Genetski kod, iako se sastoji od samo četiri osnovna gradivna elementa, sadrži nevjerovatnu količinu informacija koja definiše svaki organizam. Sada je istraživački tim sa Univerziteta Stanford i Arc Instituta u Palo Altu razvio AI model pod nazivom Evo, koji ne samo da analizira genetske sekvence već i kreira DNK prema zadanim parametrima. Ova inovacija, objavljena u prestižnom časopisu Science, mogla bi transformirati biotehnologiju.
Kako AI uči genetske principe?
Model Evo je osposobljen na bazi podataka od 2,7 miliona genoma, uključujući bakterije i fage (viruse koji inficiraju bakterije). Zanimljivo je da su istraživači svjesno isključili podatke o virusima koji uzrokuju bolesti kod životinja i biljaka kako bi se fokusirali na bazične genetske strukture.
Evo je tzv. foundation model, što znači da nije ograničen na jednu specifičnu funkciju, već se može prilagoditi različitim zadacima. Za razliku od mnogih drugih modela, Evo se ne fokusira isključivo na kodonske strukture DNK – sekvence tri nukleotida koje kodiraju aminokiseline – već analizira i šire genetske segmente. To mu omogućava da identifikuje nepoznate strukture unutar DNK.
Praktične primjene AI modela
Jedna od demonstracija sposobnosti ovog AI modela bila je analiza mutacija i njihovog uticaja na različite nivoe ćelijske regulacije. Evo je u tome bio jednako uspješan kao specijalizovani modeli, a u nekim slučajevima čak i bolji. Također, model je dizajnirao DNK sekvence za kodiranje specifičnih proteina, uključujući genetsku tehnologiju poput CRISPR-Cas sistema.
U laboratorijskim testovima, prema instrukcijama koje je generisao Evo, uspješno je stvoren funkcionalni molekularni kompleks. Međutim, model još uvijek nije u stanju dizajnirati kompletne, funkcionalne genome jer se u dužim sekvencama često pojavljuju greške – poznata slabost jezičnih modela u biotehnologiji.
Ne propustite pročitati
Šta možemo očekivati?
Iako postoje tehnička ograničenja, stručnjaci smatraju da Evo predstavlja veliki korak naprijed u razumijevanju i primjeni genetike. Na primjer, model bi mogao pomoći u identifikaciji mutacija odgovornih za otpornost na antibiotike, kao i u analizi uloga nekodirajućih sekvenci DNK.
„Ljudski genom sadrži brojne nekodirajuće RNK sekvence, a njihova funkcija je i dalje uglavnom nepoznata,“ ističe Benedikt Brors iz Njemačkog centra za istraživanje raka u Heidelbergu. Evo bi mogao pružiti ključne uvide u ove neistražene segmente genetskog materijala.
Zaključak
Napredak umjetne inteligencije, posebno u modelima poput Evo, obećava značajne inovacije u biotehnologiji. Iako još nije savršen, potencijal ovog modela da transformiše istraživanje genetike i biotehnologije otvara vrata za nove aplikacije koje bi mogle poboljšati medicinu, poljoprivredu i mnoge druge oblasti.
Novi alat poput Evo-a pokazuje da je sinergija umjetne inteligencije i genetike ključ za razumijevanje kompleksnosti života na molekularnom nivou. Ova tehnologija bi u budućnosti mogla revolucionirati način na koji pristupamo genetskim istraživanjima i primjenama.
