Researchers Utilize AI to Synthesize Novel Functional Viruses

પ્રથમ વખત, વૈજ્ઞાનિકોએ કુદરતમાં અસ્તિત્વમાં ન હોય તેવા સંપૂર્ણપણે નવલકથા વાયરસને એન્જિનિયર કરવા માટે કૃત્રિમ બુદ્ધિમત્તાનો સફળતાપૂર્વક ઉપયોગ કર્યો છે. Evo 1 અને Evo 2 તરીકે ઓળખાતા અદ્યતન પાયાના મોડલનો લાભ લઈને, સ્ટેનફોર્ડ યુનિવર્સિટી અને આર્ક ઈન્સ્ટિટ્યૂટના સંશોધકો એવા વાઈરસને સંશ્લેષણ કરવામાં સક્ષમ હતા કે જે ચોક્કસ બેક્ટેરિયાને ખાસ લક્ષ્ય બનાવે છે અને તેને દૂર કરે છે. જ્યારે સિન્થેટીક બાયોલોજીએ અગાઉ સંશોધકોને રસી અને દવાના વિકાસ માટે હાલના પેથોજેન્સને ફરીથી બનાવવા અથવા સંશોધિત કરવાની મંજૂરી આપી છે, ત્યારે આ અભ્યાસ એ દર્શાવે છે કે AI શરૂઆતથી નવા વાયરલ જીનોમને સફળતાપૂર્વક આર્કિટેક્ટ કરી શકે છે. આ AI મૉડલ્સને સમગ્ર પ્રાકૃતિક વિશ્વમાંથી લાખો જીનોમ ધરાવતા વિશાળ ડેટાસેટ્સ પર તાલીમ આપવામાં આવી હતી, જેમાં વિશિષ્ટ બેક્ટેરિયોફેજેસમાં જોવા ન મળતા વિશિષ્ટ નિયમનકારી તત્વો અને આનુવંશિક માળખાં ધરાવતાં કાર્યાત્મક સજીવોના નિર્માણ માટે જરૂરી જટિલ જૈવિક અવરોધો અને ઉત્ક્રાંતિની પેટર્ન શીખવી હતી.

સંશોધન બેક્ટેરિયોફેજ પર કેન્દ્રિત છે, જે વાયરસ છે જે બેક્ટેરિયાને કુદરતી રીતે ચેપ લગાડે છે. જૈવિક સંદર્ભ બિંદુ તરીકે Phi X-174 વાયરસનો ઉપયોગ કરીને, ટીમે AI ને જિનોમ બનાવવાની સૂચના આપી જે E. coli ને સંક્રમિત કરવા માટેની કાર્યાત્મક આવશ્યકતાઓને જાળવી શકે-જેમ કે DNA દાખલ, પ્રતિકૃતિ અને વાઈરલ એસેમ્બલી-જેવી જાણીતી કુદરતી સિક્વન્સથી નોંધપાત્ર રીતે અલગ છે. અલ્ગોરિધમ્સ દ્વારા જનરેટ કરાયેલ હજારો ડિઝાઇનમાંથી, સંશોધકોએ તેમની આંતરિક જનીન સંસ્થાના આધારે કાર્યક્ષમતા માટે સૌથી વધુ વચન દર્શાવતા 300 ઉમેદવારોની પસંદગીને સંકુચિત કરી. આ 300 ડિઝાઇન્સ લેબ પર્યાવરણમાં સંશ્લેષણ કરવામાં આવી હતી. પરીક્ષણ પર, આમાંથી 16 કૃત્રિમ રચનાઓ સંપૂર્ણપણે કાર્યરત હોવાનું જણાયું હતું, જે E. coli ને સંક્રમિત કરવાની ક્ષમતા દર્શાવે છે. આ વિશિષ્ટ વાઈરસોએ વિવિધ વર્તણૂકો દર્શાવ્યા હતા, જેમાં કેટલાક અન્ય કરતા વધુ ઝડપથી નકલ કરે છે, જે સાબિત કરે છે કે AI વૈવિધ્યપૂર્ણ લક્ષણો સાથે વિશ્વસનીય રીતે સક્ષમ જૈવિક એજન્ટો બનાવી શકે છે.

એન્ટિબાયોટિક-પ્રતિરોધક બેક્ટેરિયલ ચેપનો સામનો કરવા માટે અદ્યતન ફેજ ઉપચારનો વિકાસ આ અભ્યાસની સૌથી આશાસ્પદ અસરોમાંની એક છે. પ્રયોગશાળાના પ્રયોગોમાં, AI-જનરેટેડ બેક્ટેરિયોફેજેસ E. coli ના તાણના સંપર્કમાં આવ્યા હતા જેણે પહેલાથી જ Phi X-174 જેવા કુદરતી તબક્કાઓ સામે પ્રતિકાર વિકસાવ્યો હતો. પરિણામો દર્શાવે છે કે કૃત્રિમ વાયરસ ઝડપથી આ પ્રતિકારને દૂર કરી શકે છે અને બેક્ટેરિયાને અસરકારક રીતે નિષ્ક્રિય કરીને સફળ ચેપ સ્થાપિત કરી શકે છે. આ ભવિષ્ય સૂચવે છે કે જ્યાં AI નો ઉપયોગ પેથોજેન્સની સાથે વિકસિત વ્યક્તિગત તબીબી સારવારો ડિઝાઇન કરવા માટે થઈ શકે છે. કારણ કે આ AI સિસ્ટમો નવા જૈવિક આર્કિટેક્ચરને એટલી ઝડપથી સંશ્લેષણ કરી શકે છે, તેઓ બેક્ટેરિયાના પ્રતિકારની વધતી જતી વૈશ્વિક કટોકટીનો સામનો કરવા માટે સંભવિત માર્ગ પ્રદાન કરે છે, પરંપરાગત એન્ટિબાયોટિક્સનો વિકલ્પ પૂરો પાડે છે જે પરિવર્તનશીલ તાણ સામે હવે અસરકારક રહેશે નહીં.

જ્યારે ફેજ થેરાપી માટેની વૈજ્ઞાનિક સંભવિતતા નોંધપાત્ર છે, ત્યારે આ સીમાચિહ્ને બાયોટેકનોલોજીમાં જનરેટિવ AIના દ્વિ-ઉપયોગની પ્રકૃતિને લગતી ચિંતાઓને વધુ તીવ્ર બનાવી છે. જ્હોન્સ હોપકિન્સ સેન્ટર ફોર હેલ્થ સિક્યુરિટીના મોરિટ્ઝ હેન્કે સહિતના નિષ્ણાતોએ એઆઈ-સંચાલિત સિન્થેટિક બાયોલોજીની ઝડપી પ્રગતિ અને તેને સંચાલિત કરવા માટે મજબૂત નિયમનકારી માળખાના અભાવ વચ્ચે ખતરનાક ડિસ્કનેક્ટ નોંધ્યું છે. એક સ્પષ્ટ ભય છે કે રોગનિવારક બેક્ટેરિયોફેજ બનાવવા માટે ઉપયોગમાં લેવાતી સમાન તકનીકને અત્યંત ઝેરી, ઘાતક અથવા રોગચાળા માટે સક્ષમ પેથોજેન્સ ડિઝાઇન કરવા માટે ફરીથી ઉપયોગમાં લઈ શકાય છે. આ ચિંતાઓ નવી નથી; રેન્ડ કોર્પોરેશન જેવી સંસ્થાઓની અગાઉની ચેતવણીઓ દર્શાવે છે કે કેવી રીતે અદ્યતન AI જૈવિક હુમલાના આયોજનને સુધારી શકે છે. વર્તમાન વાસ્તવિકતા એ છે કે આ શક્તિશાળી જનરેટિવ ટૂલ્સના દૂષિત શોષણને રોકવા માટે હાલમાં થોડા, જો કોઈ હોય તો, અસરકારક સલામતી છે, જે એક નિયમનકારી અંતર છોડી દે છે જેને સરકારો ટેક્નોલોજીના માપદંડ તરીકે બંધ કરવા માટે સંઘર્ષ કરી રહી છે.