นักวิจัยจาก Stanford ใช้โมเดล generative-AI ชื่อ Evo 2 เพื่อออกแบบและสังเคราะห์แบคทีเรียโอเฟจ (bacteriophages) ชนิดใหม่เกือบ 300 ชนิด การทดสอบในห้องปฏิบัติการยืนยันว่าไวรัส 16 ชนิดในนั้นสามารถฆ่า E. coli ได้อย่างมีประสิทธิภาพ งานวิจัยนี้แสดงให้เห็นว่าการออกแบบทางชีวภาพแบบ de novo สามารถก้าวข้ามจากบรรทัดของโค้ดไปสู่ตัวยาต้านจุลชีพที่มีชีวิตได้

จากลำดับดิจิทัลสู่ไวรัสที่มีชีวิตจริง

ผู้ช่วยศาสตราจารย์ Brian Hie ร่วมกับ Dieter Schwarz Foundation Stanford Data Science Institute ได้ป้อนจีโนมของเฟจ ΦX174 ที่มีการศึกษามาอย่างดีให้แก่ Evo 2 โดย Evo 2 จะปฏิบัติต่อ DNA เสมือนเป็นภาษาหนึ่ง ซึ่งสามารถทำนายลำดับที่ควรจะพับตัวเป็นโปรตีนที่ทำงานได้และประกอบร่างเป็นไวรัสที่สมบูรณ์ โมเดลนี้ได้สร้างสาย DNA ที่แตกต่างกันออกมาหลายร้อยสาย และการสังเคราะห์ทางเคมีก็ได้เปลี่ยนพวกมันให้กลายเป็นคลังของอนุภาคเฟจเกือบ 300 ชนิด

การเปลี่ยนสายรหัสที่สร้างโดยคอมพิวเตอร์ให้กลายเป็นไวรัสที่มีตัวตนจริงนั้นต้องทำมากกว่าแค่ขั้นตอนการพิมพ์ ทีมงานได้สั่งซื้อ DNA oligonucleotides แบบสั่งทำพิเศษ ประกอบจีโนมฉบับเต็ม และนำโครงสร้างแต่ละอย่างเข้าสู่โฮสต์ที่เป็นแบคทีเรียที่สามารถ "บูต" (boot up) เฟจขึ้นมาได้ กระบวนการทำงานนี้—การออกแบบ, การสังเคราะห์, การประกอบ และการกู้คืน (rescue)—เป็นมาตรฐานมานานสำหรับการแยกเฟจตามธรรมชาติ แต่ไม่ค่อยได้ถูกนำมาใช้กับจีโนมที่สร้างขึ้นโดย AI ทั้งหมดเช่นนี้

การคัดกรองฤทธิ์ต้านแบคทีเรีย

การทดสอบที่แท้จริงคือเฟจที่ออกแบบโดย AI จะสามารถติดเชื้อและทำลายเป้าหมายที่เป็นแบคทีเรียได้หรือไม่ นักวิจัยได้ทดสอบตัวเลือกทั้ง 300 ชนิดด้วยเชื้อ E. coli สายพันธุ์ห้องปฏิบัติการ ซึ่งเป็นสาเหตุทั่วไปของการติดเชื้อในทางเดินปัสสาวะและเป็นโมเดลสำหรับการศึกษาการดื้อยาปฏิชีวนะ หลังจากการทดสอบ plaque assays และการวัดการยับยั้งการเจริญเติบโต พบว่ามีเฟจ 16 ชนิดที่โดดเด่นในการทำให้เชื้อแบคทีเรียแตกสลาย (lysis) อย่างรวดเร็วและมี burst sizes สูง (จำนวนอนุภาคเฟจใหม่ที่ถูกปล่อยออกมาต่อเซลล์ที่ติดเชื้อ)

ผลลัพธ์ทั้ง 16 ชนิดนี้ไม่เพียงแต่ผ่านการคัดกรองเท่านั้น แต่ยังมีประสิทธิภาพในการฆ่าสูงกว่าญาติสายพันธุ์ธรรมชาติของ ΦX174 หลายชนิด ข้อมูลบ่งชี้ว่า Evo 2 สามารถเลียนแบบหน้าที่ของไวรัสที่รู้จักกันดี และยังสามารถสำรวจพื้นที่ของลำดับพันธุกรรม (sequence space) ที่ชีววิทยาไม่เคยสำรวจมาก่อน เพื่อค้นหาคำตอบที่ทั้งใช้งานได้จริงและมีประสิทธิภาพสูง

ทำไมเรื่องนี้จึงสำคัญต่องานวิจัยด้านยาต้านจุลชีพ

Phage therapy—การใช้ไวรัสที่ล่าแบคทีเรีย—ได้กลับมาเป็นคำตอบที่เป็นไปได้สำหรับการเพิ่มขึ้นของการติดเชื้อดื้อยาปฏิชีวนะทั่วโลก การค้นพบแบบดั้งเดิมต้องอาศัยการค้นหาเฟจในน้ำเสีย ดิน หรือจุลชีพในสัตว์ ซึ่งเป็นกระบวนการที่อาจใช้เวลาหลายเดือนและให้ผลลัพธ์ที่ไม่แน่นอน Evo 2 นำเสนอทางเลือกที่เน้นการคำนวณเป็นหลัก (compute-first): นักวิทยาศาสตร์ระบุเป้าหมายแบคทีเรีย ให้โมเดลสร้างจีโนมตัวเลือก จากนั้นจึงทดสอบชุดตัวเลือกที่เจาะจงในห้องปฏิบัติการ

หากกระบวนการนี้สามารถขยายขนาดได้ มันอาจย่อระยะเวลาการสุ่มตัวอย่างจากสิ่งแวดล้อมที่ต้องใช้เวลาหลายปี ให้เหลือเพียงการออกแบบในคอมพิวเตอร์ (in-silico) และการสังเคราะห์ที่มีประสิทธิภาพสูงเพียงไม่กี่สัปดาห์ การปรับแต่งจีโนมของเฟจตามความต้องการยังเปิดประตูสู่การวิศวกรรมคุณสมบัติเพิ่มเติม เช่น ช่วงโฮสต์ที่กว้างขึ้น หรือความสามารถในการต้านทานกลไกป้องกันแบคทีเรียต่อเฟจ

ความเสี่ยงและคำถามที่ยังไม่มีคำตอบ

ความสำเร็จนี้ยังอยู่ในช่วงเริ่มต้น การทดลองทั้งหมดจำกัดอยู่เพียงในจานเพาะเชื้อเท่านั้น ยังไม่มีการทดสอบในโมเดลสัตว์หรือการทดลองทางคลินิก ความกังวลด้านความปลอดภัยยังคงมีอยู่—การนำไวรัสสังเคราะห์เข้าสู่ผู้ป่วยหรือสิ่งแวดล้อมอาจส่งผลกระทบทางนิเวศวิทยาที่คาดไม่ถึง กรอบการกำกับดูแลสำหรับเฟจที่ผ่านการดัดแปลงพันธุกรรมยังคงอยู่ในช่วงพัฒนา และเส้นทางจากประสิทธิภาพในห้องปฏิบัติการไปสู่การรักษาที่ได้รับการอนุมัติอาจยังอีกยาวไกล

นอกจากนี้ แม้ว่า Evo 2 จะประสบความสำเร็จกับเฟจที่ค่อนข้างเรียบง่ายและมีลักษณะเฉพาะที่ชัดเจนอย่าง ΦX174 แต่ยังต้องรอดูว่าโมเดลจะสามารถจัดการกับจีโนมไวรัสที่มีขนาดใหญ่และซับซ้อนกว่านี้ หรือออกแบบเฟจที่ต้องฝ่าฟันระบบภูมิคุ้มกันของแบคทีเรียในร่างกาย (in vivo) ได้หรือไม่ ความสำเร็จในปัจจุบันอาจสะท้อนถึงการที่โมเดลได้รับการฝึกฝนด้วยข้อมูล ΦX174 จำนวนมาก มากกว่าจะเป็นความสามารถสากลในการสร้างไวรัสใดๆ ขึ้นมาจากศูนย์

อะไรจะเกิดขึ้นต่อไป

ทีมงาน Stanford จะทดสอบเฟจตัวหลักทั้ง 16 ชนิดกับเชื้อ E. coli ที่เกี่ยวข้องทางคลินิก รวมถึงสายพันธุ์ที่ดื้อยาปฏิชีวนะหลายชนิด งานวิจัยคู่ขนานจะสำรวจว่า Evo 2 สามารถถูกสั่งให้ออกแบบเฟจสำหรับแบคทีเรียที่เป็นปัญหาอื่นๆ เช่น Klebsiella หรือ Pseudomonas ได้หรือไม่ การขยายขนาดการสังเคราะห์—จากตัวเลือกไม่กี่ร้อยเป็นหลายพัน—จะเป็นลำดับความสำคัญเช่นกัน เนื่องจากคลังตัวเลือกที่ใหญ่ขึ้นอาจเผยให้เห็นไวรัสที่มีประสิทธิภาพสูงกว่าหรือออกฤทธิ์ได้กว้างกว่า

นอกเหนือจากการบำบัดด้วยเฟจแล้ว วิธีการนี้ยังสามารถนำไปประยุกต์ใช้กับเป้าหมายทางวิศวกรรมชีวภาพอื่นๆ ได้ เช่น การออกแบบเอนไซม์สำหรับเคมีอุตสาหกรรม การสร้างวิถีเมแทบอลิซึมสังเคราะห์ หรือแม้แต่การสร้างเวกเตอร์วัคซีนชนิดใหม่ ความสามารถของ Evo 2 ในการสร้างลำดับ DNA ที่ใช้งานได้จริง ชี้ให้เห็นถึงอนาคตที่ "โค้ด" จะกลายเป็นภาษาการออกแบบที่เป็นสากลสำหรับระบบที่มีชีวิต

Takeaway

โมเดล Evo 2 ของ Stanford ได้เปลี่ยนการทำนายเชิงคำนวณให้กลายเป็นเครื่องมือต้านจุลชีพที่มีชีวิต ซึ่งแสดงให้เห็นว่าชีววิทยาแบบ de novo ที่ขับเคลื่อนด้วย AI สามารถสร้างไวรัสที่ทำงานได้จริงและมีความสามารถในการกำจัดเชื้อก่อโรคสำคัญได้ การพิสูจน์แนวคิด (proof-of-concept) นี้ช่วยลดช่องว่างระหว่างการออกแบบในรูปแบบดิจิทัลและการรักษาในโลกแห่งความเป็นจริง แต่ความท้าทายด้านความปลอดภัย กฎระเบียบ และความสามารถในการขยายขนาดการผลิต จะต้องได้รับการแก้ไขก่อนที่ฟาจสังเคราะห์ (synthetic phages) จะกลายเป็นส่วนหนึ่งของคลังอาวุธต้านจุลชีพที่ใช้กันเป็นปกติ