ໃກ້
ຈາກປັນຍາປະດິດທີ່ສ້າງສັນໄປສູ່ຫ້ອງທົດລອງ: ທີ່ສະແຕນຟອດ, ລຳດັບ DNA ສັງເຄາະກາຍເປັນ bacteriophages ທີ່ເຮັດວຽກຕໍ່ຕ້ານເຊື້ອແບັກທີເຣຍ
ຮູບແບບຂອງ ປັນຍາປະດິດ ລາວໄດ້ຂຽນຈີໂນມໄວຣັສທັງໝົດ, ນັກຄົ້ນຄວ້າໄດ້ສັງເຄາະພວກມັນຢູ່ໃນຫ້ອງທົດລອງ, ແລະ ສິບຫົກລຳດັບເຫຼົ່ານັ້ນໄດ້ກາຍເປັນ ແບັກທີເຣຍຟາຈທີ່ເຮັດວຽກໄດ້, ສາມາດຕິດເຊື້ອ ແລະ ຂ້າເຊື້ອແບັກທີເຣັຍໄດ້ Escherichia coliການຫັນປ່ຽນຈາກການສ້າງ DNA ແບບດິຈິຕອນໄປສູ່ການນຳໄປສູ່ການຢັ້ງຢືນການທົດລອງ ນີ້ແມ່ນ 2, ຮູບແບບທີ່ພັດທະນາຂຶ້ນດ້ວຍການປະກອບສ່ວນຂອງມະຫາວິທະຍາໄລສະແຕນຟອດ ແລະ ສະຖາບັນ Arc, ໃນຂົງເຂດທີ່ເຄີຍສຳຫຼວດມາກ່ອນ ສ່ວນໃຫຍ່ແມ່ນຜ່ານການດັດແປງລະບົບຊີວະວິທະຍາທີ່ມີຢູ່ແລ້ວ.
ກຸ່ມດັ່ງກ່າວນໍາໂດຍ ໄບຣອັນ ໄຮ, ຜູ້ຊ່ວຍສາດສະດາຈານວິສະວະກຳເຄມີຢູ່ສະແຕນຟອດ, ພ້ອມກັບນັກສຶກສາປະລິນຍາເອກຂອງລາວໃນສາຂາວິສະວະກຳຊີວະພາບ ຊາມູເອນ ກະສັດ ໃນຖານະຜູ້ຂຽນຜົນງານທົດລອງຄົນທຳອິດ, ລາວໄດ້ເລີ່ມຕົ້ນຈາກ bacteriophage ΦX174ຈີໂນມຂອງມັນມີປະມານ 5.400 ຄູ່ເບສ, ເມື່ອທຽບກັບປະມານສາມພັນລ້ານຈີໂນມຂອງມະນຸດ: ຂະໜາດທີ່ຂ້ອນຂ້າງນ້ອຍເຮັດໃຫ້ມັນເປັນຕຽງທົດສອບທີ່ເໝາະສົມເພື່ອກວດສອບວ່າຮູບແບບການສ້າງສາມາດອອກແບບບໍ່ພຽງແຕ່ຍີນ ຫຼື ໂປຣຕີນ, ແຕ່ຍັງ ຈີໂນມທີ່ສົມບູນທີ່ສາມາດເຮັດວຽກໄດ້.
ຜົນໄດ້ຮັບແມ່ນເກີດມາຈາກການພົບປະລະຫວ່າງ ຄົ້ນຄວ້າແລະພັດທະນາ, ການສ້າງແບບຈຳລອງດ້ວຍຄອມພິວເຕີ, ແລະ ຊີວະວິທະຍາສັງເຄາະ. Evo 2 ສ້າງລຳດັບນິວຄລີໂອໄທດ໌ໂດຍນິວຄລີໂອໄທດ໌; ຫຼັງຈາກນັ້ນຫ້ອງທົດລອງຕ້ອງກຳນົດວ່າອັນໃດທີ່ຄຸ້ມຄ່າກັບການສັງເຄາະ, ປ່ຽນພວກມັນໃຫ້ເປັນ DNA ທາງກາຍະພາບ, ແລະ ກວດສອບວ່າລະບົບທີ່ອອກແບບໂດຍຄອມພິວເຕີສາມາດສຳເນົາ ແລະ ປະຕິບັດໜ້າທີ່ທີ່ຕັ້ງໃຈໄວ້ໄດ້ແທ້ຫຼືບໍ່. ມັນແມ່ນຂັ້ນຕອນສຸດທ້າຍນີ້ທີ່ແຍກລຳດັບທີ່ເປັນໄປໄດ້ທາງຊີວະວິທະຍາອອກຈາກສິ່ງມີຊີວິດໄວຣັດທີ່ເຮັດວຽກໄດ້.
"ໃນກໍລະນີນີ້, ພວກເຮົາຕ້ອງການໃຫ້ຮູບແບບສ້າງຈີໂນມທັງໝົດຕັ້ງແຕ່ຕົ້ນຈົນຈົບ, ໃນການຖ່າຍທອດຄັ້ງດຽວຈາກຊ້າຍຫາຂວາ. ພວກເຮົາບໍ່ໄດ້ເພີ່ມຫຍັງເລີຍ."
ທ່ານ Brian Hie ໄດ້ອະທິບາຍ.
ໃນການທົດສອບ, ບາງຂໍ້ສະເໜີທີ່ຜະລິດໂດຍ Evo ໄດ້ສະແດງໃຫ້ເຫັນ ຄວາມແຂງແຮງສູງກວ່າທຳມະຊາດ ΦX174ນີ້ບໍ່ໄດ້ໝາຍຄວາມວ່າ AI ໄດ້ພົບຢາຕ້ານເຊື້ອທີ່ພ້ອມໃຊ້ທາງດ້ານຄລີນິກແລ້ວ: ການທົດລອງນີ້ແມ່ນຫຼັກຖານຂອງແນວຄວາມຄິດກ່ຽວກັບ bacteriophages ທີ່ຂ້ອນຂ້າງງ່າຍດາຍ, ແລະໄລຍະຫ່າງລະຫວ່າງຜົນການທົດລອງໃນຫ້ອງທົດລອງ ແລະ ການປິ່ນປົວທີ່ໄດ້ຮັບການອະນຸມັດຍັງຄົງມີຫຼາຍ. ຢ່າງໃດກໍຕາມ, ມັນສະແດງໃຫ້ເຫັນວ່າລໍາດັບຈີໂນມທີ່ສ້າງຂຶ້ນໂດຍທຽມສາມາດທົນທານຕໍ່ການຄັດເລືອກດ້ວຍການຄິດໄລ່, ຖືກສັງເຄາະ, ແລະຜະລິດໜ່ວຍງານທາງຊີວະວິທະຍາທີ່ເຮັດວຽກໄດ້ດ້ວຍລັກສະນະທີ່ຕ້ອງການ.
ຈາກລໍາດັບດິຈິຕອນຫຼາຍພັນອັນຈົນເຖິງ 16 ເຟດທີ່ເຮັດວຽກໄດ້
ບັນຫາບໍ່ພຽງແຕ່ສ້າງ DNA ເທົ່ານັ້ນ. Evo 2 ສາມາດຜະລິດຜູ້ສະໝັກໄດ້ຫຼາຍພັນຄົນ, ແຕ່ ການສັງເຄາະແຕ່ລະລໍາດັບທາງກາຍະພາບຈະມີລາຄາແພງ ແລະ ບໍ່ມີປະສິດທິພາບຫຼັງຈາກນັ້ນ, ທ່ານ King ໄດ້ພັດທະນາຂອບການຄິດໄລ່ເພື່ອປະເມີນຈີໂນມທີ່ສະເໜີ ແລະ ຄ່ອຍໆຫຼຸດຜ່ອນຈຳນວນທາງເລືອກທີ່ຈະນຳເຂົ້າມາໃນຫ້ອງທົດລອງ.
ຂະບວນການດັ່ງກ່າວໄດ້ປະຕິບັດຕາມລະບົບຕ່ອງໂສ້ທີ່ແນ່ນອນຄື: ການສ້າງຈີໂນມ, ການປະເມີນຜົນຕາມເງື່ອນໄຂທາງຊີວະວິທະຍາທີ່ໄດ້ມາຈາກ ΦX174 ແລະຟາດທີ່ກ່ຽວຂ້ອງ, ການຄັດເລືອກຜູ້ສະໝັກ, ການສັງເຄາະທາງເຄມີຂອງ DNA ແລະສຸດທ້າຍ ການທົດລອງກ່ຽວກັບເຊື້ອແບັກທີເຣັຍຈາກຈີໂນມຈຳນວນຫຼາຍທີ່ຜະລິດໂດຍຕົວແບບ, ກຸ່ມໄດ້ສັງເຄາະ ແລະ ທົດລອງກັບເກືອບທັງໝົດ 300 ແບັກທີເຣຍຟາຍ, ການລະບຸສິບຫົກຢ່າງໃນນັ້ນມີລັກສະນະທີ່ມີປະສິດທິພາບໂດຍສະເພາະຕໍ່ກັບ E. coli.
"ໜຶ່ງໃນພາກສ່ວນຫຼັກຂອງຂອບການອອກແບບແມ່ນເພື່ອເຂົ້າໃຈວ່າຈີໂນມຄວນມີລັກສະນະໃດໂດຍອີງໃສ່ ΦX174 ແລະຟາຈທີ່ກ່ຽວຂ້ອງ,"
ລາວບອກ ຊາມູເອນ ກະສັດ.
ຕົວກອງຄອມພິວເຕີຍັງມີຜົນສະທ້ອນທາງດ້ານເສດຖະກິດ. ການສັງເຄາະ DNA ຍັງຄົງມີລາຄາແພງ, ດັ່ງນັ້ນຄວາມສາມາດໃນການກຳຈັດຜູ້ສະໝັກທີ່ມີຄວາມຫວັງໜ້ອຍທີ່ສຸດໃນ silico ກ່ອນທີ່ຈະຜະລິດພວກມັນທາງກາຍະພາບກາຍເປັນສ່ວນໜຶ່ງທີ່ສຳຄັນຂອງຂະບວນການອອກແບບ. ດັ່ງນັ້ນ, ຮູບແບບການສ້າງແບບຈຳລອງດ້ວຍຕົວມັນເອງຈຶ່ງບໍ່ໄດ້ທົດແທນຫ້ອງທົດລອງ: ມັນຂະຫຍາຍພື້ນທີ່ຂອງວິທີແກ້ໄຂທີ່ສາມາດສຳຫຼວດໄດ້ຢ່າງຫຼວງຫຼາຍ, ໃນຂະນະທີ່ການຄັດເລືອກ ແລະ ການທົດລອງດ້ວຍການຄິດໄລ່ຈະກຳນົດວ່າລຳດັບໃດທີ່ມີແນວໂນ້ມທີ່ຈະເຮັດວຽກໄດ້ແທ້.
Evo 2 ມີພື້ນຖານທີ່ກວ້າງຂວາງກວ່າການທົດລອງ phage ດ່ຽວ. ຮູບແບບດັ່ງກ່າວ, ເຜີຍແຜ່ໃນປີ 2026 ໃນ ລັກສະນະ, ໄດ້ຮັບການຝຶກອົບຮົມກ່ຽວກັບ DNA ຄູ່ຖານ 9.000 ພັນລ້ານຄູ່ ຈາກແຜນທີ່ຈີໂນມທີ່ກວມເອົາທຸກຂົງເຂດຂອງຊີວິດ. ມັນສາມາດເຮັດວຽກກັບປ່ອງຢ້ຽມສະພາບການສູງເຖິງໜຶ່ງລ້ານໂທເຄັນ ໃນຂະນະທີ່ຮັກສາຄວາມລະອຽດຂອງນິວຄລີໂອໄທດ໌ດຽວ. ຄວາມສາມາດທີ່ບັນທຶກໄວ້ຂອງມັນຍັງລວມເຖິງການຄາດຄະເນຜົນກະທົບທາງການເຮັດວຽກຂອງການປ່ຽນແປງທາງພັນທຸກໍາ ແລະ ການຮັບຮູ້ລັກສະນະທາງຊີວະວິທະຍາທີ່ມີຢູ່ໃນລໍາດັບ.
ຂະໜາດການຝຶກອົບຮົມແມ່ນສິ່ງຈຳເປັນເພື່ອເຂົ້າໃຈຄວາມແຕກຕ່າງເມື່ອທຽບກັບຊອບແວທີ່ຖືກອອກແບບມາເພື່ອດັດແປງ ΦX174 ເທົ່ານັ້ນ. Evo 2 ແມ່ນ ຮູບແບບພື້ນຖານຈີໂນມມັນຮຽນຮູ້ຄວາມສະໝໍ່າສະເໝີທາງສະຖິຕິ ແລະ ໂຄງສ້າງຈາກ DNA ຂອງສິ່ງມີຊີວິດທີ່ແຕກຕ່າງກັນຫຼາຍ ແລະ ຫຼັງຈາກນັ້ນສາມາດນຳໃຊ້ສຳລັບວຽກງານສະເພາະ. ໃນຄວາມໝາຍນີ້, ຫຼັກການຄ້າຍຄືກັບຮູບແບບພາສາຂະໜາດໃຫຍ່, ແຕ່ຕົວອັກສອນບໍ່ໄດ້ປະກອບດ້ວຍຄຳສັບ ແລະ ປະໂຫຍກ: ມັນແມ່ນລຳດັບຂອງຖານທີ່ປະກອບເປັນວັດສະດຸພັນທຸກຳ.
ເຊື້ອແບັກທີເຣຍກາຍເປັນຜູ້ສະໝັກຕ້ານການຕ້ານທານຂອງເຊື້ອແບັກທີເຣຍ
ທາງເລືອກໃນການວິສະວະກຳຟາຈທີ່ແຕກຕ່າງກັນທາງພັນທຸກໍາຫຼາຍອັນມີແຮງຈູງໃຈທີ່ເກີນກວ່າການທົດສອບຄວາມສາມາດໃນການຜະລິດຂອງ AI. ເຊື້ອແບັກທີເຣັຍສາມາດວິວັດທະນາການ ແລະ ພັດທະນາໄດ້ ຄວາມຕ້ານທານ ບໍ່ພຽງແຕ່ຕໍ່ຢາຕ້ານເຊື້ອເທົ່ານັ້ນ, ແຕ່ຍັງຕໍ່ໄວຣັດທີ່ໂຈມຕີພວກມັນອີກດ້ວຍ. ດັ່ງນັ້ນ, ແບັກທີເຣຍຟາຈດ່ຽວອາດຈະສູນເສຍປະສິດທິພາບຂອງມັນໄດ້ເມື່ອປະຊາກອນແບັກທີເຣຍໄດ້ຮັບກົນໄກທີ່ສາມາດປ້ອງກັນການຕິດເຊື້ອຂອງມັນໄດ້.
"ຖ້າເຊື້ອແບັກທີເຣັຍມີຄວາມຕ້ານທານຕໍ່ກັບຟາຈດຽວ, ມັນກໍ່ໝົດໄປແລ້ວສຳລັບຢາ. ແຕ່ຖ້າທ່ານມີຟາຈທີ່ແຕກຕ່າງກັນທາງພັນທຸກໍາຫຼາຍຊະນິດໃນສ່ວນປະສົມ, ມັນຈະເປັນເລື່ອງຍາກຫຼາຍສໍາລັບເຊື້ອແບັກທີເຣັຍທີ່ຈະພັດທະນາຄວາມຕ້ານທານຕໍ່ກັບຄັອກເທນທັງໝົດ."
ທ່ານ Brian Hie ກ່າວ.
ດັ່ງນັ້ນ, ນັກຄົ້ນຄວ້າຈຶ່ງໄດ້ລວມເອົາ ສິບຫົກເຟດ ໃນຄັອກເທນ ແລະ ໃຊ້ມັນຕໍ່ຕ້ານ E. coli ທົນທານຕໍ່ກັບ ΦX174 ທຳມະຊາດ. ໃນຫຼັກຖານແນວຄວາມຄິດທີ່ອະທິບາຍໂດຍກຸ່ມ, ສ່ວນປະສົມໄດ້ເອົາຊະນະຄວາມຕ້ານທານນັ້ນຢ່າງໄວວາ. ນີ້ແມ່ນຜົນການທົດລອງທີ່ຈຳກັດ, ແຕ່ມັນສະແດງໃຫ້ເຫັນວ່າເປັນຫຍັງຄວາມສາມາດໃນການຜະລິດຕົວແປຈີໂນມທີ່ແຕກຕ່າງກັນອາດຈະມີຄຸນຄ່າໂດຍສະເພາະໃນອະນາຄົດ. ການປິ່ນປົວດ້ວຍຟາຈ.
ເຊື້ອແບັກທີເຣຍ (Bacteriophages) ແມ່ນໄວຣັດທີ່ມີຄວາມຊ່ຽວຊານໃນການຕິດເຊື້ອແບັກທີເຣຍ ແລະ ໄດ້ຮັບການສຶກສາມາດົນແລ້ວວ່າເປັນເຄື່ອງມືການປິ່ນປົວທີ່ມີທ່າແຮງ. ຄວາມສົນໃຈໃນພວກມັນໄດ້ເພີ່ມຂຶ້ນພ້ອມກັບການແຜ່ລະບາດຂອງຢາຕ້ານເຊື້ອ-resistenza, ເພາະວ່າໃນທາງທິດສະດີແລ້ວພວກມັນອະນຸຍາດໃຫ້ມີການກຳນົດເປົ້າໝາຍແບບເລືອກເຟັ້ນຂອງຈຸລິນຊີບາງຊະນິດ. ບັນຫາແມ່ນວ່າເປົ້າໝາຍຍັງວິວັດທະນາການຢູ່. ການເຂົ້າເຖິງຕົວແປທາງພັນທຸກໍາທີ່ແຕກຕ່າງກັນຢ່າງໄວວາຫຼາຍຢ່າງອາດຈະຊ່ວຍໃຫ້ມີການສ້າງການປະສົມປະສານທີ່ຍາກທີ່ຈະເປັນກາງດ້ວຍການກາຍພັນດຽວ ຫຼື ກົນໄກປ້ອງກັນ.
ສະແຕນຟອດຊີ້ບອກເຖິງເປົ້າໝາຍໃນອະນາຄົດທີ່ເປັນໄປໄດ້ຂອງເຊື້ອແບັກທີເຣັຍທີ່ເປັນສາເຫດຂອງການຕິດເຊື້ອທີ່ຍາກທີ່ຈະປິ່ນປົວ, ລວມທັງ Staphylococcus aureus ທີ່ດື້ຢາ Methicillin (MRSA) ແລະ Pseudomonas aeruginosaນອກເໜືອໄປຈາກຈຸລິນຊີທີ່ເປັນສາເຫດຂອງວັນນະໂລກ. ວຽກງານໃນປະຈຸບັນບໍ່ໄດ້ສະແດງໃຫ້ເຫັນວ່າ Evo 2 ມີຄວາມສາມາດໃນການຜະລິດການປິ່ນປົວຕໍ່ກັບເຊື້ອພະຍາດເຫຼົ່ານີ້ແລ້ວ: ແທນທີ່ຈະ, ມັນກຳນົດວິທີການທົດລອງທີ່ສາມາດກວດສອບໄດ້ໃນລະບົບທີ່ແຕກຕ່າງກັນ.
Evo 2 ປ່ຽນ DNA ໃຫ້ເປັນບັນຫາການອອກແບບທີ່ສ້າງສັນ
ຄວາມແປກໃໝ່ທາງດ້ານວິທີການກ່ຽວຂ້ອງກັບລະດັບການເຮັດວຽກຂອງອັລກໍຣິທຶມ. ການນຳໃຊ້ AI ສ່ວນໃຫຍ່ໃນວິທະຍາສາດຊີວິດໄດ້ສຸມໃສ່ການຄາດຄະເນໂຄງສ້າງໂປຣຕີນ, ການລະບຸໂມເລກຸນ, ການວິເຄາະການກາຍພັນ, ຫຼື ການອອກແບບອົງປະກອບທາງຊີວະພາບສ່ວນບຸກຄົນ. ໃນທີ່ນີ້, ເປົ້າໝາຍການອອກແບບແມ່ນແທນທີ່ຈະ ຈີໂນມໄວຣັດທັງໝົດ.
ຈີໂນມບໍ່ແມ່ນການລວບລວມຂອງຍີນທີ່ເປັນອິດສະຫຼະແບບງ່າຍໆ. ໜ້າທີ່, ການຄວບຄຸມ, ຄວາມເຂົ້າກັນໄດ້ລະຫວ່າງອົງປະກອບຕ່າງໆ, ແລະ ຄວາມສາມາດໃນການສຳເນົາແມ່ນຂຶ້ນກັບຄວາມສຳພັນທີ່ແຈກຢາຍຢູ່ທົ່ວລຳດັບ. ສຳລັບນັກຄົ້ນຄວ້າ, ການຕີຄວາມໝາຍໂດຍກົງຂອງນິວຄລີໂອໄທດ໌ຫຼາຍພັນຊະນິດ ແລະ ການຄາດຄະເນຜົນກະທົບຂອງການລວມກັນຂອງພວກມັນແມ່ນບັນຫາການລວມກັນທີ່ໃຫຍ່ຫຼວງ. ຮູບແບບຈີໂນມພະຍາຍາມຮຽນຮູ້ຄວາມເປັນປົກກະຕິເຫຼົ່ານີ້ຢ່າງຊັດເຈນ, ໂດຍໃຊ້ລຳດັບທຳມະຊາດຈຳນວນຫຼວງຫຼາຍເປັນເອກະສານການຝຶກອົບຮົມ.
Evo 2 ໄດ້ຖືກເປີດເຜີຍໃນເບື້ອງຕົ້ນໃນປີ 2025 ແລະ ຜົນງານທີ່ອະທິບາຍເຖິງສະຖາປັດຕະຍະກຳ ແລະ ຄວາມສາມາດຂອງມັນໄດ້ຖືກເຜີຍແຜ່ໃນ ທຳມະຊາດ ໃນວັນທີ 4 ມີນາ 2026ຮູບແບບດັ່ງກ່າວໄດ້ຖືກພັດທະນາຂຶ້ນໂດຍຜ່ານການຮ່ວມມືທີ່ກ່ຽວຂ້ອງກັບ ສະຖາບັນ Arc, ມະຫາວິທະຍາໄລສະແຕນຟອດ, ມະຫາວິທະຍາໄລຄາລິຟໍເນຍ ເບີກລີ, ມະຫາວິທະຍາໄລຄາລິຟໍເນຍ ຊານຟຣານຊິສໂກ, NVIDIA ແລະກຸ່ມຄົ້ນຄວ້າອື່ນໆ. ການຝຶກອົບຮົມກ່ຽວກັບ DNA ຈາກເຊື້ອແບັກທີເຣັຍ, ອາເຄຍ, ຟາກ, ພືດ, ສັດ ແລະ ມະນຸດຊ່ວຍໃຫ້ມັນສາມາດແກ້ໄຂບັນຫາທີ່ແຕກຕ່າງກັນຫຼາຍໂດຍບໍ່ຕ້ອງສ້າງໃໝ່ສຳລັບແຕ່ລະອັນ.
ຢ່າງໃດກໍຕາມ, ການອອກແບບຂອງຟາຈ (Page) ສະເໜີການທົດສອບທີ່ເຂັ້ມງວດກວ່າການຄາດຄະເນດ້ວຍການຄິດໄລ່. ຖ້າຮູບແບບໃດໜຶ່ງກຳນົດຜົນກະທົບຕໍ່ການກາຍພັນຢ່າງຖືກຕ້ອງ, ປະສິດທິພາບຂອງມັນສາມາດຖືກວັດແທກໄດ້ໂດຍການປຽບທຽບມັນກັບຂໍ້ມູນທີ່ມີຢູ່. ໃນກໍລະນີຂອງ ຈີໂນມທີ່ບໍ່ເຄີຍມີມາກ່ອນ, ລຳດັບທີ່ສ້າງຂຶ້ນຕ້ອງໄດ້ຮັບການປ່ຽນເປັນສານຊີວະພາບ ແລະ ຕ້ອງໄດ້ຮັບການເລືອກທີ່ແນ່ນອນທີ່ສຸດເທົ່າທີ່ຈະເປັນໄປໄດ້: ເຮັດວຽກ ຫຼື ບໍ່.
ໃນຂົງເຂດນີ້, ຂໍ້ຈຳກັດກໍ່ເກີດຂຶ້ນເຊັ່ນກັນ. ການສຶກສາເອກະລາດທີ່ຈັດພິມໃນປີ 2026 ໄດ້ສະແດງໃຫ້ເຫັນວ່າຮູບແບບພາສາຈີໂນມສາມາດສ້າງລັກສະນະທ້ອງຖິ່ນບາງຢ່າງຂອງລໍາດັບໄດ້ດີໂດຍບໍ່ຕ້ອງຮັກສາຄວາມສັບສົນທັງໝົດໄວ້. ອົງການຈັດຕັ້ງຈີໂນມໄລຍະຍາວດັ່ງນັ້ນ, ຄວາມສາມາດທີ່ສະແດງໃຫ້ເຫັນດ້ວຍ phage ປະມານ 5.400 ເບສຈຶ່ງບໍ່ສາມາດຄາດຄະເນໄດ້ໂດຍອັດຕະໂນມັດໄປສູ່ຈີໂນມທີ່ໃຫຍ່ກວ່າ, ດ້ວຍສະຖາປັດຕະຍະກຳ ແລະ ລະບົບການຄວບຄຸມທີ່ສັບສົນກວ່າ.
ການເຂົ້າເຖິງແບບເປີດກວ້າງນຳເອົາຄວາມປອດໄພທາງຊີວະພາບ ແລະ ການຄວບຄຸມກັບຄືນສູ່ແຖວໜ້າ
Evo 2 ຖືກແຈກຢາຍເປັນຮຸ່ນ Open source ແລະ ສາມາດໃຊ້ໄດ້ໂດຍບໍ່ເສຍຄ່າໂດຍຊຸມຊົນວິທະຍາສາດ. ການເປີດກວ້າງສົ່ງເສີມຄວາມສາມາດໃນການຜະລິດຊ້ຳ, ການພັດທະນາເຄື່ອງມືໃໝ່ ແລະ ການກວດສອບເອກະລາດ, ແຕ່ຄວາມເປັນໄປໄດ້ຂອງການສ້າງລຳດັບທາງຊີວະພາບຍັງນຳສະເໜີຄຳຖາມກ່ຽວກັບ ຄວາມປອດໄພທາງຊີວະພາບ ແລະ ຄວາມປອດໄພທາງຊີວະພາບ ເຊິ່ງເພີ່ມຂຶ້ນພ້ອມກັບຄວາມສາມາດຂອງຮູບແບບຕ່າງໆ.
ທ່ານ Hie ຍອມຮັບວ່າເຄື່ອງມືລຸ້ນທີ່ຖືກດັດແປງອາດຈະຖືກນຳໃຊ້ໃນທາງທີ່ຜິດ, ແຕ່ໂຕ້ຖຽງວ່າ AI ຍັງສາມາດສະໜອງການປ້ອງກັນໃໝ່ຕໍ່ກັບເຊື້ອພະຍາດຕາມທຳມະຊາດ ແລະ ໄພຂົ່ມຂູ່ທາງຊີວະພາບທີ່ມະນຸດສ້າງຂຶ້ນ. ບໍ່ເຫມືອນກັບວິວັດທະນາການຕາມທຳມະຊາດ, ນັກຄົ້ນຄວ້າສັງເກດເຫັນວ່າລະບົບການຄິດໄລ່ຍັງສາມາດຖືກອອກແບບດ້ວຍການຄວບຄຸມ ແລະ ຂໍ້ຈຳກັດໃນຕົວໄດ້.
ຈຸດດັ່ງກ່າວຈະມີຄວາມກ່ຽວຂ້ອງເພີ່ມຂຶ້ນເລື້ອຍໆ ເມື່ອຄົນລຸ້ນຫຼັງປ່ຽນຈາກຊ່ວງເວລາສັ້ນໆໄປສູ່ ຈີໂນມທີ່ສົມບູນ ແລະ ເຮັດວຽກໄດ້ການທົດລອງຂອງ Stanford ຍັງຄົງຖືກຈຳກັດໂດຍເຈດຕະນາຕໍ່ລະບົບໄວຣັດທີ່ຂ້ອນຂ້າງງ່າຍດາຍ ແລະ ການທົດສອບ bacteriophages ຕໍ່ກັບ E. coliຢ່າງໃດກໍຕາມ, ຄວາມສາມາດດ້ານວິຊາການທີ່ສະແດງໃຫ້ເຫັນໄດ້ປ່ຽນການສົນທະນາຈາກຄວາມເປັນໄປໄດ້ທາງທິດສະດີຂອງການສ້າງ DNA ທີ່ເປັນໄປໄດ້ໄປສູ່ການຄຸ້ມຄອງທີ່ເປັນຮູບປະທຳຂອງລໍາດັບທີ່ສາມາດສັງເຄາະໄດ້ ແລະ ມີການເຄື່ອນໄຫວທາງຊີວະພາບ.
Hie ກຳລັງເຮັດວຽກຮ່ວມກັບນັກຄົ້ນຄວ້າຄົນອື່ນໆເພື່ອຂະຫຍາຍວິທີການໄປສູ່ bacteriophages ໃໝ່ ແລະ ລຳດັບ DNA ທີ່ຍາວກວ່າ ແລະ ຊັບຊ້ອນກວ່າເປົ້າໝາຍການຄົ້ນຄວ້າລວມມີຈີໂນມຂອງເຊື້ອແບັກທີເຣຍຂະໜາດນ້ອຍ ແລະ ອາດຈະມີຈຸລິນຊີທີ່ຖືກອອກແບບມາເພື່ອຜະລິດສານເຄມີ, ຢາ ຫຼື ເຊື້ອໄຟ. ສິ່ງເຫຼົ່ານີ້ແມ່ນຄວາມເປັນໄປໄດ້ທີ່ຍັງບໍ່ທັນໄດ້ສະແດງໃຫ້ເຫັນໃນການທົດລອງ, ບໍ່ແມ່ນການນຳໃຊ້ທີ່ພ້ອມໃຊ້.
"ຄຳຖາມທີ່ໃຫຍ່ທີ່ສຸດສຳລັບຂ້ອຍແມ່ນວິທີການບັນລຸຄວາມແປກໃໝ່ທາງພັນທຸກໍາທີ່ຍິ່ງໃຫຍ່ກວ່າເກົ່າ ແລະ ວິທີການບັນລຸການຄວບຄຸມຜົນໄດ້ຮັບທີ່ດີກວ່າ,"
ແຕ້ມຮູບໂດຍ Brian Hie.
ມັນແມ່ນກ່ຽວກັບສອງບັນຫານີ້ທີ່ຂັ້ນຕອນຕໍ່ໄປໄດ້ຖືກວັດແທກໃນປັດຈຸບັນ: ບໍ່ພຽງແຕ່ສ້າງລໍາດັບທີ່ເຮັດວຽກໄດ້, ແຕ່ຍັງສ້າງຕັ້ງ ພວກມັນສາມາດຫ່າງອອກໄປຈາກຊີວະວິທະຍາທີ່ຮູ້ຈັກໄດ້ໄກປານໃດໂດຍບໍ່ສູນເສຍໜ້າທີ່ ແລະ ມັນເປັນໄປໄດ້ຢ່າງແນ່ນອນແນວໃດທີ່ຈະຄາດຄະເນພຶດຕິກຳຂອງພວກມັນລ່ວງໜ້າ. ໃນ bacteriophages ສິບຫົກອັນທີ່ຖືກຄັດເລືອກ, ຄຳຕອບມາຈາກຫ້ອງທົດລອງ. ສຳລັບຈີໂນມທີ່ໃຫຍ່ກວ່າ ແລະ ລະບົບຊີວະວິທະຍາທີ່ສັບສົນກວ່າ, ການຢັ້ງຢືນຍັງຕ້ອງໄດ້ເຮັດ.
Evo 2 ແມ່ນ AI ທີ່ສ້າງສັນຂອງມະຫາວິທະຍາໄລ Stanford ສຳລັບການສຶກສາ DNA
ນີ້ແມ່ນຄວາມເຂົ້າໃຈສາມຢ່າງທີ່ທ່ານອາດຈະສົນໃຈ:
ການສ້ອມແປງພັນທຸກໍາທີ່ມີປະສິດທິພາບຫຼາຍຂຶ້ນດ້ວຍ Artificial Intelligence
ຊີວະສາດ, ວິທະຍາສາດຄອມພິວເຕີ ແລະ ວິສະວະກຳ ໄດ້ມາລວມຕົວກັນທີ່ເມືອງ Basel
GeneSys Bio ແລະຂອບເຂດໃໝ່ຂອງການວິນິດໄສໂມເລກຸນ
