Обожнюю цей проект!! Вітаємо @samuelhking, @pdhsu та екіпаж @arcinstitute! Мої 2 копійки: Штучний інтелект, який використовується для біологічного дизайну, найкраще розглядати як перекладача.  Дозволяючи нам говорити англійською та перекладати це в ДНК і навпаки.  Ми не знаємо, як сконструювати фаг з частин, але Evo 1/2 були навчені шляхом «зчитування» понад 2 мільйонів геномів фагів з природи, і таким чином вони навчилися «говорити» ДНК фага.  Тож тоді ми можемо попросити його згенерувати один – так само, як ви можете попросити ChatGPT згенерувати для вас вірш китайською мовою, навіть якщо ви самі його не вимовляєте. Ми вже навчали моделі штучного інтелекту на мові білків за допомогою таких моделей, як Alphafold і ESM, і це добре спрацювало - ця стаття показує, що ми можемо зробити це на більш високому рівні складності.  Ця модель штучного інтелекту говорить про геноми кількох генів фагів, а не лише про окремі гени.  Дуже захоплююча демонстрація, і робота чудово доводить це, фактично виготовляючи та тестуючи розроблені фаги. Вони працюють! На мою думку, є дві речі, які є очевидними майбутніми напрямками і які в кінцевому підсумку будуть успішними: (1) Модель повинна бути перенавчена на основі того, що вона дізнається про фаги, які були розроблені, щоб вона могла краще розуміти, що просить людина, і переводити це в ДНК.  Це «навчання з підкріпленням» схоже на те, як Google навчив моделі штучного інтелекту грати в шахи – ви дозволяєте моделі грати в гру, а потім розповідаєте їй, виграла вона чи програла.  Тут ви дозволите моделі спроектувати мільйони фагів, створити їх у лабораторії, а потім розповісти їй про ефективність різних конструкцій. (2) Ми повинні подивитися, чи можуть моделі, навчені на мільйонах бактеріальних геномів, дозволити нам побудувати цілу бактеріальну клітину, розроблену штучним інтелектом, подібну до тієї, що було зроблено тут для фага. Це покаже, чи зможемо ми перейти від перекладу англійського запиту до книги ДНК (500 000 літер ДНК для найпростіших бактерій), а не до вірша ДНК фага (5 000 літер ДНК у фазі).  Це була б наукова віха національного масштабу, оскільки клітини є будівельними блоками всього життя, і США повинні переконатися, що ми дістаємося до цього першими. Для того, щоб зробити обидва завдання (1) і (2), нам потрібне різке підвищення ефективності проведення фактичної вологої лабораторної біології, необхідної для побудови ДНК і перевірки продуктивності організмів.  Показово, що вони побудували лише 302 конструкції фагів і протестували 16 конструкцій – це тому, що робота в мокрій лабораторії занадто повільна і дорога.  Відповіддю на це є автоматизація лабораторій – я був радий бачити, що NSF інвестує 100 мільйонів доларів у автоматизовані хмарні лабораторії, керовані штучним інтелектом, та інші зусилля, які зроблять наукову інфраструктуру США більш ефективною та промисловою.  У плані дій Білого дому щодо штучного інтелекту також наголошується на необхідності цих «хмарних лабораторій». Знову ж таки, приголомшлива робота !!