اسٹینفورڈ یونیورسٹی اور Arc Institute کے محققین نے ایک جنریٹیو AI ماڈل کا استعمال کرتے ہوئے مکمل وائرل جینومز کو شروع سے ڈیزائن کر کے ایک تاریخی سنگ میل عبور کر لیا ہے۔ یہ پیش رفت روایتی حیاتیاتی دریافت سے کمپیوٹیشنل ڈیزائن کے دور کی طرف ایک بڑی تبدیلی ہے، جہاں AI زندگی کی ساخت کا تعین کرتا ہے۔
Evo: جینوমিকس کے لیے لارج لینگویج ماڈل
اس تحقیق کے مرکز میں Evo ہے، جو ایک خصوصی جنریٹیو ماڈل ہے جو ایک لارج لینگویج ماڈل (LLM) کی طرح کام کرتا ہے لیکن DNA کی "زبان" پر کام کرتا ہے۔ ٹیکسٹ پر مبنی ماڈلز کے برعکس، Evo کو ایک بہت بڑے ڈیٹا سیٹ پر تربیت دی گئی ہے جس میں تقریباً نو ٹریلین نیوکلیوٹائڈز شامل ہیں، جو لاکھوں جانداروں بشمول جانوروں، پودوں، مائیکروبز اور وائرسز سے حاصل کیے گئے ہیں۔
اپنی درستگی کو بہتر بنانے کے لیے، محققین نے دو مرحلوں پر مشتمل تربیت کا عمل اپنایا۔ زندگی کے درخت (tree of life) کے بنیادی پیٹرنز سیکھنے کے بعد، Evo کو phiX174 bacteriophage کے 11 جینز اور اس کے تقریباً 15,000 قریبی رشتہ داروں کا استعمال کرتے ہوئے تربیت کا دوسرا، خصوصی مرحلہ طے کرنا پڑا۔ اس سے ماڈل کو فعال اور خود کو ریپلیکیٹ کرنے والی حیاتیاتی اکائیوں کو ڈیزائن کرنے کے لیے درکار مخصوص باریکیوں میں مہارت حاصل کرنے میں مدد ملی۔
700,000 تجاویز سے فعال وائرسز تک
Evo کی جنریٹیو صلاحیتوں کا پیمانہ بہت وسیع ہے۔ ماڈل نے 700,000 ممکنہ وائرل جینومز تجویز کیے۔ تحقیق کرنے والی ٹیم نے پھر سخت انتخاب کے ذریعے ان میں سے کچھ کو محدود کیا، اور 285 سیکوئنسز کو DNA کے دھاگوں (strands) کے طور پر کیمیائی طور پر تیار کیا اور انہیں E. coli بیکٹیریا میں داخل کر دیا۔
نتائج انتہائی کامیاب رہے: تیار کردہ 16 سیکوئنسز نے ایسے وائرس پیدا کیے جو ریپلی کیشن کی صلاحیت رکھتے تھے۔ خاص طور پر، یہ AI سے تیار کردہ وائرس موجودہ اقسام کے محض "کمزور" یا نقاہت زدہ ورژن نہیں تھے؛ بلکہ وہ قدرتی وائرسز کی طرح مضبوط تھے، اور کچھ تو اصل phiX174 سے بھی زیادہ تیزی سے ریپلیکیٹ ہو رہے تھے۔ ماہرین نے نوٹ کیا کہ AI نے جینز کی ترتیب اور انتظام میں ایسے غیر متوقع بدلاؤ بھی متعارف کرائے جن پر انسانی سائنسدانوں نے پہلے کبھی غور نہیں کیا تھا۔
دو دھاری تلوار: طبی پیش رفت بمقابلہ بائیو سیفٹی کے خلا
بائیو ٹیکنالوجی کے لیے اس کے اثرات بہت گہرے ہیں۔ AI سے ڈیزائن کیے گئے وائرس phage therapy میں انقلاب لا سکتے ہیں—یعنی کثیر ادویات کے خلاف مزاحمت رکھنے والے بیکٹیریا کو مارنے کے لیے وائرس کا استعمال—اور جینیاتی مواد کے لیے زیادہ موثر ڈیلیوری کے ذرائع بنا کر gene therapy کو بہتر بنا سکتے ہیں۔
تاہم، اس ترقی نے عالمی بائیو سیفٹی قوانین میں ایک اہم "کمی" کو اجاگر کیا ہے۔ امریکی نیشنل انسٹیٹیوٹس آف ہیلتھ (NIH) کی موجودہ پالیسیاں ان تجربات پر پابندی لگانے پر توجہ مرکوز کرتی ہیں جو معلوم جراثیم (pathogens) کو مزید خطرناک بناتے ہیں، لیکن وہ خالصتاً کمپیوٹیشنل کام—یعنی کمپیوٹر پر وائرل DNA کا ڈیزائن تیار کرنا—کو واضح طور پر کور نہیں کرتیں۔ یہ "نامعلوم" خطرات کے لیے ایک ریگولیٹری خلا پیدا کرتا ہے: اگر کوئی AI ایک ایسا نیا اور انتہائی متعدی جراثیم ڈیزائن کرتا ہے جو قدرت میں کبھی موجود نہیں تھا، تو موجودہ حفاظتی اقدامات اس خطرے کی شناخت کرنے میں ناکام ہو سکتے ہیں۔
اس کے اثرات کو کم کرنے کے لیے، اسٹینفورڈ کی ٹیم نے پیشگی حفاظتی اقدامات کیے اور اس بات کو یقینی بنایا کہ Evo کو کبھی بھی انسانی جراثیم یا متعلقہ جانوروں/پودوں کے وائرسز پر تربیت نہ دی جائے، جس سے ماڈل کے انسانی جسم کو متاثر کرنے والے جینومز تیار کرنے کی صلاحیت کو مؤثر طریقے سے روکا جا سکا۔
یہ نتیجہ طب کے لیے کیوں اہم ہے
Phage therapy، جو اینٹی بائیوٹک کے خلاف مزاحمت رکھنے والے بیکٹیریا کو نشانہ بنانے کے لیے وائرس کا استعمال کرتی ہے، طویل عرصے سے قدرتی فیزز کے محدود ٹول باکس کی وجہ سے رکاوٹوں کا شکار رہی ہے۔ ایک ایسا AI جو نئے اور موثر وائرل کیپسڈز (capsids) تخلیق کر سکے، اس ٹول باکس کو ڈرامائی طور پر وسعت دے سکتا ہے۔ اسی طرح، جینیاتی تھراپی کے ویکٹرز—جو اکثر انجینئرڈ وائرس ہوتے ہیں جو تھراپی کے لیے DNA کو خلیوں تک پہنچاتے ہیں—اگر موجودہ اسٹینز میں ترمیم کرنے کے بجائے شروع سے ڈیزائن کیے جائیں تو زیادہ درست اور کم مدافعتی ردعمل (immunogenic) پیدا کرنے والے ہو سکتے ہیں۔
ریگولیٹری اندھا پن بے نقاب
امریکی فنڈنگ ایجنسیاں فی الحال ان تجربات پر پابندی لگاتی ہیں جو معلوم جراثیم کو مزید خطرناک بناتے ہیں، لیکن وہ خالصتاً کمپیوٹیشنل ڈیزائن کے ذریعے نئے جراثیم کی تخلیق سے متعلق واضح طور پر کچھ نہیں کہتی۔ Evo کے کام نے اس شق سے بچاؤ کیا کیونکہ ماڈل کو تربیت کے دوران کبھی بھی انسانی جسم کو متاثر کرنے والے وائرسز نہیں دکھائے گئے؛ محققین نے جان بوجھ کر ان تمام سیکوئنسز کو خارج کر دیا جو انسانی جراثیم کو جنم دے سکتے تھے۔ اس کے باوجود، یہ امکان برقرار ہے کہ کوئی AI، ایسے حفاظتی اقدامات کے بغیر، ایک ایسا وائرس تیار کر سکتا ہے جس کی کوئی قدرتی مثال نہ ہو—ایک "مصنوعی نامعلوم" (synthetic unknown) جسے موجودہ ریویو بورڈز شاید خطرے کے طور پر نشان زد نہ کر سکیں۔
The gap is not merely academic. If a model were allowed to train on a broader set of viral data, it might learn the building blocks of high-transmissibility or immune evasion, then output a genome that, once synthesized, could pose a pandemic-scale threat. Current oversight mechanisms focus on wet-lab manipulation; they lack a clear mandate to evaluate the risks of in silico design, which can be performed remotely and at scale.
The viruses produced were bacteriophages—viruses that infect bacteria, not humans. Their utility is largely confined to bacterial control and laboratory research, limiting immediate public-health concerns.
Bottom line
Evo demonstrates that AI can move from predicting protein structures to drafting entire, functional viral genomes. The technology promises faster, more versatile tools for fighting drug-resistant bacteria and delivering gene therapies, but it also forces regulators to confront a new class of risk: digital blueprints for life that have never existed in nature.