் செய்யப்படும் ஆய்வுகள், Klebsiella அல்லது Pseudomonas போன்ற பிற சிக்கலான பாக்டீரியாக்களுக்கான பேஜ்களை வடிவமைக்க Evo 2-ஐத் தூண்ட முடியுமா என்பதை ஆராயும். தொகுப்பைப் பெருக்குவது (Scaling up synthesis)—சில நூறு வேட்பாளர்களிலிருந்து ஆயிரக்கணக்கானதாக மாற்றுவது—ஒரு முன்னுரிமையாக இருக்கும், ஏனெனில் பெரிய தொகுப்புகள் இன்னும் சக்திவாய்ந்த அல்லது பரவலாகச் செயல்படும் வைரஸ்களை வெளிப்படுத்தக்கூடும்.
பேஜ் சிகிச்சையைத் தாண்டி, இந்த முறையியலை பிற உயிரியல் பொறியியல் இலக்குகளுக்காகப் பயன்படுத்தலாம்: தொழில்துறை வேதியியலுக்கான என்சைம்களை (enzymes) வடிவமைத்தல், செயற்கை வளர்சிதை மாற்றப் பாதைகளை (metabolic pathways) உருவாக்குதல் அல்லது புதிய தடுப்பூசி வெக்டர்களைக் (vaccine vectors) கூட உருவாக்குதல். செயல்பாட்டு டிஎன்ஏ வரிசைகளை உருவாக்கும் Evo 2-ன் திறன், "குறியீடு" (code) என்பது உயிரினங்களுக்கான ஒரு உலகளாவிய வடிவமைப்பு மொழியாக மாறும் எதிர்காலத்தைக் காட்டுகிறது.
Takeaway
ஸ்டான்போர்டின் Evo 2 மாடல், ஒரு கணக்கீட்டு முன்னறிவிப்பை ஒரு உயிருள்ள நுண்ணுயிர் எதிர்ப்பு கருவியாக மாற்றியுள்ளது; இது AI-மூலம் இயக்கப்படும் de novo உயிரியல் மூலம், ஒரு முக்கிய நோய்க்கிருமியை அழிக்கக்கூடிய செயல்பாட்டு வைரஸ்களை உருவாக்க முடியும் என்பதைக் காட்டுகிறது. இந்த கருத்தியல் நிரூபணம், டிஜிட்டல் வடிவமைப்புக்கும் நிஜ உலக சிகிச்சை முறைகளுக்கும் இடையிலான இடைவெளியைக் குறைக்கிறது, ஆனால் செயற்கை ஃபேஜ்கள் (synthetic phages) நுண்ணுயிர் எதிர்ப்பு ஆயுதக் களஞ்சியத்தின் ஒரு வழக்கமான அங்கமாக மாறுவதற்கு முன்னதாக, பாதுகாப்பு, ஒழுங்குமுறை மற்றும் அளவிடுதல் தொடர்பான சவால்கள் தீர்க்கப்பட வேண்டும்.