Tekoäly ei suunnitellut ihmistä. Se ei myöskään suunnitellut yleisvirusta, joka hyppää lajista toiseen.

Se suunnitteli bakteriofageja. Osa niistä toimi laboratoriossa.

Tämä kuulostaa pieneltä rajaukselta, mutta juuri rajaus tekee uutisesta kiinnostavan. Olemme siirtymässä aikaan, jossa AI ei vain lue biologista dataa. Se alkaa ehdottaa uutta biologista koodia, jonka laboratorio voi valmistaa ja testata.

Arc Institute, Stanford ja kumppanit ovat rakentaneet Evo- ja Evo 2 -mallien ympärille biologian kielimalliperheen. Ajatus on tuttu kaikille, jotka ovat käyttäneet ChatGPT:tä: malli oppii valtavasta määrästä esimerkkejä ja tuottaa uutta sisältöä, joka näyttää kuuluvan samaan maailmaan.

Tässä maailmassa sanat ovat DNA:n emäksiä: A, C, G ja T.

Evo 2 on koulutettu yli 9 biljoonalla DNA- ja RNA-emäksellä. Aineisto kattaa bakteereja, arkeoneja, faageja, kasveja, eläimiä, ihmisiä ja muuta genomista dataa. Malli voi käsitellä jopa miljoonan nukleotidin mittaisia jaksoja kerralla. Se on tärkeää, koska genomi ei ole irrallinen lista geenejä. Kaukaiset alueet vaikuttavat toisiinsa.

Arc Instituten tuoreessa faagityössä kohteeksi valittiin PhiX174. Se on pieni bakteriofagi, eli bakteereja infektoiva virus. Historiallisestikin se on osuva valinta: PhiX174 oli ensimmäinen kokonaan sekvensoitu genomi ja myöhemmin myös ensimmäisiä kokonaan kemiallisesti syntetisoituja genomeja.

Nyt sitä käytettiin suunnittelupohjana.

Tutkijat tuottivat AI:lla satoja uusia genomiehdotuksia, suodattivat niitä bioinformatiikan avulla ja testasivat 285 designia laboratoriossa. Näistä 16 johti toimiviin faageihin. Ne infektoivat kokeissa E. coli C -bakteerikantaa ja läheistä E. coli W -kantaa, mutta eivät kuutta muuta testattua kantaa.

Tuo viimeinen kohta kannattaa huomata. Kyse ei ollut ihmistä infektoivista viruksista. Kyse oli rajatusta laboratoriokokeesta, jossa malli ehdotti uusia bakteriofagigenomeja ja osa niistä toimi halutussa ympäristössä.

Se riittää silti muuttamaan yleistä keskustelua.

Kun sanomme, että malli "suunnittelee" genomin, sana kannattaa ottaa vakavasti mutta varoen.

Malli ei istu laboratorion nurkassa pohtimassa evoluutiota. Se ei ymmärrä bakteeria ihmistutkijan tavoin. Se oppii todennäköisyyksiä, rakenteita ja riippuvuuksia valtavasta määrästä biologisia sekvenssejä.

Silti lopputulos voi olla käytännöllinen.

Siksi laboratorio on tässä välttämätön osa prosessia. AI voi ehdottaa. Bioinformatiikka voi suodattaa. DNA-synteesi voi valmistaa. Vasta koe kertoo, tapahtuuko biologiassa oikeasti jotain.

Tämä erottaa biologian monesta digitaalisesta AI-sovelluksesta. Jos tekstimalli kirjoittaa huonon kappaleen, poistat sen. Jos koodimalli kirjoittaa huonon funktion, testit kaatuvat. Biologiassa testi tapahtuu fyysisessä maailmassa. Siihen liittyy kustannuksia, viiveitä ja turvallisuusvaatimuksia.

Juuri siksi tulos on kiinnostava. Ei siksi, että AI ohitti laboratorion, vaan siksi, että se tuotti ehdotuksia, joista osa selvisi laboratoriotestistä.

"AI suunnitteli toimivan genomin" on otsikkona vaarallisen helppo ymmärtää väärin.

Toimivuus ei tarkoita, että malli loi kokonaan uuden elämänmuodon tyhjästä. Se ei myöskään tarkoita, että mikä tahansa genomi voidaan nyt tilata kehotteella. Tässä tapauksessa toimivuus tarkoitti paljon rajatumpaa asiaa: AI:n ehdottama faagigenomi voitiin koota, viedä sopivaan bakteeriympäristöön ja se pystyi lisääntymään tai estämään bakteerin kasvua kokeessa.

Siihen tarvittiin monta onnistumista peräkkäin.

Genomin piti sisältää uskottava geneettinen rakenne. Sen proteiinien piti olla riittävän lähellä toimivia biologisia osia. Sen piti säilyttää isäntäspesifisyys, eli kohdistua oikeaan bakteeriin. Ja kaiken tämän piti näkyä laboratoriokokeessa.

Toimivien faagien kiinnostava puoli oli uutuus. Ne eivät olleet pelkkiä kopioita luonnosta. Arc Instituten mukaan toimivissa genomeissa oli 67-392 uutta mutaatiota verrattuna lähimpään tunnettuun luonnolliseen genomiin. Yhdessä tapauksessa keskimääräinen nukleotidi-identtisyys lähimpään tunnettuun faagiin oli 93,0 prosenttia, mikä voisi jo joidenkin taksonomisten rajojen perusteella viitata uuteen lajiin.

Yksi faagi sisälsi myös proteiiniyhdistelmän, jonka aiempi rationaalinen suunnittelu ei ollut saanut toimimaan. Tämä on ehkä tuloksen paras opetus. Biologia on täynnä yhteensopivuusongelmia. Yksi osa ei riitä. Osien pitää toimia samassa järjestelmässä.

Bakteriofagit eivät ole vain biologian kuriositeetti. Niitä tutkitaan muun muassa antibioottiresistenttien bakteerien hoitoon.

Perusidea on vanha: faagi voi infektoida bakteerin ja tuhota sen. Ongelma on, että bakteerit muuttuvat, faagit ovat usein tarkkoja kohteestaan ja sopivan faagin löytäminen voi olla hidasta.

AI-suunnittelu voi muuttaa tätä työnkulkua. Tutkija ei joudu vain etsimään luonnosta valmiiksi löytyvää vaihtoehtoa. Hän voi tuottaa joukon uusia kandidaatteja, joilla on haluttuja ominaisuuksia, ja testata niitä.

Arc Instituten kokeissa AI-generoidut faagiseokset pystyivät ylittämään joidenkin PhiX174-resistenttien E. coli -kantojen vastustuskyvyn. Tämä ei vielä ole kliininen hoito. Se on laboratoriotulos. Mutta se kertoo, miksi tutkijat ovat aiheesta innoissaan.

Sama logiikka voi ulottua muuallekin:

Tämä on iso ero vanhaan tapaan. Biologiasta tulee enemmän suunnittelusykli: ehdota, suodata, syntetisoi, testaa, opi ja ehdota uudelleen.

Ei taikuutta. Insinöörimäisempää biologiaa.

Tässä kohtaa hype lähtee helposti laukalle. "AI voi kirjoittaa genomeja" muuttuu nopeasti väitteeksi, että "AI voi luoda elämää".

Se on vielä liian iso lause.

Nature News muistutti samasta asiasta käsitellessään Evo 2:ta ja synteettistä elämää. Lyhyen faagigenomin suunnittelu on eri asia kuin kokonaisen solun, kudoksen tai monisoluisen eliön suunnittelu. Solu ei ole pelkkä DNA-tiedosto. Se on ympäristö, koneisto, kemia, säätely ja historia samassa paketissa.

Edes genomin oikea sekvenssi ei yksin riitä. Se pitää saada fyysisesti soluun tai biologiseen järjestelmään, jossa se voi toimia. Sitten pitää varmistaa, mitä se tekee. Ja vasta sen jälkeen voidaan kysyä, onko siitä hyötyä.

Evo 2:n Nature-julkaisu on silti vahva signaali. Malli tuottaa genomeja, joissa säilyy biologisia rakenteita ja pitkän kantaman järjestystä. Se tunnistaa genomisia piirteitä, ennustaa mutaatioiden vaikutuksia ja voi tuottaa pitkiä DNA-jaksoja, jotka muistuttavat luonnollisia järjestelmiä.

Mutta mallin omat rajoituksetkin ovat tärkeitä. Julkaisun mukaan Evo 2:n suorituskyky ihmistä infektoivien virusten proteiinien tuottamisessa oli heikko julkaistuissa testeissä. Tämä on hyvä muistutus: biologinen kyvykkyys ei ole yksi yleismittari. Malli voi olla vahva yhdessä eliöryhmässä ja heikko toisessa.

Synteettinen biologia on kaksikäyttöinen alue. Sama teknologia, joka voi auttaa lääkekehitystä, diagnostiikkaa ja antibioottiresistenssin torjuntaa, voi periaatteessa auttaa myös haitallisten biologisten rakenteiden suunnittelussa.

Tästä pitää pystyä puhumaan ilman paniikkia ja ilman vähättelyä.

Riskit eivät synny yhdestä mallista. Ne syntyvät ketjusta:

Jos yksi kerros pettää, muut voivat vielä suojata. Jos kaikki kerrokset löystyvät samaan aikaan, ongelma kasvaa.

Nykyinen DNA-synteesin biosecurity nojaa usein siihen, että tilattuja sekvenssejä verrataan tunnettuihin vaarallisiin sekvensseihin ja asiakkaan tausta tarkistetaan. USA:n nukleiinihapposynteesin seulontakehys painottaa juuri sekvenssiseulontaa, asiakasseulontaa, raportointia, kirjanpitoa sekä tietoturvaa.

AI-biodesign tekee tästä vaikeampaa. NIST nostaa esiin mahdollisuuden, että AI voi suunnitella kokonaan uusia DNA-sekvenssejä, joita nykyiset seulontatyökalut eivät tunnista. Microsoftin tutkimus taas osoitti proteiinisuunnittelun puolella, että AI-työkalut voivat "parafrasoida" huolta herättäviä proteiineja niin, että rakenne ja mahdollinen toiminta säilyvät, mutta sekvenssi muuttuu vaikeammin havaittavaksi.

Tämä on biologian versio vanhasta tietoturvaongelmasta. Turvajärjestelmä tunnistaa tunnetun haitallisen asian. Generatiivinen järjestelmä tuottaa muunnelman, joka ei näytä samalta.

Siksi turvakerrokset pitää päivittää samassa tahdissa kuin mallit paranevat. Mallin rajaukset eivät yksin riitä, jos painot ovat avoimia ja osaava käyttäjä voi ajaa työkalua paikallisesti. DNA-synteesin seulonta ei yksin riitä, jos seulonta perustuu liian kapeisiin hakuihin. Asiakasseulonta ei yksin riitä, jos tilauksia voi pilkkoa tai siirtää eri toimijoille.

Tarvitaan yhdistelmä: parempia seulontamalleja, standardeja, audit trailia, vastuullisia julkaisukäytäntöjä, laboratorioiden biosuojausta ja kansainvälistä yhteistyötä.

Tylsää hallintoa, siis. Juuri sitä tarvitaan.

Kun seuraava uutinen väittää, että AI suunnitteli proteiinin, genomin tai "uutta elämää", älä kysy ensimmäiseksi, onko se mullistavaa. Kysy nämä:

Näillä kysymyksillä otsikosta pääsee nopeasti todellisuuteen.

Tärkein johtopäätös ei ole, että AI loi elämän. Se olisi huono ja epätarkka otsikko.

Tärkeämpi havainto on tämä: biologian suunnittelusykli nopeutuu. Tutkija voi käyttää mallia tuottamaan vaihtoehtoja, joita ihminen ei olisi keksinyt tai jaksanut käydä läpi. Sen jälkeen laboratorio tekee sen, mitä laboratorio aina tekee: erottaa toimivan toiveajattelusta.

Tämä voi olla hyvä uutinen. Antibioottiresistenssi, lääkekehityksen hitaus ja solubiologian monimutkaisuus ovat oikeita ongelmia. Jos AI auttaa tuottamaan parempia kandidaatteja nopeammin, hyöty voi olla suuri.

Samalla tämä on alue, jossa "rakennetaan ensin, mietitään sääntöjä myöhemmin" on huono toimintamalli. Biologia ei jää ruudulle. Se päätyy putkiin, soluihin, bakteereihin ja lopulta ihmisten terveyteen.

Siksi AI-biologian seuraava vaihe ratkaistaan kahdessa paikassa yhtä aikaa: mallien kehityksessä ja turvakerroksissa niiden ympärillä.

Jos molemmat etenevät, tästä voi tulla yksi tekoälyn hyödyllisimmistä tieteellisistä sovelluksista. Jos vain toinen etenee, edessä on vaikeampi keskustelu.

Lähteet: Arc Institute - How We Built the First AI-Generated Genomes, Arc Institute - Evo 2, Nature - Genome modelling and design across all domains of life with Evo 2, Nature News - AI can write genomes, Gene Synthesis Screening Information Hub, NIST - Biosecurity for Synthetic Nucleic Acid Sequences, Microsoft Research - Strengthening nucleic acid biosecurity screening

Tekoäly voi olla voimakas työkalu, ja näiden aloittelijaystävällisten vaihtoehtojen avulla voit hyödyntää sitä omissa projekteissasi – olipa kyseessä sisällöntuotanto, ohjelmointi, markkinointi tai oppiminen.

Jos kaipaat koulutusta tekoäly-työkalujen käyttöön, nappaa tästä sitoumukseton etäkahvitteluaika ja jutellaan tarpeistasi 👇