స్టాన్ఫోర్డ్ పరిశోధకులు దాదాపు 300 కొత్త బాక్టీరియోఫేజెస్ (bacteriophages) రూపకల్పన మరియు సంశ్లేషణ చేయడానికి Evo 2 జనరేటివ్-AI మోడల్ను ఉపయోగించారు. ప్రయోగశాల పరీక్షలు ఆ వైరస్లలో 16 వైరస్లు E. coliని సమర్థవంతంగా చంపుతాయని ధృవీకరించాయి. డీ నోవో (de novo) జీవసంబంధిత రూపకల్పన అనేది ఒక కోడ్ లైన్ నుండి సజీవమైన యాంటీమైక్రోబయల్ ఏజెంట్గా మారగలదని ఈ పరిశోధన చూపుతోంది.
డిజిటల్ సీక్వెన్స్ నుండి నిజమైన వైరస్ వరకు
అసిస్టెంట్ ప్రొఫెసర్ బ్రయాన్ హై, డీటర్ శ్వార్జ్ ఫౌండేషన్ స్టాన్ఫోర్డ్ డేటా సైన్స్ ఇన్స్టిట్యూట్తో కలిసి, బాగా అధ్యయనం చేయబడిన ఫేజ్ ΦX174 యొక్క జన్యువును (genome) Evo 2కి అందించారు. Evo 2 DNAను ఒక భాషలా పరిగణిస్తుంది, ఫంక్షనల్ ప్రోటీన్లుగా మడిగి, ఒక జీవవంతమైన వైరస్గా ఏర్పడే సీక్వెన్స్లను అంచనా వేస్తుంది. ఈ మోడల్ వందలాది విభిన్న DNA స్ట్రింగ్లను రూపొందించింది; రసాయన సంశ్లేషణ వాటిని దాదాపు 300 ఫేజ్ కణాల లైబ్రరీగా మార్చింది.
కంప్యూటర్ ద్వారా రూపొందించబడిన స్ట్రింగ్ను భౌతిక వైరస్గా మార్చడానికి ప్రింటర్ వంటి దశ కంటే ఎక్కువ అవసరమైంది. బృందం కస్టమ్ DNA ఒలిగోన్యూక్లియోటైడ్స్ను ఆర్డర్ చేసింది, పూర్తి జన్యువులను అసెంబుల్ చేసింది మరియు ప్రతి కన్స్ట్రక్ట్ను ఫేజ్ను "బూట్ అప్" చేయగల బాక్టీరియల్ హోస్ట్లోకి ప్రవేశపెట్టింది. ఆ వర్క్ఫ్లో—డిజైన్, సంశ్లేషణ, అసెంబ్లీ మరియు రెస్క్యూ—సహజ ఫేజ్ ఐసోలేట్లకు ఎప్పటి నుంచో ప్రామాణికంగా ఉంది, కానీ పూర్తిగా AI ద్వారా రూపొందించబడిన జన్యువులకు దీనిని అరుదుగా వర్తింపజేశారు.
యాంటీ బాక్టీరియల్ కార్యకలాపాల కోసం స్క్రీనింగ్
AI ద్వారా రూపొందించబడిన ఫేజెస్ ఏవైనా బాక్టీరియల్ లక్ష్యాన్ని ఇన్ఫెక్ట్ చేసి నాశనం చేయగలవా అనేది అసలైన పరీక్ష. పరిశోధకులు 300 అభ్యర్థులను E. coli యొక్క ప్రయోగశాల స్ట్రెయిన్తో పరీక్షించారు, ఇది మూత్రనాళ ఇన్ఫెక్షన్లకు సాధారణ కారణం మరియు యాంటీబయాటిక్-రెసిస్టెన్స్ అధ్యయనాలకు ఒక మోడల్. ప్లేక్ అసేలు (plaque assays) మరియు పెరుగుదల నిరోధక కొలతల తర్వాత, 16 ఫేజెస్ బాక్టీరియల్ కల్చర్ల వేగవంతమైన లైసిస్ (lysis) మరియు అధిక బర్స్ట్ సైజుల (ఒక ఇన్ఫెక్టెడ్ కణం నుండి విడుదలయ్యే కొత్త ఫేజ్ కణాల సంఖ్య) కోసం ప్రత్యేకంగా నిలిచాయి.
ఆ 16 విజయవంతమైన ఫేజెస్ కేవలం స్క్రీనింగ్లో మనుగడ సాగించడమే కాకుండా; చంపే సామర్థ్యంలో అనేక సహజ ΦX174 బంధువుల కంటే మెరుగ్గా పనిచేశాయి. Evo 2 తెలిసిన వైరల్ ఫంక్షన్లను పునరుత్పత్తి చేయగలదని మరియు జీవశాస్త్రం ఎప్పుడూ చూడని సీక్వెన్స్ స్పేస్ను కూడా అన్వేషించగలదని, తద్వారా సమర్థవంతమైన పరిష్కారాలను అందించగలదని ఈ డేటా సూచిస్తుంది.
యాంటీమైక్రోబయల్ పరిశోధనలో దీని ప్రాముఖ్యత ఏమిటి?
ఫేజ్ థెరపీ—బ్యాక్టీరియాను వేటాడే వైరస్లను ఉపయోగించడం—యాంటీబయాటిక్-రెసిస్టెంట్ ఇన్ఫెక్షన్ల ప్రపంచవ్యాప్త పెరుగుదలకు ఒక సాధ్యమైన సమాధానంగా మళ్ళీ ప్రాచుర్యంలోకి వచ్చింది. సాంప్రదాయ ఆవిష్కరణలు మురుగునీరు, మట్టి లేదా జంతు మైక్రోబయోమ్లలో ఫేజ్ల కోసం వెతకడంపై ఆధారపడి ఉంటాయి, ఈ ప్రక్రియకు నెలలు పట్టవచ్చు మరియు ఫలితాలు ఊహించలేనవిగా ఉంటాయి. Evo 2 ఒక కంప్యూట్-ఫస్ట్ (compute-first) ప్రత్యామ్నాయాన్ని అందిస్తుంది: శాస్త్రవేత్తలు బాక్టీరియల్ లక్ష్యాన్ని నిర్దేశిస్తారు, మోడల్ అభ్యర్థి జన్యువులను రూపొందించనిస్తుంది, మరియు ఆపై ప్రయోగశాలలో ఒక ఫోకస్డ్ సెట్ను పరీక్షిస్తారు.
ఈ పైప్లైన్ విస్తరిస్తే, ఇది సంవత్సరాల పర్యావరణ శాంప్లింగ్ను వారాల కొద్దీ ఇన్-సిలికో (in-silico) డిజైన్ మరియు హై-త్రూపుట్ సంశ్లేషణలోకి కుదించగలదు. డిమాండ్ మేరకు ఫేజ్ జన్యువులను రూపొందించడం వల్ల విస్తృతమైన హోస్ట్ రేంజ్ లేదా బాక్టీరియల్ యాంటీ-ఫేజ్ డిఫెన్స్లకు నిరోధకత వంటి అదనపు లక్షణాలను ఇంజనీరింగ్ చేసే అవకాశం కూడా లభిస్తుంది.
రిస్క్లు మరియు బహిరంగ ప్రశ్నలు
ఈ విజయం ఇంకా ప్రారంభ దశలోనే ఉంది. అన్ని ప్రయోగాలు పెట్రీ డిష్లకు మాత్రమే పరిమితమయ్యాయి; ఎటువంటి జంతు నమూనాలు లేదా క్లినికల్ ట్రయల్స్ నిర్వహించలేదు. భద్రతా ఆందోళనలు ఇంకా ఉన్నాయి—సింథటిక్ వైరస్లను రోగులలో లేదా పర్యావరణంలోకి ప్రవేశపెట్టడం వల్ల ఊహించని పర్యావరణ ప్రభావాలు ఉండవచ్చు. జన్యుపరంగా ఇంజనీరింగ్ చేసిన ఫేజెస్ కోసం నియంత్రణ ఫ్రేమ్వర్క్లు ఇంకా అభివృద్ధి చెందుతున్నాయి, మరియు ప్రయోగశాల సామర్థ్యం నుండి ఆమోదించబడిన థెరపీ వరకు ఉన్న మార్గం సుదీర్ఘంగా ఉండవచ్చు.
అంతేకాకుండా, Evo 2 ΦX174 వంటి సాపేక్షంగా సరళమైన, బాగా వివరించబడిన ఫేజ్తో విజయం సాధించినప్పటికీ, ఈ మోడల్ పెద్దవి మరియు మరింత సంక్లిష్టమైన వైరల్ జన్యువులను హ్యాండిల్ చేయగలదా లేదా ఇన్ వివో (in vivo) లో బాక్టీరియల్ రోగనిరోధక వ్యవస్థలను ఎదుర్కోవాల్సిన ఫేజ్లను రూపొందించగలదా అనేది చూడాల్సి ఉంది. ప్రస్తుత విజయం ఏ వైరస్నైనా మొదటి నుండి సృష్టించే సార్వత్రిక సామర్థ్యం కంటే, పుష్కలంగా ఉన్న ΦX174 డేటాపై మోడల్ శిక్షణ పొందడం వల్ల కావచ్చు.
తర్వాత ఏమి వస్తుంది?
స్టాన్ఫోర్డ్ బృందం 16 లీడ్ ఫేజస్ను క్లినికల్ పరంగా సంబంధిత E. coli స్ట్రెయిన్లపై, బహుళ యాంటీబయాటిక్స్కు నిరోధకత కలిగిన వాటితో సహా పరీక్షిస్తుంది. సమాంతరంగా జరిగే పనులు Klebsiella లేదా Pseudomonas వంటి ఇతర సమస్యలతో కూడిన బాక్టీరియా కోసం ఫేజ్లను రూపొందించడానికి Evo 2ని ప్రేరేపించగలదా అని అన్వేషిస్తాయి. సంశ్లేషణను పెంచడం—కొన్ని వందల అభ్యర్థుల నుండి వేల వరకు—కూడా ప్రాధాన్యతగా ఉంటుంది, ఎందుకంటే పెద్ద లైబ్రరీలు మరింత శక్తివంతమైన లేదా విస్తృతంగా పనిచేసే వైరస్లను వెల్లడించవచ్చు.
ఫేజ్ థెరపీకి మించి, ఈ పద్ధతిని ఇతర బయో-ఇంజనీరింగ్ లక్ష్యాల కోసం కూడా ఉపయోగించవచ్చు: పారిశ్రామిక రసాయన శాస్త్రం కోసం ఎంజైమ్లను రూపొందించడం, సింథటిక్ మెటబాలిక్ పాత్వేలను సృష్టించడం లేదా కొత్త వ్యాక్సిన్ వెక్టర్లను నిర్మించడం కూడా చేయవచ్చు. ఫంక్షనల్ DNA సీక్వెన్స్లను రూపొందించే Evo 2 సామర్థ్యం, "కోడ్" అనేది జీవ వ్యవస్థల కోసం ఒక సార్వత్రిక డిజైన్ భాషగా మారే భవిష్యత్తును సూచిస్తోంది.
ముఖ్య అంశం
స్టాన్ఫోర్డ్ యొక్క Evo 2 మోడల్, ఒక కంప్యూటేషనల్ ప్రిడిక్షన్ను సజీవ యాంటీమైక్రోబయల్ సాధనంగా మార్చింది. AI-ఆధారిత de novo బయాలజీ ద్వారా ఒక ప్రధాన వ్యాధి కారకాన్ని (pathogen) అంతం చేయగల క్రియాశీల వైరస్లను ఉత్పత్తి చేయవచ్చని ఇది నిరూపిస్తోంది. ఈ ప్రూఫ్-ఆఫ్-కాన్సెప్ట్, డిజిటల్ డిజైన్ మరియు వాస్తవ ప్రపంచ చికిత్సల (therapeutics) మధ్య ఉన్న అంతరాన్ని తగ్గిస్తుంది, కానీ సింథటిక్ ఫేజ్లు (synthetic phages) యాంటీమైక్రోబయల్ ఆయుధ భాండాగారంలో ఒక సాధారణ భాగంగా మారకముందు, భద్రత, నియంత్రణ మరియు స్కేలబిలిటీ సవాళ్లను పరిష్కరించాల్సి ఉంటుంది.