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 w tej chwili 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.
Natura od dawna znała sposób na superbakterie. Odkrycie potężnego klastra genów zmieni produkcję antybiotyków
Jeśli artykuł Fabryki biologiczne w chmurze. Sztuczna inteligencja przejmuje projektowanie cząsteczek nie wygląda prawidłowo w Twoim czytniku RSS, to zobacz go na iMagazine.
