AIがウイルスを設計、バイオセキュリティ上の懸念浮上

以前構築したEvoと呼ばれるAI言語モデルを使用して、Samuel Kingと同僚は、機能的なバクテリオファージゲノムをゼロから設計するための計算的アプローチを開発した。彼らの方法はこれらのゲノム言語モデルを計算生物学および実験検証と組み合わせた。バクテリア感染ウイルスであるバクテリオファージは、バイオテクノロジーとしてかなりの有用性があり、細菌感染症の治療としての治療的関連性があり、全ゲノム設計の理想的なテストケースとなっている。

研究者らはよく研究されているΦX174バクテリオファージをモデルシステムとして使用した。彼らは数百の候補ゲノムを計算設計し、その後、それらを実験室で実験的に検証した。このスクリーニングプロセスは16個の機能的ファージを特定した。つまり、実際に機能し、細菌細胞に感染・増殖できるファージである。注目すべきことに、これらの16個のエンジニアリングファージの遺伝配列と構造は互いに大きく異なっており、生成的アプローチが単一の設計に収束するのではなく、多様なソリューションを生成できることを示している。一部のエンジニアリングファージは機能の点で自然発生の関連種と同等の性能を示した。

最も重要な知見は、新しいエンジニアリングファージの一部の組み合わせがΦX174様ファージに耐性を進化させた大腸菌の2株の耐性を克服することができたということである。これは主要な潜在的利点を実証している。AI誘導設計は、最終的には細菌が既存の治療に耐性を発達させても有効なままでいるより耐久性の高いファージベースの治療法の創作を可能にする可能性がある。これはファージ療法開発における長年の臨床的課題に対処する。

しかし、Kingと同僚は、この同じ能力が重要なバイオセーフティおよびバイオセキュリティ上の懸念をもたらすことを強調している。完全で機能的なAI生成ウイルスゲノムを設計・合成する能力は、機密ウイルス配列が悪意のある行為者によって潜在的にエンジニアリングされる可能性があることを意味する。研究者らは既存のセーフティフレームワークを生成ゲノミクスに適応させるべきであると主張し、AIモデルを構築するために使用される訓練データから機密ウイルス配列を除外するなどのモデルレベルの保護がリスク緩和の追加的層を提供する可能性があると提案している。彼らはプロジェクトのライフサイクル全体を通じてセーフティおよびセキュリティの両方の専門家と相談する将来の全ゲノム設計に関わるグループを呼びかけている。コメンテーターInglesby とHankeはこの課題を重大なガバナンス問題として枠づけている。生成的ウイルスゲノム設計の技術が今や存在するため、焦点は治療上の利益を可能にしながら悪用を防ぐ堅牢な監視を構築することにシフトする必要がある。