Эпоха модификации существующих биологических видов уступает место архитектуре de novo. Проектирование целых геномов с нуля официально превратилось из несбыточной мечты в рецензируемую реальность. Исследовательская группа из Стэнфорда и Института Arc использовала Evo — геномную языковую модель — для создания вирусных геномов, не имеющих аналогов в живой природе. Исследование, опубликованное в журнале Science, доказывает: ИИ освоил сложный синтаксис жизни достаточно глубоко, чтобы генерировать функциональные, самовоспроизводящиеся биологические объекты. Для биотехнологической индустрии это означает окончательный переход от лабораторных поисков к массовым вычислительным мощностям.
Архитектура жизни в промышленном масштабе
Evo работает по той же структурной логике, что и большие языковые модели, но вместо человеческой прозы использует четырехбуквенный алфавит ДНК. Фундамент модели — девять триллионов нуклеотидов, собранных со всего древа жизни: животных, растений, микробов и вирусов. Это не был узконаправленный поиск; модель впитала в себя все эволюционные приемы, накопленные природой. Чтобы повысить точность, исследователи провели цикл специализированного обучения Evo на примере 11 генов фага Phi X-174 и 15 000 его сородичей. Как отметил соавтор работы и докторант Сэмюэл Кинг, такая прогрессия стала логичным шагом: переход от редактирования последовательности к предложению полностью нового генетического кода, который не разрушается под тяжестью собственной сложности.
«Это не просто болезненные версии того, что уже существует», — подчеркивает Оливер Крук, химик по белкам из Оксфордского университета.
Такая жизнеспособность должна привлечь внимание руководителей R&D-подразделений. Некоторые синтетические вирусы Evo реплицировались быстрее, чем природный образец Phi X-174. Рабочий процесс представлял собой жесткую воронку отсева: модель предложила 700 000 потенциальных геномов, из которых команда отобрала наиболее перспективные кандидатуры. В итоге 285 последовательностей были синтезированы химическим путем и введены в бактерии. Результат: 16 функциональных вирусов, способных захватывать и уничтожать свои бактериальные мишени. Хотя показатель попадания (16 из 700 000) может показаться скромным, скорость выявления жизнеспособных вариантов превращает многолетнюю лабораторную рутину в несколько недель алгоритмической обработки. Это индустриализация фаговой терапии в реальном времени.
Пробелы в регулировании и автономные риски
Возможность проектировать вирусную ДНК на обычном ноутбуке фактически оставила позади правовые механизмы, призванные предотвратить биологическую катастрофу. Текущие правила Национальных институтов здравоохранения США (NIH), обновленные совсем недавно, в июле, по-прежнему сосредоточены на физических экспериментах по усилению известных патогенов. Однако вычислительное проектирование находится в слепой зоне регулирования. Если ИИ создает патоген, не встречающийся в природе, он технически избегает классификации как «объект, вызывающий озабоченность». Как отмечает Мориц Ханке из Центра безопасности здоровья Джонса Хопкинса, существует огромный разрыв между скоростью исследований в области ИИ и защитными барьерами на рынке синтеза ДНК.
Evo доказывает, что теперь мы можем обходить миллионы лет эволюции, создавая функциональные биологические инструменты за месяц. Тем не менее, у технологии все еще есть потолок сложности, ограниченный организмами с малым геномом, такими как бактериофаги. Разрыв между 700 000 предложений и 16 удачными результатами показывает: хотя генеративный движок обладает огромной мощью, лабораторная проверка остается главным узким местом. Очевидная выгода для инвесторов в глубокие технологии (deep-tech) кроется в персонализированной медицине и заказном биопроизводстве, но вопрос масштабируемости этого метода на более сложные организмы ценой в миллиарды долларов остается открытым. По мере того как программный код обретает плоть, выживание индустрии будет зависеть от того, удастся ли совместить скорость проектирования с радикальным пересмотром контроля за синтезом ДНК.