Adoro questo progetto!! Congratulazioni @samuelhking, @pdhsu e al team @arcinstitute! I miei 2 centesimi: L'AI utilizzata per il design biologico è meglio pensata come un traduttore. Ci permette di parlare in inglese e avere il nostro discorso tradotto in DNA e viceversa. Non sappiamo come progettare un fago a partire da parti, ma Evo 1/2 è stato addestrato "leggendo" oltre 2 milioni di genomi di fagi dalla natura e così ha imparato a "parlare" il DNA dei fagi. Così poi potremmo chiedergli di generarne uno -- proprio come potresti chiedere a ChatGPT di generare una poesia per te in cinese anche se non lo parli tu stesso. Avevamo già addestrato modelli di AI sul linguaggio delle proteine con modelli come Alphafold ed ESM e questo ha funzionato bene -- questo documento mostra che possiamo farlo a un livello di complessità superiore. Questo modello di AI parla genomi di fagi multi-genico, non solo geni singoli. Dimostrazione molto entusiasmante e il lavoro lo prova bene realizzando e testando fagi progettati. Funzionano! Ci sono due cose che sono ovvie direzioni future secondo me e che alla fine saranno di successo: (1) Il modello dovrebbe essere ri-addestrato in base a ciò che impara sui fagi progettati in modo da poter migliorare nella comprensione di ciò che l'umano sta chiedendo e tradurre questo in DNA. Questo "apprendimento per rinforzo" è simile a come Google ha insegnato ai modelli di AI a giocare a scacchi - lasci il modello giocare una partita e poi gli dici se ha vinto o perso. Qui lasceresti che il modello progetti milioni di fagi, li costruisca in laboratorio e poi gli dici le prestazioni dei diversi design. (2) Dovremmo vedere se i modelli addestrati su milioni di genomi batterici possono permetterci di costruire una cellula batterica interamente progettata da AI simile a quanto fatto qui per un fago. Questo vedrà se possiamo passare dal tradurre una richiesta in inglese in un libro di DNA (500.000 lettere di DNA per i batteri più semplici) piuttosto che la poesia di DNA del fago (5.000 lettere di DNA in un fago). Questo sarebbe un traguardo scientifico a livello nazionale poiché le cellule sono i mattoni di tutta la vita e gli Stati Uniti dovrebbero assicurarsi di arrivarci per primi. Per fare entrambe le cose (1) e (2) abbiamo bisogno di miglioramenti drammatici nell'efficienza del lavoro di biologia di laboratorio necessario per costruire DNA e testare le prestazioni degli organismi. È indicativo che abbiano costruito solo 302 design di fagi e testato 16 design -- questo perché il lavoro di laboratorio è troppo lento e costoso. La risposta a questo è l'automazione di laboratorio -- sono stato felice di vedere che la NSF sta investendo 100 milioni di dollari in laboratori automatizzati e controllabili da AI e altri sforzi che renderanno l'infrastruttura scientifica degli Stati Uniti più efficiente e su scala industriale. Il piano d'azione dell'AI della Casa Bianca ha sottolineato anche la necessità di questi "laboratori abilitati al cloud". Ancora una volta, lavoro fantastico !!!

In un nuovo preprint del laboratorio di @brianhie, il team riporta il primo design generativo di genomi di batteriofagi viabili. Sfruttando Evo 1 ed Evo 2, hanno generato sequenze di genoma completo, risultando in 16 fagi viabili con architetture genomiche distinte.