Sztuczna inteligencja przyspiesza projektowanie obwodów genetycznych w oparciu o dane

Projektowanie obwodów genetycznych przechodzi obecnie fundamentalną transformację, ewoluując z metody prób i błędów w stronę procesu ściśle sterowanego przez obliczenia i modele predykcyjne. Dzięki temu biotechnologia staje się dyscypliną inżynieryjną w pełnym tego słowa znaczeniu. Obwód genetyczny to uporządkowana sekwencja DNA, która reguluje aktywność genów według określonych reguł logicznych, co pozwala na programowanie komórek do wykonywania konkretnych zadań. Systemy te mogą działać jako przełączniki, oscylatory lub układy pamięci, organizując informacje genetyczne w celu przewidywalnego sterowania zachowaniem komórkowym. Spektrum zastosowań jest ogromne: od modulacji odpowiedzi immunologicznych po kontrolowaną syntezę cennych cząsteczek, co otwiera drogę do zaawansowanych strategii terapeutycznych.

Przełomowym momentem, opisanym na łamach czasopisma Nature w styczniu 2026 roku, było opracowanie technologii CLASSIC (Combining Long- and Short-range Sequencing to Investigate Genetic Complexity) przez naukowców z Rice University. Rozwiązanie to umożliwia jednoczesne konstruowanie i testowanie setek tysięcy, a nawet milionów różnych projektów obwodów genetycznych w ramach jednego etapu analizy. Aby monitorować aktywność tych układów w ludzkich komórkach, badacze powiązali każdy schemat z ekspresją białka fluorescencyjnego. Pomiar intensywności świecenia pozwolił ocenić działanie każdego wariantu, a sekwencjonowanie powiązanych kodów kreskowych stworzyło mapę łączącą konkretną sekwencję DNA z fenotypem komórkowym. Profesor Caleb Bashor z Rice’s Institute of Synthetic Biology podkreślił, że metoda ta pozwala precyzyjnie dopasować sekwencje do zachowań, znajdując przysłowiową igłę w stogu siana.

Skala danych uzyskanych dzięki tym eksperymentom stała się fundamentem dla uczenia modeli sztucznej inteligencji i uczenia maszynowego. Modele te wykazały zdolność do rozpoznawania, które cechy sekwencji DNA odpowiadają za konkretne funkcje, wykazując znacznie wyższą dokładność niż tradycyjne podejścia oparte wyłącznie na zasadach fizyki. To obliczeniowe podejście stanowi kamień milowy, szczególnie w złożonym środowisku ludzkich komórek. W przeciwieństwie do wcześniejszych metod, takich jak „DNA origami” zaproponowane przez Paula Rothemunda w 2006 roku, które wymagały kosztownych i czasochłonnych obliczeń dla każdej nowej struktury, podejście oparte na AI omija te ograniczenia. W efekcie powstało narzędzie predykcyjne zdolne do samodzielnego proponowania nowych sekwencji o pożądanych parametrach.

Skuteczność tego systematycznego podejścia sterowanego przez AI w systemach ludzkich toruje drogę do szybszego projektowania terapii komórkowych począwszy od 2026 roku. Przenosi to inżynierię genetyczną z obszaru rutynowych eksperymentów do sfery projektowania opartego na danych. W podobnym nurcie firma Basecamp Research zaprezentowała model EDEN, który został wytrenowany na danych ewolucyjnych w celu projektowania narzędzi molekularnych do wstawiania dużych fragmentów DNA. Technologia ta pozwoliła już na stworzenie komórek CAR-T, które w warunkach laboratoryjnych niszczą ponad 90% komórek nowotworowych. Tym samym przejście na projektowanie inżynieryjne wspierane przez sztuczną inteligencję staje się dominującym trendem w badaniach biotechnologicznych, mających na celu tworzenie złożonych systemów terapeutycznych.