在過去的幾十年里，生物學(xué)發(fā)生了巨大的變化，其中很大程度上來源于“基因組革命”，能夠大規(guī)模低成本地讀取細(xì)胞中的遺傳信息。
合成生物學(xué)也受益于基因組革命，此后一系列突破性成果帶來進(jìn)展。
因此，從實(shí)踐的角度來看，合成生物學(xué)（synbio）專注于為特定任務(wù)定制生物系統(tǒng)，例如使細(xì)胞產(chǎn)生一定量的生物燃料或?qū)ν獠坑|發(fā)做出反應(yīng)。
Synbio 從工程學(xué)中汲取靈感，利用其可預(yù)測(cè)的方法來管理復(fù)雜的生物學(xué)。這種方法的關(guān)鍵是使用一致的遺傳成分并遵循四個(gè)步驟：
設(shè)計(jì)：概念化 DNA 序列或細(xì)胞變化以實(shí)現(xiàn)目標(biāo)。
構(gòu)建：將設(shè)計(jì)付諸實(shí)踐，通常是創(chuàng)建 DNA 片段并將其引入細(xì)胞。
測(cè)試：收集和分析數(shù)據(jù)以查看新設(shè)計(jì)是否按預(yù)期運(yùn)行，并記錄任何意外結(jié)果或副作用。
學(xué)習(xí)：使用數(shù)據(jù)來完善和改進(jìn)流程。人工智能可以在這里發(fā)揮作用，幫助指導(dǎo)未來的設(shè)計(jì)并使流程更加高效。
合成生物學(xué)的核心是在 DNA 水平上進(jìn)行改變，以使細(xì)胞產(chǎn)生特定的物質(zhì)或以預(yù)定的方式發(fā)揮作用。對(duì)于DNA層面的編碼行為，AI能夠發(fā)揮重要的作用。
基于 CRISPR 的基因編輯
人工智能在利用 CRISPR-Cas9 技術(shù)增強(qiáng)基因編輯方面發(fā)揮著重要作用。CRISPR-Cas9 是一種強(qiáng)大的基因編輯工具，允許研究人員通過添加、刪除或改變 DNA 序列的部分來對(duì)基因組進(jìn)行精確編輯。
然而，CRISPR-Cas9技術(shù)的挑戰(zhàn)之一是預(yù)測(cè)和最小化脫靶效應(yīng)，脫靶效應(yīng)是與預(yù)期靶位點(diǎn)相似的DNA序列的意外修改。
人工智能可以通過分析大量基因組數(shù)據(jù)來幫助解決這個(gè)問題，以預(yù)測(cè)潛在的脫靶效應(yīng)及其可能性，從而引導(dǎo)研究人員進(jìn)行更準(zhǔn)確、更高效的基因編輯。
機(jī)器學(xué)習(xí)算法可以在基因組序列和 CRISPR-Cas9 切割圖譜的大型數(shù)據(jù)集上進(jìn)行訓(xùn)練，以根據(jù)靶序列和脫靶序列之間的相似性以及染色質(zhì)可及性等其他因素來預(yù)測(cè)脫靶效應(yīng)。
此外，人工智能可以通過分析基因組背景、功能注釋和潛在的脫靶位點(diǎn)，協(xié)助識(shí)別 CRISPR-Cas9 編輯的最佳靶位點(diǎn)。這使得研究人員能夠以最小的脫靶風(fēng)險(xiǎn)和更高的編輯效率來選擇目標(biāo)位點(diǎn)。
人工智能可以為 CRISPR-Cas9 技術(shù)做出貢獻(xiàn)的另一個(gè)方面是引導(dǎo) RNA (gRNA) 設(shè)計(jì)的優(yōu)化。gRNA是CRISPR-Cas9系統(tǒng)中的重要組成部分，負(fù)責(zé)引導(dǎo)Cas9核酸酶到達(dá)目標(biāo)DNA序列。AI算法可用于分析序列特征，預(yù)測(cè)gRNA結(jié)合效率，并針對(duì)特定靶標(biāo)建議最佳gRNA序列，提高整體基因編輯效率和特異性。
在這種背景下，一家有趣的公司是 Synthego，它是 CRISPR 基因組工程解決方案的提供商，利用機(jī)器學(xué)習(xí)算法來分析和預(yù)測(cè)最佳向?qū)?RNA (gRNA) 設(shè)計(jì)，最大限度地減少脫靶效應(yīng)并最大限度地提高編輯效率。
基因序列優(yōu)化
基因序列優(yōu)化利用人工智能算法，特別是機(jī)器學(xué)習(xí)和深度學(xué)習(xí)模型，分析大量遺傳數(shù)據(jù)并確定目標(biāo)生物功能的理想基因序列。通過這樣做，研究人員可以提高效率和穩(wěn)定性來設(shè)計(jì)合成基因。
Benchling是該領(lǐng)域的一家著名公司 ，它為生命科學(xué)研究提供基于云的平臺(tái)，使科學(xué)家能夠使用機(jī)器學(xué)習(xí)算法設(shè)計(jì)、編輯和模擬基因序列。另一個(gè)例子是 ATUM，它使用其專有的 GeneGPS技術(shù)來設(shè)計(jì)針對(duì)在任何宿主生物體中表達(dá)進(jìn)行優(yōu)化的基因。Twist Bioscience 還處于基因序列優(yōu)化的前沿，利用硅基 DNA 合成來生成適合各種應(yīng)用的優(yōu)化的高質(zhì)量基因。
蛋白質(zhì)設(shè)計(jì)
蛋白質(zhì)設(shè)計(jì)和工程利用人工智能根據(jù)氨基酸序列預(yù)測(cè)蛋白質(zhì)的結(jié)構(gòu)和功能，使科學(xué)家能夠創(chuàng)造具有特定特征的創(chuàng)新蛋白質(zhì)。這個(gè)過程可以產(chǎn)生新的酶、療法和生物材料。
該領(lǐng)域的關(guān)鍵參與者是 DeepMind，它是 AlphaFold 背后的公司，這是一個(gè)人工智能系統(tǒng)，可以根據(jù)氨基酸序列準(zhǔn)確預(yù)測(cè)蛋白質(zhì)結(jié)構(gòu)，徹底改變蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)。
華盛頓蛋白質(zhì)研究所的 Rosetta 是另一種用于蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)和設(shè)計(jì)的強(qiáng)大計(jì)算工具，可以創(chuàng)建定制蛋白質(zhì)。此外， Zymergen 采用人工智能驅(qū)動(dòng)的技術(shù)來設(shè)計(jì)和工程新型蛋白質(zhì)，并應(yīng)用于農(nóng)業(yè)、醫(yī)療保健和材料科學(xué)等行業(yè)。
最后，F(xiàn)acebook 和 Instagram 背后的公司 Meta 公布了 ESM 宏基因組圖譜，其中包含超過 6 億個(gè)假定蛋白質(zhì)的結(jié)構(gòu)。
盡管 Meta AI 算法 ESMFold 可能不如 DeepMind 的 AlphaFold 精確，但它擁有更快的處理時(shí)間。這種速度的提高源于該算法的蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)方法，該方法采用根據(jù)序列數(shù)據(jù)或構(gòu)成蛋白質(zhì)的線性鏈中氨基酸的順序訓(xùn)練的語(yǔ)言模型。
代謝途徑工程
代謝途徑工程利用人工智能來查明和增強(qiáng)代謝途徑，以生成特定化合物，包括生物燃料、藥品和各種化學(xué)品。通過檢查基因、酶和代謝物之間的相互作用，人工智能算法可以預(yù)測(cè)合成目標(biāo)分子的最有效路線。
Ginkgo Bioworks是這一領(lǐng)域的先驅(qū)公司之一 ，該公司利用人工智能驅(qū)動(dòng)的技術(shù)來改造微生物，以生產(chǎn)具有工業(yè)應(yīng)用價(jià)值的化合物。
另一個(gè)值得注意的例子是 Inscripta，它提供了 Onyx™ 平臺(tái)，用于設(shè)計(jì)和改造微生物菌株，以優(yōu)化目標(biāo)分子生產(chǎn)的代謝途徑。此外， Zymergen 利用人工智能和自動(dòng)化來設(shè)計(jì)微生物并優(yōu)化代謝途徑，其應(yīng)用涵蓋農(nóng)業(yè)、醫(yī)療保健和材料科學(xué)。
自動(dòng)化實(shí)驗(yàn)設(shè)計(jì)
人工智能可以幫助優(yōu)化合成生物學(xué)的實(shí)驗(yàn)設(shè)計(jì)，預(yù)測(cè)哪些實(shí)驗(yàn)最有可能產(chǎn)生有價(jià)值的結(jié)果，并指導(dǎo)研究人員做出更明智的決策。
該領(lǐng)域的領(lǐng)導(dǎo)者是 Synthace，它提供 Antha 平臺(tái)、基于云的軟件，用于使用機(jī)器學(xué)習(xí)算法設(shè)計(jì)、模擬和執(zhí)行生物研究工作流程。另一個(gè)重要參與者是 Arzeda，一家利用人工智能和計(jì)算蛋白質(zhì)設(shè)計(jì)為各種工業(yè)應(yīng)用構(gòu)建定制基因電路的公司。
TeselaGen 正在部署第一個(gè)解決方案，該解決方案將最先進(jìn)的人工智能信息技術(shù)用于生物技術(shù)，作為安全的企業(yè)操作系統(tǒng)。TeselaGen 由 Synthetic Evolution® 機(jī)器學(xué)習(xí)引擎提供支持，可對(duì)各種來源的數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化、分析和集成，并允許設(shè)計(jì)高通量、高內(nèi)容的實(shí)驗(yàn)。
總而言之，人工智能有能力給合成生物學(xué)帶來重大變化，幫助我們解決當(dāng)今一些最緊迫的問題。生物系統(tǒng)的復(fù)雜性、我們擁有的數(shù)據(jù)的局限性、驗(yàn)證模型的困難以及各個(gè)領(lǐng)域之間合作的需要，所有這些都存在需要克服的障礙。
京公網(wǎng)安備11010802046783號(hào)
