Sự mô phỏng mà ESM3 thực hiện bao gồm sự thay đổi về trình tự, cấu trúc và chức năng của các protein thông qua hàng tỷ năm chọn lọc tự nhiên và thích nghi. Kết quả là sự ra đời của một loại protein phát quang xanh tổng hợp, esmGFP, có trình tự gen tương đồng 58% với họ hàng gần nhất của nó trong thế giới thực, được tìm thấy ở các sinh vật phát quang sinh học như sứa và san hô. Sự tương đồng này cho thấy rằng protein này sẽ cần khoảng 500 triệu năm để tiến hóa một cách tự nhiên. Điều này cho thấy cách mà ESM3 đã nén dòng thời gian tiến hóa khổng lồ thành một khuôn khổ tính toán để khám phá những khả năng mới trong thiết kế protein mà tự nhiên có thể chưa từng đạt được.
Ứng Dụng và Ý Nghĩa
Khả năng của ESM3 trong việc mô phỏng các quy mô thời gian tiến hóa rộng lớn như vậy nhấn mạnh tiềm năng của nó trong việc khám phá các câu hỏi cơ bản về sinh học. Một ví dụ cụ thể là các nhà khoa học vẫn luôn tranh luận về đặc tính tiến hoá của sinh vật: ngẫu nhiên (contingency) hay đoán định được (deterministic). Việc tạo ra esmGFP tương đồng 58% với họ hàng gần nhất ủng hộ quan điểm tất định, vì nó cho thấy cách mà các kết quả tiến hóa cụ thể có thể được suy luận thông qua tính toán.
ESM3 dựa trên tập dữ liệu lớn để mô phỏng tiến hoá
Bên cạnh đó, mô hình ESM3 có ý nghĩa rất lớn đối với khoa học và công nghệ. Nó cho phép các nhà nghiên cứu thiết kế protein với các đặc tính cụ thể cho nhiều ứng dụng khác nhau, chẳng hạn như xử lý môi trường, y học và năng lượng sạch. Ví dụ, mô hình này có thể tạo ra các enzyme có khả năng phân hủy rác thải nhựa hoặc các protein có chức năng điều trị vượt trội. Bằng cách làm cho sinh học trở nên lập trình được, ESM3 mở ra những cánh cửa mới trong sinh học tổng hợp và kỹ thuật sinh học.
Một trong những khía cạnh quan trọng nhất của ESM3 là khả năng tiếp cận của nó. Mô hình này được mở cho cộng đồng khoa học toàn cầu, cho phép các nhà nghiên cứu trên khắp thế giới tận dụng khả năng của nó. Việc dân chủ hóa các công cụ AI tiên tiến như vậy có thể đẩy nhanh những khám phá trong nhiều lĩnh vực từ sinh học tiến hóa đến công nghệ sinh học công nghiệp.
Tương lai của trí tuệ nhân tạo trong sinh học
Alexander Rives, đồng sáng lập kiêm nhà khoa học trưởng tại EvolutionaryScale, hình dung một tương lai nơi trí tuệ nhân tạo trở thành công cụ nền tảng để thiết kế các hệ thống sinh học từ cơ bản, giống như cách các kỹ sư thiết kế ra hệ thống máy móc hay viết mã lệnh. ESM3 là một bước tiến lớn tới tầm nhìn này bằng cách tích hợp chuỗi dữ liệu, cấu trúc và chức năng vào một khung sinh tổng hợp duy nhất.
Loading...
