Istraživači sa Stanforda sintetizirali su gotovo 300 bakteriofaga iz DNA sekvenci proizvedenih pomoću generativnog AI modela Evo 2. Laboratorijska ispitivanja su suzila grupu na 16 bakteriofaga koji su pokazali posebno jaku aktivnost ubijanja E. coli.
Rad se fokusira na bakteriofag ΦX174, izgovara se “FYE-ex-1-7-4”. Brian Hie, pomoćni profesor kemijskog inženjerstva i član Stanford Data Science Faculty Fellow, stvorio je Evo 2 uz pomoć studenta biotehnologije Samuela Kinga, koji je vodio eksperimentalni rad opisan u radu.
Evo 2 donosi genome bakteriofaga u laboratorij
Evo 2 generira nove DNA sekvence iz malog početnog uzorka genoma bakteriofaga. Istraživači su zamolili model da proizvede cijeli genom ΦX174 u jednom prolazu s lijeva na desno.
“U ovom slučaju, željeli smo da model generira cijeli genom od početka do kraja u jednom prolazu. Nismo dodavali ništa,” rekao je Hie. Proces je generirao tisuće kandidatskih genoma prije nego što je tim odabrao sekvence za kemijsku sintezu i laboratorijska ispitivanja.
ΦX174 je ponudio relativno kompaktan testni sustav. Njegov genom sadrži manje od 6.000 baza, u usporedbi s otprilike 3 milijarde baza u ljudskom genomu. Hie je rekao da se istraživači i dalje suočavaju s teškim zadatkom prilikom interpretacije čak i 5.400-znakovne DNA sekvence, gene po gene.
Hie je rekao da su neki od Evo 2 sugeriranih bakteriofaga pokazali veću prilagodljivost od izvornog ΦX174 u laboratorijskim ispitivanjima. Projekt stoga testira može li model stvoriti cijele održive virusne genome, a ne samo predložiti lokalne izmjene DNA.
Odabir kandidata prije sinteze DNA
King je razvio računalni okvir za smanjenje broja kandidatskih genoma poslanih na sintezu. Okvir je procjenjivao osobine izvučene iz ΦX174 i srodnih bakteriofaga prije nego što je tim odabrao opcije za laboratorijski rad.
Kemijska sinteza postavlja praktično ograničenje. Istraživači su generirali genome pomoću Evo 2, procijenili ih prema svojim kriterijima dizajna, zatim kemijski sintetizirali odabrane kandidate i testirali koji su genomii najbolje funkcionirali u laboratoriju.
Hie je rekao da je okvir smanjio troškove sinteze koncentrirajući troškove na kandidate koje je njegov tim ocijenio kao najizvedivije.
Ova sekvenca također definira operativnu granicu rezultata. Evo 2 je generirao tisuće mogućnosti, no istraživači su još uvijek trebali računsku procjenu, kemijsku sintezu i laboratorijske testove kako bi identificirali održive bakteriofage.
Testiranje otpornosti temelji se na mješavini 16 bakteriofaga
Istraživači su odabrali više od jednog bakteriofaga usmjerenog na E. coli jer bakterije mogu razviti otpornost na jedinstveni tretman. Hie je rekao da mješavine bakteriofaga mogu otežati bakterijama da izbjegnu svaki član tretmana.
Stanford izvještava da je koktel koji sadrži 16 odabranih bakteriofaga brzo prevladao otpornost u E. coli koja je bila imuna na izvorni ΦX174.
