Искусственный интеллект ускоряет проектирование генетических цепей на основе данных

Проектирование генетических цепей трансформируется, переходя от метода проб и ошибок к процессу, управляемому вычислениями и предиктивными моделями, что приближает биотехнологию к инженерной дисциплине. Генетическая цепь — это структурированная последовательность ДНК, регулирующая активность генов по заданным логическим правилам, позволяющая программировать клетки для выполнения чётких директив. Эти цепи могут функционировать как переключатели, осцилляторы или системы памяти, организуя генетическую информацию для предсказуемого управления клеточным поведением. Область применения таких цепей обширна: от модуляции иммунных ответов до контролируемого синтеза ценных молекул в организме, что открывает путь к более сложным клеточным терапевтическим стратегиям.

Ключевым прорывом, освещённым в журнале Nature в январе 2026 года, стала разработка технологии CLASSIC (Combining Long- and Short-range Sequencing to Investigate Genetic Complexity) исследователями из Университета Райса. Эта технология позволяет одновременно конструировать и тестировать сотни тысяч или миллионы различных проектных решений генетических цепей за один этап анализа. Для высокопроизводительного наблюдения за активностью цепей, введённых в культивируемые человеческие клетки, исследователи привязали каждую схему к экспрессии флуоресцентного белка. Измерение яркости свечения позволило оценить поведение каждого варианта, а последующее секвенирование ассоциированных штрих-кодов создало детальную карту, связывающую конкретную последовательность ДНК с наблюдаемым клеточным фенотипом. Профессор Калеб Башор из Института синтетической биологии Райса отметил, что методика помогает картировать последовательности на поведение, находя «иголку в стоге сена».

Масштабное картирование, полученное в результате экспериментов, предоставило необходимую базу для обучения моделей Машинного обучения/ИИ. Эти модели продемонстрировали способность распознавать, какие характеристики последовательности ДНК соответствуют определённым функциональным проявлениям, показав большую точность в прогнозировании функции по сравнению с моделями, основанными исключительно на физических принципах. Этот вычислительный подход является краеугольным камнем, особенно в контексте сложной биологической среды человеческих клеток. В отличие от традиционных методов, таких как «ДНК-оригами», предложенное Полом Ротмундом в 2006 году, которые требовали длительного и дорогостоящего пересчёта каждой новой структуры с нуля, ИИ-подход позволяет обойти эти ограничения. Результатом является создание предиктивного инструмента, способного заранее предлагать новые последовательности цепей с заданными желаемыми характеристиками.

Демонстрация эффективности такого систематического, управляемого ИИ подхода в контексте человеческих клеточных систем прокладывает дорогу к более быстрому и рациональному проектированию передовых клеточных терапий начиная с 2026 года, выводя генетическое конструирование из парадигмы рутинных экспериментов в область инженерии, основанной на данных. В смежных областях компания Basecamp Research представила модель EDEN, которая, будучи обученной на эволюционных данных, проектирует молекулярные инструменты для программируемой вставки крупных фрагментов ДНК. Это уже позволило получить CAR-T-клетки, уничтожающие более 90% раковых клеток в лабораторных условиях. Таким образом, переход к инженерному дизайну, подкреплённому ИИ, становится доминирующим вектором в биотехнологических исследованиях, направленных на создание сложных клеточных систем и терапевтических решений.