Planeta jako baza danych dla AI. Model Eden projektuje leki na bazie miliardów lat ewolucji

W wyścigu zbrojeń nowoczesnej biotechnologii, gdzie laboratoria farmaceutyczne coraz częściej przypominają centra danych, brytyjski startup Basecamp Research postanowił sięgnąć do źródła starszego niż jakakolwiek technologia – do samej ewolucji. We współpracy z gigantami technologicznymi, jak Nvidia i Microsoft, oraz prestiżowymi ośrodkami akademickimi z Oksfordu, Stanforda czy Berkeley, firma opracowała system „Eden”. To nie jest po prostu kolejny model językowy; to narzędzie, które próbuje odszyfrować chemiczny język natury, by projektować terapie, których ludzcy naukowcy nie byliby w stanie wymyślić samodzielnie.

Cztery miliardy lat danych treningowych

Sercem projektu jest gigantyczna baza danych, obejmująca informacje genetyczne pochodzące od ponad miliona gatunków mikrobów zebranych z całego świata. Największy z rodziny modeli Eden posiada 28 miliardów parametrów i został wytrenowany na imponującej liczbie 9,7 biliona tokenów nukleotydowych. Co kluczowe, w procesie wstępnego treningu (pre-training) celowo pominięto dane pochodzące od ludzi czy z eksperymentów klinicznych. Zamiast tego skupiono się wyłącznie na surowym zapisie ewolucyjnym.

Jak wyjaśnia John Finn, dyrektor naukowy Basecamp Research, celem jest mapowanie organizmów z całej planety i zrozumienie ścieżek ich rozwoju. Algorytmy uczenia maszynowego mają za zadanie wyłapywać „bardzo głęboko ukryte zależności”, które łączą różne gatunki na przestrzeni czterech miliardów lat ewolucji. To podejście fundamentalnie różni się od klasycznego projektowania leków, w którym zazwyczaj modyfikuje się znane już struktury.

LSR kontra CRISPR: precyzja bez niszczenia

Najbardziej obiecującym rezultatem pracy modelu Eden jest zaprojektowanie nowych enzymów z grupy dużych rekombinaz serynowych (LSR). Mogą one stanowić alternatywę dla słynnej metody CRISPR, która choć rewolucyjna, wiąże się z ryzykiem niezamierzonych uszkodzeń genomu, ponieważ jej działanie opiera się na przecinaniu obu nici DNA. LSR-y działają inaczej: potrafią wstawiać duże sekwencje DNA (powyżej 30 tysięcy par zasad) bez konieczności łamania struktury podwójnej helisy.

Wstępne testy na loci (określone obszary chromosomu zajmowane przez gen) genomowych powiązanych z takimi schorzeniami jak dystrofia mięśniowa Duchenne’a, hemofilia czy anemia Fanconiego wykazały, że enzymy wygenerowane przez AI są wysoce funkcjonalne. Przy zaledwie 30 parach zasad wprowadzonych jako prompt, model generował wiele aktywnych enzymów, osiągając wskaźnik trafień (functional hit rate) na poziomie 63,2 proc. Co więcej, w testach na ludzkich limfocytach T – kluczowych w terapiach nowotworowych typu CAR-T – 50 procent przetestowanych wariantów wykazało aktywność integracyjną.

Nowa broń na superbakterie

Poza inżynierią genetyczną, Eden został zaprzęgnięty do walki z jednym z największych zagrożeń współczesnej medycyny: lekoopornością bakterii. Model wygenerował bibliotekę peptydów przeciwdrobnoustrojowych – krótkich łańcuchów białkowych zdolnych do niszczenia patogenów, na które konwencjonalne antybiotyki przestały działać. Wyniki są uderzające: 97 procent z 33 przetestowanych peptydów wykazało aktywność bojową, w tym przeciwko tak groźnym drobnoustrojom jak Acinetobacter baumannii. Naukowcy podkreślają, że jest to prawdopodobnie pierwszy przypadek, gdy model fundacyjny DNA został użyty bezpośrednio do projektowania antybiotyków o udowodnionej eksperymentalnie skuteczności.

Z laboratorium do kliniki: niezbędny sceptycyzm

Mimo entuzjastycznych wyników wstępnych, autorzy badania zachowują trzeźwość umysłu i przestrzegają przed ogłaszaniem natychmiastowego sukcesu. Wygenerowane przez AI enzymy i peptydy to na razie „silne kandydatury”, a nie gotowe leki. Wymagają one znaczącej optymalizacji pod kątem stabilności, toksyczności oraz farmakokinetyki – czyli tego, jak organizm wchłania i metabolizuje daną substancję.

Kolejnym krokiem ma być wykorzystanie uczenia ze wzmocnieniem (reinforcement learning), aby precyzyjnie dostroić działanie kandydatów na leki i zminimalizować ryzyko działań niepożądanych, takich jak aktywność poza celem (off-target). Inwestycja Nvidii w nowe laboratorium AI prowadzone wspólnie z Eli Lilly, o wartości miliarda dolarów, sugeruje jednak, że branża widzi w tych „surowych” kandydatach przyszłość farmakologii. Choć Eden pokazał, że potrafi projektować molekuły, dopiero klasyczna nauka zweryfikuje, czy są one bezpieczne dla pacjentów.