Fabryki biologiczne w chmurze. Sztuczna inteligencja przejmuje projektowanie cząsteczek
W dawnej fabryce ciastek (sic!) w południowym Londynie nie widać mikrobiologów pochylonych nad pipetami. Co jest zamiast nich?
Zamiast tego zrobotyzowane stacje laboratoryjne wykonują setki prób jednocześnie, a strukturę kolejnych cząsteczek generuje model uczenia maszynowego. Połączenie algorytmów ze zautomatyzowanymi laboratoriami – zwanymi biofoundries – przekształca biotechnologię w proces zbliżony do inżynierii oprogramowania, skracając iteracje badawcze z lat do miesięcy.
Nieludzka geometria i zautomatyzowany cykl badawczy
Podstawą pracy nowoczesnych biofoundries jest pętla DBTL (Design, Build, Test, Learn). Dotychczas każdy z tych etapów wymagał miesięcy manualnej pracy laboratoryjnej. Dziś maszyny automatycznie wprowadzają zmodyfikowane sekwencje DNA do organizmów modelowych (takich jak bakterie Escherichia coli czy drożdże), a algorytmy analizują uzyskane wyniki i natychmiast projektują warianty do kolejnego cyklu.
Zastosowanie sztucznej inteligencji na etapie projektowania usuwa ograniczenia ludzkiej intuicji chemicznej:
- Analiza wielowymiarowa: modele biorą pod uwagę jednocześnie geometrię łańcuchów, rozkład ładunków elektrostatycznych i fizyczną wykonalność syntezy.
- Nietypowe struktury: projektowane cząsteczki często odbiegają od klasycznych schematów znanych z akademickich podręczników, zachowując wysoką selektywność.
- Precyzyjne celowanie: przykładem jest cząsteczka LGTX-101 opracowywana przez LabGenius – przeciwciało wiążące się z białkiem Nectin-4 w trzech punktach naraz, co w testach laboratoryjnych pozwoliło atakować komórki nowotworowe bez uszkadzania zdrowych tkanek.
Projekt znajduje się obecnie na etapie badań przedklinicznych, a pierwsze testy z udziałem pacjentów zaplanowano na 2027 rok.
Biologia jako usługa w chmurze
Automatyzacja zmienia również model ekonomiczny badań biotechnologicznych. Utrzymanie zaawansowanego laboratorium wymaga wielomilionowych nakładów kapitałowych, na które stać nieliczne koncerny i uczelnie. Odpowiedzią stają się laboratoria chmurowe, rozwijane m.in. przez amerykańską firmę Ginkgo Bioworks.
W ramach usługi Cloud Lab naukowcy mogą zlecić wykonanie eksperymentu za pośrednictwem asystenta AI:
- Użytkownik opisuje cel badania w języku naturalnym.
- System automatycznie weryfikuje wykonalność procedury i generuje kosztorys.
- Po akceptacji ponad 100 zrobotyzowanych urządzeń w centrum badawczym przeprowadza syntezę i testy bez udziału człowieka.
- Zleceniodawca otrzymuje surowe dane pomiarowe do dalszej analizy.
Model ten obniża próg wejścia dla mniejszych ośrodków badawczych, ale jednocześnie rodzi istotne pytania o weryfikację użytkowników i kontrolę nad syntezą substancji niebezpiecznych.
Bałagan w danych i wyzwania bezpieczeństwa
Mimo dynamicznego rozwoju technologii, sektor mierzy się z barierami infrastrukturalnymi. Największą z nich jest brak jednolitych standardów zapisu danych biologicznych. Bazy genomów roślin i mikroorganizmów są rozproszone, niespójne formatowo i często niekompletne. Konsorcja naukowe w Wielkiej Brytanii i Stanach Zjednoczonych dopiero tworzą uniwersalną nomenklaturę, która pozwoli algorytmom na pełną interoperacyjność między różnymi ośrodkami.
Drugim wyzwaniem pozostaje bezpieczeństwo biologiczne (biosecurity). Zdalny dostęp do zautomatyzowanych fabryk syntetycznych z poziomu interfejsów sieciowych stwarza ryzyko nadużyć, prób obejścia filtrów bezpieczeństwa czy potencjalnych cyberataków na infrastrukturę laboratoryjną. Organizacje międzynarodowe, w tym komitety bioetyczne UNESCO, wskazują na pilną potrzebę stworzenia globalnych ram prawnych, zanim technologia programowania komórek stanie się powszechnie dostępna.
