新AI模型可以幫助科學家設計新的合成生命形式

2008年，科學家做了一件非凡的事情。他們第一次在實驗室中構建了細菌的完整遺傳密碼。這為將合成基因組放入細胞并以某種方式"重啟"生物機器奠定了基礎。許多科學家將其描述為第一種合成生命形式。現在，科學家們有了AI，他們能更向前邁進一步嗎？

我們知道AI能夠學習跨越數萬億個DNA字母的模式。這能否將基因組設計從手動工程轉向機器生成？這正是由加利福尼亞州Palo Alto研究所的計算生物學家Brian Hie與生物工程師Patrick Hsu領導的研究團隊著手探索的。

在一篇新的《自然》論文中，研究人員介紹了Evo2，這是一個在來自生命之樹上的數萬億個DNA字母上訓練的新AI模型。利用該系統，團隊生成了完整的基因組序列，包括一個受生殖支原體細菌啟發的序列。

為什么這很重要？如果AI能夠設計可工作的基因組，它可能會極大地加速合成生物學。這將允許科學家為醫學、能源、生物技術和其他用例創造全新的生物體。

Evo2模型的細節于3月4日發表在《自然》雜志的一篇論文中。

該模型的工作原理是將DNA視為語言。然而，它不使用單詞，而是分析構成基因組的遺傳字母長串。研究人員聲稱，該模型是在從細菌、植物、動物和其他生命形式中收集的數千個生物體的數萬億個DNA堿基上訓練的。

Evo2研究這些序列，以學習基因和其他基因組特征如何在真實基因組中出現和相互作用。因此，不是像大型語言模型那樣預測文本中的下一個單詞，Evo2預測哪些DNA序列在生物學上是合理的。

許多基因組AI模型做類似的事情，但Evo2在一些重要方面有所不同。早期的基因組AI模型通常專注于短的DNA片段，Evo2的設計目的是在更大的規模上運行。該系統可以模擬數百萬個字母長的序列。這使它能夠捕獲跨越整個基因組區域的模式。

在這種規模上工作使模型能夠捕獲基因組的不同部分如何相互交互。當嘗試生成類似于完整基因組的長DNA序列時，這種能力至關重要。

"這些AI模型是合成基因組學的'ChatGPT時刻'，"英國曼徹斯特大學的基因組工程師Patrick Yizhi Cai說。"你可以開始編寫自然界中從未存在過的東西。"Cai是對這項工作進行評論的獨立專家。

Evo2的開發者對它進行了測試，要求模型生成受生殖支原體啟發的基因組規模DNA序列——這是一種以擁有任何自由生物中最小基因組之一的細菌而聞名。這種細菌經常用于合成生物學研究，因為它的基因組很小且相對簡單。這使它成為針對構建或重新設計基因組實驗的一個有用起點。

根據研究人員的說法，Evo2成功生成了遵循真實基因組中觀察到的結構模式的長段DNA。這為設計新生物體提供了可能的藍圖。

值得記住的是，在實驗室中設計DNA只是第一步。對模型來說看起來合理的序列不一定能在活細胞中發揮作用。

"這很酷，但還沒到那個地步，"荷蘭瓦赫寧根大學的合成生物學家Nico Claassens說。

一個挑戰是AI設計的基因組仍然需要在實驗室中合成和測試。另一個挑戰是設計能夠控制活細胞所有基本功能的DNA。科學家花了數十年時間學習如何讀取DNA。最近，CRISPR等技術使研究人員能夠越來越精確地編輯基因。像Evo2這樣的系統暗示了一個新階段，AI可能有助于從頭開始設計整個基因組。

如果這些工具成熟并在不同環境中進行測試，合成生物學可能逐漸從修改現有生物體轉向直接從數據中設計新的生物系統。AI最終是否會幫助創造功能齊全的合成生命尚待觀察，但前進的方向正變得越來越清晰——而且快得多。