Google DeepMind enkondukas SynthID Bio por akvomarki AI-dizajnitajn proteinojn

Google DeepMind rivelis novan metodon nomitan SynthID Bio, dizajnita por enigi nevideblajn, kontroleblajn akvomarkojn en proteinojn kreitajn de artefarita inteligenteco. Ĉi tiu evoluo celas trakti kreskantajn biosekurecajn zorgojn ĉar AI-iloj fariĝas ĉiam pli kapablaj dizajni kompleksajn biologiajn strukturojn de nulo. La esplorado, kiu estis publikigita en la revuo Nature, servas kiel pruvo de koncepto por certigi, ke sintezaj biologiaj dezajnoj povas esti spuritaj reen al fidindaj modeloj. Proteinoj estas esencaj konstrubriketoj de vivo, konsistante el longaj ĉenoj de aminoacidoj. Kiam AI-sistemoj dizajnas ĉi tiujn proteinojn, ili elektas aminoacidojn unu post alia por atingi specifajn funkciojn. SynthID Bio laboras per subtile alĝustigo de ĉi tiuj elektoj uzante ciferecan ŝlosilon, kreante padronon kiu estas nerimarkebla al homoj sed detektebla de specialigita programaro. La esploristoj konfirmis, ke ĉi tiuj markitaj proteinoj funkcias same efike kiel siaj nemarkitaj ekvivalentoj en laboratoriaj medioj. Por testi la efikecon de la sistemo, la teamo uzis AlphaProteo, ilon por dizajni proteinajn ligilojn, kune kun akvomarkita versio de ProteinMPNN, ofta sekvenc-generada metodo. Ili faris malsek-laboratoriajn eksperimentojn sur tri celproteinoj, inkluzive de la SARS-CoV-2 pikoproteino RBD kaj VEGF-A. La rezultoj montris neniun statistike signifan diferencon en liga forto inter la akvomarkitaj dezajnoj kaj tiuj kreitaj sen la teknologio. Pushmeet Kohli, kiu gvidas sciencon kaj strategiajn iniciatojn ĉe Google DeepMind, emfazis la gravecon konservi la integrecon de sciencaj datumoj. Li notis ke ĉar AI-generitaj prognozoj fariĝas pli oftaj, ekzistas risko polui publikajn datumbazojn per misetikeditaj eniroj. Akvomarkoj povus helpi esploristojn kaj instituciojn konvene etikedi kaj revizii sintezajn submetadojn por certigi, ke ili restu fidindaj por estonta studo. Biosekurecaj fakuloj longe maltrankviliĝis, ke AI povus permesi al individuoj preteriri tradician DNA-sintezan ekzamenadon kreante tute novajn sekvencojn kiuj ne similas konatajn danĝerojn. Antaŭe, ekzamenantoj povus supozi ke nekonata sekvenco povus esti natura organismo, sed AI-generitaj dezajnoj forigas tiun certecon. SynthID Bio provizas aŭtomatigitan signalon ke mendo originis de fidinda modelo kun enkonstruitaj sekurecaj protektoj. Sarah Carter, biosekureca politika fakulo kiu reviziis la laboron, deklaris, ke akvomarkoj povigas programistojn gvidi pri sekureco. Ŝi aldonis, ke la teknologio helpas sintezajn provizantojn fluliniigi siajn ekzamenajn procezojn por klientoj kiuj uzas ĉi tiujn altnivelajn ilojn. Provizante klaran devenon por sintezaj dezajnoj, la sistemo celas ekvilibrigi novigadon kun respondeca superrigardo. Google DeepMind ankaŭ esploras kiel apliki ĉi tiun akvomarkan teknologion al pli kompleksaj biologiaj objektoj, kiel genaraj modeloj. La kompanio laboras kun la Hie-laboratorio ĉe Stanford University kaj la Arc Institute por integri ĉi tiujn metodojn en pli larĝajn biologiajn esplorkadrojn. Ĉi tiu kunlabora klopodo serĉas certigi, ke sekurecaj rimedoj sekvu la rapidon de AI-movita malkovro. Preter la tujaj sekurecaj avantaĝoj, la esploristoj sugestas, ke la marko povus helpi gravajn datumbazojn kiel la Protein Data Bank kaj UniProt. Aŭtomate flagante AI-generitan enhavon, ĉi tiuj deponejoj povas pli bone organizi kaj kontroli la vastan kvanton da datumoj estantaj produktitaj de moderna komputila biologio. Ĉi tio povus helpi konservi la sciencan komunumon por esploristoj tra la mondo. Por instigi plian evoluon, Google DeepMind decidis malfermi la kodon kaj publikigi la en vitro datumojn al la esplorkomunumo. La kompanio ankaŭ publikigas sian metodopaperon por permesi al aliaj sciencistoj konstrui sur ĉi tiu laboro. Ĉi tiu malferma aliro estas intencita kreskigi tutmondan normon por sekureco en la kampo de sinteza biologio. Dum la teknologio moviĝas antaŭen, la teamo planas daŭre rafini la detektan procezon por certigi altan precizecon. En komencaj testoj, la detektilo sukcese identigis la markon en pli ol 99,8 procentoj de la akvomarkitaj strukturoj. Estontaj ripetoj verŝajne koncentriĝos pri skalado de ĉi tiuj protektoj por akomodi la kreskantan volumenon de AI-dizajnitaj biologiaj materialoj.