Hou van dit project!! Gefeliciteerd @samuelhking, @pdhsu en de @arcinstitute crew! Mijn 2 centen: AI die wordt gebruikt voor biologische ontwerpen kan het beste worden gezien als een vertaler. Het stelt ons in staat om in het Engels te spreken en het te laten vertalen naar DNA en vice versa. We weten niet hoe we een fage uit onderdelen moeten ontwerpen, maar Evo 1/2 zijn getraind door "het lezen" van meer dan 2 miljoen fage-genomen uit de natuur, en zo leerde het "fage-DNA te spreken". Dus konden we het vragen om er een te genereren -- net zoals je ChatGPT zou kunnen vragen om een gedicht voor je in het Chinees te genereren, zelfs als je het zelf niet spreekt. We hadden al AI-modellen getraind op de taal van eiwitten met modellen zoals Alphafold en ESM en dat werkte goed -- dit artikel toont aan dat we het op een hoger niveau van complexiteit kunnen doen. Dit AI-model spreekt multi-gen fage-genomen, niet alleen individuele genen. Zeer spannende demonstratie en het werk bewijst het mooi door daadwerkelijk ontworpen fagen te maken en te testen. Ze werken! Er zijn twee dingen die in mijn ogen duidelijke toekomstige richtingen zijn en die uiteindelijk succesvol zullen zijn: (1) Het model moet opnieuw worden getraind op basis van wat het leert over de fagen die zijn ontworpen, zodat het beter kan begrijpen wat de mens vraagt en dat kan vertalen naar DNA. Deze "versterkende leer" is vergelijkbaar met hoe Google AI-modellen leerde schaken - je laat het model een spel spelen en vertelt het dan of het gewonnen of verloren heeft. Hier zou je het model miljoenen fagen laten ontwerpen, ze in het lab bouwen en dan de prestaties van de verschillende ontwerpen vertellen. (2) We moeten kijken of modellen die zijn getraind op miljoenen bacteriële genomen ons kunnen helpen om een AI-ontworpen hele bacteriële cel te bouwen, vergelijkbaar met wat hier voor een fage is gedaan. Dit zal zien of we kunnen gaan van het vertalen van een Engelse aanvraag naar een DNA-boek (500.000 letters DNA voor de eenvoudigste bacteriën) in plaats van het DNA-gedicht van de fage (5.000 letters DNA in een fage). Dit zou een nationale wetenschappelijke mijlpaal zijn, aangezien cellen de bouwstenen van al het leven zijn en de VS ervoor moet zorgen dat we er als eerste bij zijn. Om zowel (1) als (2) te doen, hebben we dramatische verbeteringen nodig in de efficiëntie van het uitvoeren van de daadwerkelijke natte labbiologie die nodig is om DNA te bouwen en de prestaties van organismen te testen. Het is indicatief dat ze slechts 302 fage-ontwerpen hebben gebouwd en 16 ontwerpen hebben getest -- dat komt omdat nat labwerk te langzaam en duur is. Het antwoord daarop is labautomatisering -- ik ben blij te zien dat de NSF $100M investeert in AI-controleerbare, geautomatiseerde cloudlabs en andere inspanningen die de wetenschappelijke infrastructuur van de VS efficiënter en op industriële schaal zullen maken. Het AI-actieplan van het Witte Huis wees ook op de noodzaak van deze "cloud-enabled labs". Nogmaals, geweldig werk !!!

In een nieuwe preprint van het lab van @brianhie meldt het team de eerste generatieve ontwerp van levensvatbare bacteriofaag-genomen. Door gebruik te maken van Evo 1 en Evo 2 genereerden ze volledige genoomsequenties, wat resulteerde in 16 levensvatbare faag met verschillende genomische architecturen.