AIがバクテリオファージ設計、新型ウイルス生成に成功

大規模ゲノムモデルは大規模言語モデルと同じ機械学習アプローチを適用するが、テキストではなくDNA配列に対して行う。数百万の既存ゲノムから学習して配列内の次の塩基を予測するよう訓練される。DNAは4文字（A、T、C、G）のみを使用するが、次の塩基がどの程度厳密に制限されるかは大きく異なり、ある領域は任意の塩基を許容し、他の領域は正確な配列を必要とするため、モデルは人間がまだ完全にマップしていない生物学的文脈を学習する必要がある。研究者らはEvo 1とEvo 2を200万個以上のバクテリオファージ配列に訓練し、その後ΦX174が属するMicroviridae科で微調整した。

スタンフォードチームは、AIが慎重に設定された制約内で機能するウイルスゲノムを生成できることを発見した。元の配列に対して60%以上同一のスパイクタンパク質を保持し、4,000～6,000塩基長で、10を超える同じ塩基の連続を含まない出力のみを保持するようフィルタリングした。このフィルタリングにより302の候補配列が285に削減され、合成と試験の価値があるものになった。注目すべきことに、AIはランダム変異よりも機能的な変異体の生成に効果的であることが判明した。ランダム変異はアミノ酸変化1個あたり約20%のウイルス不活化の確率を持つが、AIは50個以上のアミノ酸変化を持つ生存ウイルスを生成し、これはランダム変異では本質的に不可能である。これはAIが偶然よりもインテリジェントに配列空間を探索することを可能にするウイルスの適応度に関する暗黙的なルールを学習したことを示唆している。