Các nhà nghiên cứu từ Đại học Stanford và Viện Arc đã đạt được một cột mốc lịch sử khi sử dụng mô hình AI tạo sinh để thiết kế hoàn chỉnh các bộ gen virus từ con số không. Bước đột phá này đánh dấu sự chuyển dịch từ khám phá sinh học truyền thống sang kỷ nguyên thiết kế tính toán, nơi AI định đoạt cấu trúc của sự sống.

Evo: Mô hình ngôn ngữ lớn cho hệ gen học

Trọng tâm của nghiên cứu này là Evo, một mô hình tạo sinh chuyên dụng hoạt động tương tự như Mô hình Ngôn ngữ Lớn (LLM) nhưng vận hành trên "ngôn ngữ" của DNA. Không giống như các mô hình dựa trên văn bản, Evo được huấn luyện trên một tập dữ liệu khổng lồ bao gồm khoảng chín nghìn tỷ nucleotide có nguồn gốc từ hàng triệu sinh vật, bao gồm động vật, thực vật, vi sinh vật và virus.

Để tinh chỉnh độ chính xác, các nhà nghiên cứu đã sử dụng quy trình huấn luyện hai giai đoạn. Sau khi học các quy luật nền tảng của cây sự sống, Evo trải qua vòng huấn luyện chuyên biệt thứ hai bằng cách sử dụng 11 gen của bacteriophage phiX174 và khoảng 15.000 loài có quan hệ gần gũi nhất với nó. Điều này cho phép mô hình nắm vững các sắc thái cụ thể cần thiết để thiết kế các thực thể sinh học có chức năng và có khả năng nhân bản.

Từ 700.000 đề xuất đến các virus có chức năng

Quy mô khả năng tạo sinh của Evo là vô cùng lớn. Mô hình đã đề xuất 700.000 bộ gen virus tiềm năng. Sau đó, nhóm nghiên cứu đã thu hẹp danh sách này thông qua quá trình lựa chọn nghiêm ngặt, tổng hợp hóa học 285 trình tự dưới dạng các sợi DNA và chèn chúng vào vi khuẩn E. coli.

Kết quả đạt được vô cùng thành công: 16 trong số các trình tự được tổng hợp đã tạo ra các virus có khả năng nhân bản. Đáng chú ý, các virus do AI tạo ra này không chỉ là những phiên bản "yếu ớt" hay suy yếu của các loài hiện có; chúng mạnh mẽ như các virus tự nhiên, thậm chí một số còn nhân bản nhanh hơn cả phiX174 nguyên bản. Các chuyên gia lưu ý rằng AI thậm chí còn đưa ra những thay đổi bất ngờ về thứ tự và sự sắp xếp gen mà các nhà khoa học con người trước đây chưa từng xem xét.

Con dao hai lưỡi: Đột phá y học đối đầu với lỗ hổng an toàn sinh học

Những tác động đối với công nghệ sinh học là rất sâu sắc. Virus do AI thiết kế có thể cách mạng hóa liệu pháp phage — sử dụng virus để tiêu diệt vi khuẩn kháng đa thuốc — và tăng cường liệu pháp gen bằng cách tạo ra các phương tiện vận chuyển vật chất di truyền hiệu quả hơn.

Tuy nhiên, sự phát triển này đã làm nổi bật một "sự mất kết nối" nghiêm trọng trong các quy định an toàn sinh học toàn cầu. Các chính sách hiện tại của Viện Y tế Quốc gia Hoa Kỳ (NIH) tập trung vào việc cấm các thí nghiệm làm cho các tác nhân gây bệnh đã biết trở nên nguy hiểm hơn, nhưng họ không đề cập rõ ràng đến các công việc thuần túy tính toán — việc thiết kế DNA virus trên máy tính. Điều này tạo ra một khoảng trống pháp lý cho các rủi ro "chưa biết": nếu một AI thiết kế ra một tác nhân gây bệnh mới, có khả năng lây truyền cao mà chưa từng tồn tại trong tự nhiên, các rào cản hiện tại có thể thất bại trong việc nhận diện mối đe dọa.

Để giảm thiểu điều này, nhóm Stanford đã triển khai các biện pháp an toàn chủ động bằng cách đảm bảo Evo không bao giờ được huấn luyện trên các tác nhân gây bệnh ở người hoặc các virus liên quan ở động vật/thực vật, qua đó ngăn chặn hiệu quả khả năng mô hình tạo ra các bộ gen lây nhiễm ở người.

Tại sao kết quả này lại quan trọng đối với y học

Liệu pháp phage, phương pháp sử dụng virus để nhắm mục tiêu vào vi khuẩn kháng kháng sinh, từ lâu đã bị cản trở bởi kho công cụ hạn chế của các phage tự nhiên. Một AI có thể tạo ra các capsid virus mới và hiệu quả có thể mở rộng kho công cụ đó một cách đáng kể. Tương tự, các vector liệu pháp gen — thường là các virus được kỹ thuật hóa để vận chuyển DNA điều trị vào tế bào — có thể trở nên chính xác hơn và ít gây đáp ứng miễn dịch hơn nếu được thiết kế từ đầu thay vì sửa đổi từ các chủng hiện có.

Lỗ hổng quy định bị lộ diện

Các cơ quan tài trợ của Hoa Kỳ hiện đang hạn chế các thí nghiệm làm cho các tác nhân gây bệnh đã biết trở nên nguy hiểm hơn, nhưng họ không đề cập rõ ràng đến việc tạo ra các tác nhân gây bệnh mới thông qua thiết kế tính toán thuần túy. Công việc của Evo đã lách qua điều khoản đó vì mô hình chưa bao giờ tiếp xúc với các virus lây nhiễm ở người trong quá trình huấn luyện; các nhà nghiên cứu đã cố tình loại bỏ bất kỳ trình tự nào có thể làm phát sinh các tác nhân gây bệnh ở người. Tuy nhiên, khả năng một AI có thể, nếu không có các biện pháp bảo vệ như vậy, chế tạo ra một loại virus không có tiền lệ tự nhiên — một "thực thể chưa biết tổng hợp" mà các hội đồng thẩm định hiện tại có thể không cảnh báo — vẫn luôn tồn tại.

Khoảng cách này không chỉ đơn thuần là vấn đề học thuật. Nếu một mô hình được phép huấn luyện trên một tập dữ liệu virus rộng hơn, nó có thể học được các thành phần cơ bản của khả năng lây truyền cao hoặc khả năng né tránh miễn dịch, sau đó tạo ra một bộ gen mà một khi được tổng hợp, có thể gây ra mối đe dọa ở quy mô đại dịch. Các cơ chế giám sát hiện tại tập trung vào việc thao tác trong phòng thí nghiệm (wet-lab); chúng thiếu một thẩm quyền rõ ràng để đánh giá các rủi ro của việc thiết kế in silico, vốn có thể được thực hiện từ xa và ở quy mô lớn.

Các virus được tạo ra là bacteriophage—loại virus lây nhiễm vi khuẩn chứ không phải con người. Công dụng của chúng phần lớn chỉ giới hạn trong việc kiểm soát vi khuẩn và nghiên cứu phòng thí nghiệm, làm hạn chế các mối lo ngại tức thời về sức khỏe cộng đồng.

Điểm mấu chốt

Evo chứng minh rằng AI có thể chuyển từ việc dự đoán cấu trúc protein sang việc thiết kế toàn bộ các bộ gen virus có chức năng. Công nghệ này hứa hẹn mang lại các công cụ nhanh hơn, linh hoạt hơn để chống lại vi khuẩn kháng thuốc và thực hiện các liệu pháp gen, nhưng nó cũng buộc các nhà quản lý phải đối mặt với một loại rủi ro mới: những bản thiết kế kỹ thuật số cho sự sống chưa từng tồn tại trong tự nhiên.