AI v biológii

Alphabet, materská spoločnosť Googlu, a Meta Platforms významne investovali do výskumu biológie umelej inteligencie (AI) prostredníctvom spoločného financovania iniciatívy Biohub Virtual Biology Initiative. Cieľom iniciatívy je vyvinúť presné prediktívne modely správania buniek na základe údajov z experimentov vykonaných v rôznych podmienkach.

Spoločný príspevok 300 miliónov dolárov od oddelenia Alphabet na objavovanie liekov Isomorphic Labs, Google DeepMind a Meta bude použitý na podporu vývoja AI modelov, ktoré dokážu predpovedať, ako bunky reagujú v rôznych situáciách. Toto je súčasť väčšieho úsilia vedeného Biohubom, ktorý už prijal záväzky v celkovej hodnote 1,8 miliardy dolárov.

Iniciatíva Virtuálna biológia zahŕňa meranie bunkových odpovedí v rôznych podmienkach pomocou pokročilých technológií, ako sú algoritmy strojového učenia a vysokovýkonné výpočty. Zozbierané údaje budú použité na trénovanie AI modelov, ktoré dokážu presne predpovedať, ako sa bunky správajú v rôznych scenároch.

Vedúci vedeckého oddelenia Biohubu, Alex Rives, vysvetlil dôvody ročného embarga na komerčne financované dátové súbory: ‘Musíme mať nejakú motiváciu pre komerčných hráčov, aby sa do toho zapojili, a obdobie embarga to vytvára.’ To znamená, že spoločnosti zapojené do iniciatívy získajú prístup k dátam ešte pred ich zverejnením.

Rozdelenie financovania ukazuje, že Biohub sa zaviazal na 500 miliónov dolárov, zatiaľ čo Ministerstvo energetiky USA a Národné inštitúty zdravia tiež prisľúbili významné sumy: viac ako 500 miliónov každý za päť rokov. Kombinovaná investícia od Google DeepMind, Isomorphic Labs a Meta dosahuje 300 miliónov dolárov.

Stojí za zmienku, že táto investícia je relatívne malá v porovnaní s celkovými výskumnými rozpočtami Alphabet a Meta. Len v roku 2025 Alphabet minul ohromujúcich 91,45 miliardy dolárov na kapitálové výdavky (capex), zatiaľ čo Meta investoval 69,69 miliardy dolárov do kapitálových výdavkov. Obe spoločnosti výrazne zvýšili svoje výdavky na výskum a vývoj od roku 2021.

Celkové výdavky Alphabetu na výskum a vývoj za posledných 12 mesiacov dosiahli 68,97 miliardy dolárov, pričom Meta nasleduje tesne za ním s 71,63 miliardy dolárov. Spoločne minuli v roku 2025 na výskum a vývoj neuveriteľných 140,6 miliardy dolárov. Pre predstavu, ich kombinovaný denný rozpočet na výskum a vývoj je približne 385 miliónov dolárov.

Isomorphic Labs, jednotka na objavovanie liekov spoločnosti Alphabet, by mohla z iniciatívy Virtual Biology najviac profitovať vďaka svojmu zameraniu na vývoj AI modelov na predpovedanie správania buniek. Spoločnosť už nadviazala partnerstvá s farmaceutickými gigantmi Eli Lilly a Novartis a začiatkom tohto roka získala ďalších 600 miliónov dolárov od externých investorov.

Skutočná hodnota skorého prístupu zúčastnených spoločností k dátam nespočíva len v samotných dátových súboroch, ale aj v čase, ktorý získajú, kým sa tieto súbory stanú verejnými. Tento náskok im umožňuje efektívnejšie trénovať AI modely a potenciálne vyvíjať nové liečby alebo produkty skôr.

Nový vývoj od Google DeepMind má za cieľ revolučne zmeniť oblasť dizajnu proteínov. Spoločnosť vytvorila spôsob, ako vodoznakovať proteíny generované umelou inteligenciou (AI) už počas samotného návrhového procesu. Táto inovácia by mohla pomôcť vedcom sledovať pôvod týchto štruktúr a predchádzať ich zneužitiu.

V posledných rokoch sa generatívne AI modely stali nevyhnutným nástrojom pre výskumníkov, ktorí navrhujú nové proteínové štruktúry so špecifickými vlastnosťami alebo funkciami. Napríklad pomocou týchto nástrojov je možné vytvoriť proteíny inšpirované svalmi, ktoré sú silnejšie ako ich prirodzené náprotivky. Avšak s rastúcim počtom AI generovaných proteínových štruktúr – najmä odkedy Google DeepMindov AlphaFold získal Nobelovu cenu za chémiu v roku 2024 – rastie potreba sledovať ich pôvod.

Jednou z výziev, ktorým vedci čelia pri práci s proteínmi generovanými AI, je udržať svoje zistenia v tajnosti, ak ich chcú patentovať. Vytvorenie centralizovanej databázy na ukladanie týchto štruktúr by mohlo pomôcť, ale zároveň by to sťažilo výskumníkom zachovanie dôvernosti. Pridanie metadát na popis návrhu proteínu sa dá ľahko odstrániť, čo toto riešenie robí nepraktickým.

Google DeepMind zvolil iný prístup a vyvinul modely, ktoré označujú proteíny počas ich navrhovania. Jeden z ich nových modelov pridáva do cieľovej sekvencie proteínov malú sekvenciu viažucu na proteíny, ktorú potom možno detegovať. Výskumníci porovnali sekvencie známych proteínov – ako je receptor Sars-Cov-2 – s ekvivalentom vodoznaku a zistili, že vodoznakovanie má veľmi malý vplyv na silu interakcií s inými proteínmi.

Tím tiež nadviazal na najnovšiu verziu AlphaFold a vyvinul nový model, ktorý označuje štruktúry proteínov vodoznakmi. Tento model odhalil, že v štruktúrach dochádza k malým zmenám dĺžky a uhlov väzieb, čo naznačuje, že vodoznakovanie neohrozuje ich integritu. Výskumníci veria, že táto inovácia pomôže zachovať vedeckú integritu tým, že sťaží ostatným meniť štruktúru proteínu po jeho navrhnutí.

Ďalším problémom, ktorý tento vývoj rieši, je potenciálne zneužitie generatívnych AI nástrojov na vytváranie biologických agentov, ktoré by mohli spôsobiť škodu. Označením proteínov podľa ich pôvodu môžu vedci zabrániť neoprávneným úpravám a zabezpečiť zodpovednosť vo výskume.

Významný prelom v syntetickej biológii a biosekurite poháňanej umelou inteligenciou dosiahla Google DeepMind, AI laboratórium technologického giganta. Spoločnosť vyvinula novú metódu na vodoznakovanie proteínov navrhnutých AI, čím zabezpečuje trvalý dôkaz pôvodu priamo v biologickom kóde. Táto inovácia je možná vďaka SynthID Bio, technológii dôkazu konceptu publikovanej v časopise Nature.

Tento vývoj prichádza v čase, keď sa rýchlo posúvajú pokroky v biologickom strojovom učení. Systémy ako AlphaFold 3 a ProteinMPNN umožňujú vedcom predpovedať zložité vzory skladania a navrhovať funkčné spojovacie nástroje s bezprecedentnou presnosťou. Tieto generatívne schopnosti však zároveň zvýšili globálne riziká biosekurity. Neznáme, strojovo generované sekvencie môžu prejsť cez konvenčné filtre na syntézu génov, zatiaľ čo neoverené syntetické štrukturálne dáta môžu kontaminovať vedecké repozitáre s otvoreným prístupom.

Demis Hassabis, hlavný vedec pre AI v Google DeepMind, zdôraznil dôležitosť ochrany pred biologickým zneužitím v ére pohraničnej AI: “Biobezpečnosť je jednou z najnaliehavejších výziev éry AI.” Zdôraznil, že zavedenie SynthID do biológie, aby mohli byť proteíny generované AI vodoznakované, je kľúčovým krokom, a spoločnosť sprístupnila nástroje SynthID Bio pre výskumnú komunitu, aby na túto prácu mohla stavať.

Pushmeet Kohli, viceprezident pre vedu v Google DeepMind a hlavný vedec v Google Cloud, oslávil praktickú syntézu týchto molekúl: “S veľkou radosťou oznamujeme, že náš tím posunul hranice generatívnej biológie a dosiahol úspešnú syntézu proteínov navrhnutých AI, ktoré sú funkčné a zároveň označené vodoznakmi.”

Metóda SynthID Bio funguje ako modulárna sada nástrojov prispôsobená dvom hlavným dimenziám štrukturálnej biológie. Jemne riadi výber stavebných blokov aminokyselín počas generovania sekvencie prostredníctvom svojej “sekvenčnej” zložky, známej ako SynthIDBio-sekvencia. Pri laboratórnej validácii vykazovali vodoznakované proteínové viazacie navrhnuté pomocou AlphaProteo a prispôsobená verzia ProteinMPNN väzbové afinity porovnateľné s neoznačenými variantmi.

Metóda tiež využíva jemne doladenú iteráciu AlphaFold 3, ktorá vkladá neviditeľný matematický vodoznak cez atómové súradnicové polia cez jeho “štruktúrnu” zložku, SynthIDBio-štruktúru. To ponecháva spoľahlivý detekčný signál bez deformácie molekulárnej konformácie. Podpis pretrváva aj za digitálnym plánom: zostáva plne detegovateľný na fyzickom, syntetizovanom proteíne po výrobe v mokrom laboratóriu.

Vývoj SynthID Bio predstavuje významný krok v ochrane novej éry generatívnej biológie poháňanej umelou inteligenciou a posilnení globálnej biobezpečnosti. Umožnením označovania proteínov generovaných AI môžu vedci teraz overiť ich pôvod a pravosť, čím sa znižuje riziko kontaminácie alebo zneužitia.

Bol vyvinutý nový nástroj na riešenie rastúcich obáv o biosekuritu v syntetickej biológii. SynthID Bio, rodina metód vodoznakovania, je navrhnutá na posilnenie biosekurity a vedeckej integrity vložením nepostrehnuteľného podpisu priamo do biologického kódu. Tento prístup zabezpečuje, že vodoznaky sú overiteľné nielen na digitálnych modeloch, ale aj na samotných syntetických fyzikálnych proteínoch – pričom zachováva ich biologickú funkciu v laboratórnych testoch.

SynthID Bio nadväzuje na úspech SynthID, overeného nástroja na vodoznakovanie vyvinutého spoločnosťou Google DeepMind. Nová metóda prispôsobuje svoj prístup podľa typu dát, jemne usmerňuje výber aminokyselín pre sekvencie a upravuje atómové súradnice pre predpokladané 3D štruktúry, aby vytvorila spoľahlivý signál na detekciu.

V experimentoch tieto úpravy neohrozili biologickú funkciu proteínu, ktorá je nevyhnutná pre efektívnu liečbu chorôb a pokrok vo vedeckom výskume. Výskumníci overili svoj prístup použitím AlphaProteo, metódy návrhu spojiva, spolu s verziou ProteinMPNN podporovanou SynthID Bio, bežne používanou metódou generovania proteínových sekvencií.

Tím testoval dizajny s vodoznakmi na troch cieľových proteínoch – VEGF-A, SARS-CoV-2 spike proteíne RBD a PD-L1. Výsledky ukázali, že dizajny s vodoznakom zodpovedali úspešnosti, väzbovej afinite a prirodzenej sekvenčnej rozmanitosti verzií bez vodoznaku, čím sa úspešne vytvorili prvé vodoznakované a biologicky funkčné viazacie proteínov.

SynthID Bio tiež dolaďuje malú časť difúznej siete AlphaFold 3, aby umožnila priamo do váh modelu vkladať vodoznak. To zabezpečuje, že predpovedané 3D súradnice majú inherentne detegovateľný podpis bez ohľadu na to, kto model spustil, čím sa zachováva presnosť predikcie AlphaFold 3 a zároveň sa ponúka takmer dokonalá detekovateľnosť.

Biobezpečnosť sa spolieha na vrstvené obrany – predstavte si to ako model obrany typu “švajčiarsky syr”, kde viaceré nezávislé bezpečnostné opatrenia spolupracujú na pokrytí slepých miest ostatných. SynthID Bio slúži ako dôležitá overovacia vrstva zabudovaná priamo v biologickom dizajne, spája návrhy s vývojárom modelu a dáva vývojárom možnosť viesť bezpečnosť.

SynthID Bio môže byť tiež spárovaný s prístupmi k metadátam o pôvode alebo s centrálnymi úložiskami biologických dát generovaných AI, aby sa lepšie identifikovali a sledovali proteíny generované AI. Tím skúma, ako aplikovať vodoznakovanie na zložitejšie biologické objekty, ako sú genómy, v rámci prebiehajúcej práce s laboratóriom Hie na Stanfordovej univerzite a Arc Institute.

Rozšírenie tejto práce o vodoznakovanie DNA bakteriofágov je výsledkom spolupráce medzi Google DeepMind a laboratóriom Hie na Stanforde a Arc Institute. Kľúčové príspevky poskytli Jeremy Ratcliff, Aleks Petrov, Alexander I. Cowen-Rivers, David Stutz, Elisa L. H. Wong, Victor Martin Palacios, Francesca Pietra, Alfred Piccioni, Tristan Oliver Kwan, Tor Lattimore, Sumanth Dathathri a Pushmeet Kohli z Google DeepMind.

SynthID Bio má potenciál riešiť niektoré biobezpečnostné riziká spojené s návrhom genómu. Tím sa zaviazal k zodpovedným inováciám a sprístupneniu kódu a in vitro dát, pričom váhy zverejňuje výskumnej komunite, aby mohli na tejto práci stavať.

Vývoj SynthID Bio iniciovala spoločnosť Pushmeet Kohli, ktorú viedli Alexander I. Cowen-Rivers a David Stutz, s kľúčovými inžinierskymi a výskumnými príspevkami Guillermo Ortiz-Jimenez, Jeremy Ratcliff, Vinicius Zambaldi, Lindsay Willmore, Josh Abramson, Harshnira Patani, Christina Kouridi, Florian Stimberg, Mel Vecerik, Alex Chu, Sukhdeep Singh, Sumanth Dathathri, Eliseo Papa, Valentin De Bortoli, Arnaud Doucet, Jue Wang a Sven Gowal.

SynthID Bio môže pomôcť udržiavať integritu databáz, ako sú Protein Data Bank, UniProt a GenBank. Tieto databázy zohrávajú zásadnú úlohu vo vedeckom pokroku, no nesprávne označené záznamy môžu mať neprimerane negatívny vplyv na rozhodovanie o biobezpečnosti.

Tím tiež skúma, ako aplikovať vodoznakovanie na zložitejšie biologické objekty, ako sú genómy, v rámci prebiehajúcej práce s laboratóriom Hie na Stanfordovej univerzite a Arc Institute. Táto spolupráca má potenciál riešiť niektoré biobezpečnostné riziká spojené s návrhom genómu.

SynthID Bio môže poskytnúť automatizovaný overovací signál, ktorý dokazuje, že objednávka pochádza z dôveryhodného modelu s integrovanými ochrannými opatreniami. To je obzvlášť dôležité pri skríningu syntézy DNA, ktorá je v prvej línii biobezpečnosti. Konverzia digitálnych dizajnov proteínov na fyzikálne molekuly si vyžaduje objednanie u poskytovateľov syntézy DNA, ktorí preverujú požiadavky na databázy známych hrozieb.

SynthID Bio môže pomôcť zefektívniť skríning tým, že poskytuje automatizovaný overovací signál, ktorý dokazuje, že objednávka pochádza z dôveryhodného modelu s integrovanými ochrannými opatreniami. To je obzvlášť dôležité pre spoločnosti zaoberajúce sa syntézou DNA, ktoré zohrávajú dôležitú úlohu pri zodpovednom škálovaní inovácií poháňaných AI.

Vývoj SynthID Bio má potenciál riešiť niektoré biobezpečnostné riziká spojené s návrhom genómu a syntetickou biológiou. Tím sa zaviazal k zodpovedným inováciám a sprístupneniu kódu a in vitro dát, pričom váhy zverejňuje výskumnej komunite, aby mohla na tejto práci stavať.