AI preslaguje genetski kôd: ribosom bez izoleucina
A redesigned ribosome model removes isoleucine from the amino-acid set.📷 AI-generated / Tech&Space
- ★Tim pokušava izbaciti izoleucin iz genetskog koda
- ★Ribosom je redizajniran računalnim alatima
- ★Eksperiment testira granice sintetičke biologije
Ribosom je najstariji i najkonzerviraniji stroj u biologiji — gotovo identičan u svim živim organizmima već više od tri milijarde godina. Tim sa Sveučilišta Columbia i Harvarda sada ga je prepravio koristeći AI alate za proteinski inženjering, ciljajući na izoleucin, jednu od tri kemijski slične aminokiseline (uz leucin i valin). Umjetna inteligencija pomogla je modelirati ribosomalne mutacije koje bi omogućile sintezu proteina bez te specifične aminokiseline.
Prema dostupnim informacijama, motivacija nije praktična primjena, već fundamentalno razumijevanje: je li genetski kôd od 20 aminokiselina evolucijski slučaj ili optimalno rješenje? Rani signali sugeriraju da bi reducirani kôd mogao pojednostaviti neke aspekte sintetičke biologije, iako su specifične aplikacije — od lijekova do bioproizvodnje — još uvijek u sferi mogućeg. Dosadašnje hipoteze o podrijetlu života pretpostavljale su prijelazna stanja s manje aminokiselina, ali nije postojao eksperimentalni sustav za testiranje tih scenarija.
Izazov je dvostruk: ribosom mora precizno prepoznati genske signale bez gubitka funkcionalnosti, a organizam mora preživjeti s ograničenijim kemijskim alfabetom. AI je ovdje kritičan kao akcelerator — ručno modeliranje milijardi potencijalnih konfiguracija bilo bi praktički nemoguće.
Istraživači koriste AI za testiranje evolucijskih hipoteza o genetskom kôdu
A synthetic biology flow compresses the genetic code from 20 to 19 amino acids.📷 AI-generated / Tech&Space
Čini se da je ovo istraživanje manje o trenutnoj primjeni, a više o stvaranju platforme za buduća istraživanja. Znanstvena zajednica reagira s mješovitim entuzijazmom: sintetička biologija dobiva alat za testiranje 'što-ako' scenarija evolucije, dok stručnjaci za biosigurnost upozoravaju na rizike uređivanja temeljnih životnih procesa.
Postoje nagađanja da bi reducirani kôd mogao omogućiti potpuno nove proteinske arhitekture otpornije na prirodne proteaze ili prilagođene specifičnim industrijskim uvjetima. Kompetitivna prednost ovdje nije komercijalna — još nema proizvoda ni patenata u fokusu — već metodološka. Grupe koje razvijaju AI platforme za strukturalnu biologiju (AlphaFold derivati, diffusion modeli za proteinski dizajn) sve više ulaze u eksperimentalnu sintetičku biologiju, tradicionalno domena laboratorijskog znanja.
Ovo istraživanje signalizira spajanje tih svjetova: algoritamsko predviđanje postaje direktno eksperimentalno testiranje. Ako se ovaj pristup proširi na druge aminokiseline, moguće je da ćemo dobiti biblioteku 'alternativnih života' — organizama s funkcionalno različitim, ali stabilnim genskim kodovima. To otvara pitanja o definiciji života, biosigurnosnim protokolima i tome tko kontrolira takve tehnologije.
