Suka proyek ini!! Selamat @samuelhking, @pdhsu dan kru @arcinstitute! 2 sen saya: AI yang digunakan untuk desain biologis paling baik dianggap sebagai penerjemah.  Mengizinkan kita untuk berbicara dalam bahasa Inggris dan menerjemahkannya ke dalam DNA dan sebaliknya.  Kami tidak tahu bagaimana merancang dari bagian-bagian, tetapi Evo 1/2 dilatih dengan "membaca" lebih dari 2 juta genom dari alam dan karena itu belajar untuk "berbicara" DNA.  Jadi kemudian kita bisa memintanya untuk memhasilkannya -- sama seperti Anda dapat meminta ChatGPT untuk membuat puisi untuk Anda dalam bahasa Mandarin bahkan jika Anda tidak mengucapkannya sendiri. Kami telah melatih model AI tentang bahasa protein dengan model seperti Alphafold dan ESM dan itu bekerja dengan baik - makalah ini menunjukkan bahwa kita dapat melakukannya pada tingkat kompleksitas yang lebih tinggi.  Model AI ini berbicara tentang genom multi-gen, bukan hanya gen individu.  Demonstrasi yang sangat menarik dan pekerjaan dengan baik membuktikannya dengan benar-benar membuat dan menguji yang dirancang. Mereka berhasil! Ada dua hal yang jelas merupakan arah masa depan menurut saya dan yang pada akhirnya akan berhasil: (1) Model harus dilatih ulang berdasarkan apa yang dipelajarinya tentang yang dirancang sehingga dapat menjadi lebih baik dalam memahami apa yang diminta manusia dan menerjemahkannya ke dalam DNA.  "Pembelajaran penguatan" ini mirip dengan bagaimana Google mengajarkan model AI untuk bermain catur - Anda membiarkan model memainkan permainan dan kemudian memberitahunya apakah menang atau kalah.  Di sini Anda akan membiarkan model merancang jutaan, membangunnya di laboratorium, dan kemudian memberi tahu kinerja desain yang berbeda. (2) Kita harus melihat apakah model yang dilatih pada jutaan genom bakteri dapat memungkinkan kita membangun sel bakteri utuh yang dirancang AI yang mirip dengan apa yang dilakukan di sini untuk. Ini akan melihat apakah kita dapat beralih dari menerjemahkan permintaan bahasa Inggris ke dalam buku DNA (500.000 huruf DNA untuk bakteri paling sederhana) daripada puisi DNA dari (5.000 huruf DNA dalam).  Ini akan menjadi tonggak ilmiah skala nasional karena sel adalah blok bangunan dari semua kehidupan dan AS harus memastikan kita mencapainya terlebih dahulu. Untuk melakukan kedua (1) dan (2) kita membutuhkan peningkatan dramatis dalam efisiensi melakukan biologi laboratorium basah aktual yang diperlukan untuk membangun DNA dan menguji kinerja organisme.  Ini menunjukkan bahwa mereka hanya membangun 302 desain dan menguji 16 desain - itu karena pekerjaan laboratorium basah terlalu lambat dan mahal.  Jawabannya adalah otomatisasi lab -- Saya senang melihat NSF menginvestasikan $100 juta dalam lab cloud otomatis yang dapat dikontrol AI dan upaya lain yang akan membuat infrastruktur ilmiah AS lebih efisien dan skala industri.  Rencana aksi AI Gedung Putih juga menyerukan perlunya "laboratorium berkemampuan cloud" ini. Sekali lagi, pekerjaan yang luar biasa !!

Dalam pracetak baru dari laboratorium @brianhie, tim melaporkan desain generatif pertama dari genom bakteriofag yang layak. Memanfaatkan Evo 1 & Evo 2, mereka menghasilkan urutan genom utuh, menghasilkan 16 yang layak dengan arsitektur genom yang berbeda.