پژوهشگران دانشگاه استنفورد با استفاده از مدل هوش مصنوعی مولد Evo 2، توالیهای DNA تازهای برای باکتریوفاژها طراحی کردند. از میان نزدیک به ۳۰۰ فاژ سنتزشده بر پایه این توالیها، ۱۶ مورد در آزمایشهای آزمایشگاهی فعالیت چشمگیری در از بین بردن باکتری E. coli نشان دادند.
این پژوهش بررسی میکند که آیا یک مدل مولد میتواند بهجای پیشنهاد تغییرات موضعی در DNA، ژنوم کامل و قابلزیست یک ویروس را طراحی کند. با وجود نقش مدل در تولید گزینههای اولیه، انتخاب نهایی همچنان به ارزیابی محاسباتی، سنتز شیمیایی و آزمونهای آزمایشگاهی وابسته بوده است.
تمرکز بر فاژ ΦX174
کار پژوهشی بر باکتریوفاژ ΦX174 متمرکز بود که «فای-ایکس-۱۷۴» تلفظ میشود. ژنوم این فاژ کمتر از ۶٬۰۰۰ جفتباز دارد و به همین دلیل، در مقایسه با ژنوم بسیار بزرگتر انسان که حدود ۳ میلیارد جفتباز دارد، سامانهای نسبتاً فشرده برای آزمایش به شمار میآید.
برایان هی، استادیار مهندسی شیمی و عضو Stanford Data Science Faculty Fellow بنیاد دیتر شوارتس، Evo 2 را ایجاد کرده است. ساموئل کینگ، دانشجوی تحصیلات تکمیلی مهندسی زیستی، هدایت بخش تجربی شرحدادهشده در پژوهش را بر عهده داشت.
تولید ژنوم کامل و غربالگری نامزدها
Evo 2 با دریافت بخش کوچکی از ژنوم فاژ، توالیهای DNA جدید تولید میکند. در این آزمایش، از مدل خواسته شد کل ژنوم ΦX174 را در یک فرایند پیوسته و از چپ به راست بسازد. این فرایند هزاران ژنوم نامزد ایجاد کرد.
پیش از آنکه توالیها برای سنتز DNA انتخاب شوند، تیم پژوهشی از یک چارچوب محاسباتی برای بررسی ویژگیهای مورد انتظار بر پایه ΦX174 و فاژهای مرتبط استفاده کرد. این مرحله برای محدود کردن تعداد گزینههایی انجام شد که وارد فرایند پرهزینه سنتز شیمیایی و آزمایش عملی میشدند.
مراحل اصلی فرایند
- تولید ژنومهای نامزد با Evo 2
- ارزیابی توالیها بر اساس معیارهای طراحی
- انتخاب گزینههای مناسب برای سنتز شیمیایی
- آزمون ژنومهای سنتزشده در آزمایشگاه
بر اساس نتایج گزارششده، برخی از فاژهای پیشنهادی مدل در آزمونهای آزمایشگاهی آمادگی زیستی بیشتری نسبت به ΦX174 طبیعی داشتند.
آزمون ترکیب ۱۶ فاژ علیه مقاومت باکتریایی
پژوهشگران بهجای تکیه بر یک فاژ، ۱۶ فاژ هدفگیرنده E. coli را در یک ترکیب آزمایش کردند. منطق این رویکرد آن است که باکتریها ممکن است در برابر یک فاژ منفرد مقاوم شوند، اما ایجاد مقاومت همزمان در برابر چند فاژ با تفاوت ژنتیکی میتواند دشوارتر باشد.
استنفورد اعلام کرده است که ترکیب این ۱۶ فاژ، مقاومت در E. coli را که نسبت به ΦX174 طبیعی مصون بود، بهسرعت غلبه کرده است. این نتیجه در چارچوب آزمایشهای گزارششده قرار دارد و بهتنهایی به معنای آمادهبودن یک درمان بالینی نیست.
دسترسی متنباز و ملاحظات ایمنی
هی Evo 2 را بهصورت متنباز منتشر کرده است تا پژوهشگران بتوانند از آن برای طراحی ژنوم استفاده کنند. این دسترسی، همزمان بحثهایی درباره ایمنی زیستی و احتمال سوءاستفاده از ابزارهای طراحی ژنوم ایجاد کرده است.
پژوهشگران در ادامه به طراحی فاژهای دیگر، از جمله گزینههایی برای هدفگیری Staphylococcus aureus مقاوم به متیسیلین یا MRSA و Pseudomonas aeruginosa اشاره کردهاند. توسعه مدل برای DNAهای طولانیتر و پیچیدهتر، افزایش تازگی ژنتیکی و کنترلپذیری بهتر خروجیها نیز از موضوعات مرحله بعدی این برنامه پژوهشی است.
جمعبندی
نتایج Evo 2 نشان میدهد هوش مصنوعی مولد میتواند در تولید و اولویتبندی ژنومهای فاژی برای آزمایش کمک کند. با این حال، اعتبارسنجی محاسباتی، سنتز DNA و آزمون آزمایشگاهی همچنان بخشهای ضروری فرایند شناسایی فاژهای قابلاستفاده هستند.




