Google DeepMind sun'iy intellekt yaratgan oqsillarni tamg'alash uchun SynthID Bio tizimini taqdim etdi

Generativ sun'iy intellekt modellari biologiya sohasida inqilob qilib, yangi oqsillarni loyihalash va murakkab 3D tuzilmalarni bashorat qilish imkoniyatini bermoqda. Biroq, bu texnologiyalar xavfsizlik borasida yangi tahdidlarni ham keltirib chiqaradi: sun'iy yaratilgan noma'lum DNK ketma-ketliklari an'anaviy tekshiruvlardan o'tib ketishi yoki ochiq ilmiy ma'lumotlar bazalarini chalkashtirishi mumkin. Ushbu muammolarni bartaraf etish uchun Google DeepMind biologik kodlarga tamg'a kirituvchi SynthID Bio texnologiyasini ishlab chiqdi.

SynthID Bio ma'lumot turiga qarab o'z ish uslubini moslashtiradi. Ketma-ketliklarni yaratishda u aminokislotalar tanlovini sezilarsiz boshqarsa, 3D tuzilmalarni bashorat qilishda atom koordinatalariga kichik o'zgartirishlar kiritadi. Tadqiqotchilar AlphaProteo va ProteinMPNN vositalari orqali ushbu usulni sinovdan o'tkazishdi. Laboratoriya sharoitida VEGF-A, SARS-CoV-2 spike oqsili va PD-L1 nishonlarida o'tkazilgan tahlillar tamg'alangan oqsillar tabiiy variantlar kabi samarali bog'lanish qobiliyatini to'liq saqlab qolganini ko'rsatdi.

Oqsillar buklanishini aniqlashda esa SynthID Bio AlphaFold 3 modelining diffuziya tarmog'ini nozik sozlash (fine-tuning) orqali to'g'ridan-to'g'ri model vaznlariga integratsiya qilindi. Natijada model tomonidan chiqarilgan 3D koordinatalar kim tomonidan ishga tushirilishidan qat'i nazar, o'zida ishonchli aniqlanadigan tamg'ani tashiydi. Bu jarayon AlphaFold 3 bashoratlari aniqligini tushirmagan holda raqamli shovqinlarga chidamlilikni ta'minlaydi.

Ushbu texnologiya DNK sintezi bilan shug'ullanuvchi kompaniyalar uchun ayniqsa muhim. Ular sun'iy intellekt tomonidan yaratilgan noma'lum buyurtmalarni tekshirishda katta resurs sarflaydi, SynthID Bio esa buyurtma xavfsizlik choralari ko'rilgan ishonchli modeldan kelib chiqqanini avtomatik tasdiqlash imkonini beradi. Shuningdek, UniProt va Protein Data Bank kabi ommaviy ilmiy bazalarda sintetik ma'lumotlarni to'g'ri belgilashda yordam beradi.

DeepMind, shuningdek, Stenford universiteti va Arc Institute bilan hamkorlikda ushbu tamg'alashni bakteriofaglar genomlarini loyihalashtiruvchi Evo 2 modeliga tatbiq etish ustida ishlamoqda. Loyiha ochiq fan tamoyillariga muvofiq bo'lib, uning kodi, laboratoriya ma'lumotlari va model vaznlari ilmiy hamjamiyat uchun ochiq taqdim etilmoqda.