Η βιοενέργεια, όπως τη ζούμε σήμερα, θυμίζει φοιτητικό πάρτι με κακό dj: μπόλικος ιδρώτας, ελάχιστος ρυθμός, κανένα hit. Καλλιεργείς εκτάσεις ολόκληρες με καλαμπόκι, σόγια, ζαχαροκάλαμο· τα θερίζεις, τα βράζεις, τα ζυμώνεις, τα αποστάζεις και στο τέλος παίρνεις ένα βιοκαύσιμο που κοστίζει χρυσάφι. Στο Σιάτλ, όμως, μια παρέα βιοτεχνο-πειρατών με μπροστάρη τον Δρ. Nate Ennist, στο Institute for Protein Design (IPD) του Πανεπιστημίου Ουάσινγκτον, δουλεύει κάτι που μοιάζει με cheat code: συνθετικές πρωτεΐνες, σχεδιασμένες με τη βοήθεια της τεχνητής νοημοσύνης, ικανές να αλλάξουν το μέλλον της ανθρωπότητας σε κομβικούς τομείς.

Όσον αφορά τον τομέα της γεωργίας πρωταρχικός στόχος μοιάζει να ξανασχεδιάσουν τον πυρήνα της φωτοσύνθεσης, αυτό το μικροσκοπικό ζευγάρι χλωροφυλλών που ρουφά κόκκινο και μπλε φως. Ο Ennist θέλει να «ξεκουρδίσει» την αποκλειστικότητα: να παίζει το φυτό και σε πράσινα και σε υπέρυθρα, να μην αφήνει ούτε φωτόνιο να πάει χαμένο. Μακροπρόθεσμα οραματίζεται να κατευθύνει την ενέργεια σε υδρογονάνθρακες. Με άλλα λόγια, το φυτό θα παράγει «πράσινη βενζίνη» in situ, όχι καλαμπόκι που μετά θες εργοστάσιο για να το κάνεις αιθανόλη.

Το κόλπο είναι να χτίσεις εξ αρχής μόρια tailor-made για τη δουλειά. Πώς; Με τριάδα AI-εργαλείων δίνουν απάντηση και προοπτική: 

• RFdiffusion – παίρνει 200.000 φυσικές πρωτεΐνες και, όπως τα diffusion μοντέλα που ζωγραφίζουν γάτες στο cloud, φαντάζεται καινούριες. 

• ProteinMPNN – χτίζει αλυσίδες αμινοξέων που (στατιστικά) διπλώνουν στο σχήμα που ζωγράφισε το πρώτο εργαλείο. 

• RoseTTAFold – ο έλεγχος ασφαλείας: βεβαιώνει ότι η δομή της πρωτεΐνης όντως θα κάτσει όπως το θέλουμε. 

Αν περάσουν τα τεστ, οι ερευνητές παραγγέλνουν το DNA στο cloud, το ρίχνουν σε βακτήρια και βλέπουν αν το μόριο κάνει πράξη τις υποσχέσεις του. 

Στον τομέα της υγείας οι δυνατότητες είναι τεράστιες. Το εμβόλιο της ομάδας (SKYCovione) για την COVID-19, για παράδειγμα, λειτουργεί προβάλλοντας συνθετικά αντίγραφα τμημάτων της πρωτεΐνης-ακίδας του SARS-CoV-2 με τρόπο που να τραβά την προσοχή του ανοσοποιητικού συστήματος. Ερευνητές του IPD έχουν επίσης δημιουργήσει πρωτεΐνες που ελπίζουν ότι θα μεταμορφώσουν τη θεραπεία των δαγκωμάτων φιδιών, καθώς «κολλούν» στα μόρια του δηλητηρίου και τα εξουδετερώνουν μέσα στο αίμα όπως κάνουν σήμερα τα αντισώματα. 

Ο Δρ. Μπέικερ (Νόμπελ Χημείας 2024) και οι συνεργάτες του σχεδιάζουν να “επιτεθούν” στη νόσο Αλτσχάιμερ με παρόμοια τακτική, κατασκευάζοντας δηλαδή πρωτεΐνες που δεσμεύουν τα μοριακά πρόδρομα των πλακών και ινιδίων που συσσωρεύονται στους εγκεφάλους των ασθενών. Ελπίζουν επίσης να βελτιώσουν τη γονιδιακή επεξεργασία με προσαρμοσμένες νουκλεάσες, το «Cas» στα συμπλέγματα CRISPR-Cas, δηλαδή τα μοριακά «ψαλίδια» του gene-editing. Αυτές θα σχεδιάζονται έτσι ώστε να αναγνωρίζουν συγκεκριμένες αλληλουχίες DNA, διευρύνοντας το εύρος των δυνατών τροποποιήσεων και μειώνοντας τον κίνδυνο ακούσιων κοψιμάτων.

Εκεί όπου ο Μπέικερ άνοιξε δρόμο, άλλοι ακολουθούν. Η Alphabet «τρέχει» δύο project σχεδίασης πρωτεϊνών με τον σερ Ντέμις Χασάμπι, συνδημιουργό του AlphaFold και συν-βραβευμένο με Νόμπελ Χημείας 2024. Το Isomorphic Labs στο Λονδίνο, spin-out της εταιρείας, έχει συμβάσεις με τις φαρμακευτικές Eli Lilly και Novartis για να ελέγχει πως αλληλεπιδρούν υποψήφια φάρμακα με τους στόχους-πρωτεΐνες τους. Το δεύτερο, το AlphaProteo της Google DeepMind σχεδιάζει πρωτεΐνες ικανές να συνδέονται σε καθορισμένους στόχους.

Άλλες εταιρείες ακολουθούν ελαφρώς διαφορετικό μονοπάτι. Η Profluent (Έμεριβιλ, Καλιφόρνια) και η EvolutionaryScale (Νέα Υόρκη) αναπτύσσουν μοντέλα AI τύπου «μεγάλων γλωσσικών μοντέλων» (LLMs) για σχεδίαση πρωτεϊνών, σαν τα λογισμικά που τροφοδοτούν τα chatbots. Τα μοντέλα τους αντιμετωπίζουν τις αλληλουχίες αμινοξέων όπως τις λέξεις σε κείμενο, αναλύοντας τα μοτίβα μέσα σε αμέτρητα παραδείγματα για να δημιουργήσουν νέες χρήσιμες δομές.

Όπως διαβεβαιώνει ο Άλι Μαντανί, διευθύνων σύμβουλος της Profluent, η εταιρεία εστιάζει ιδιαίτερα στη δημιουργία νέων εργαλείων CRISPR-Cas. Το ανταγωνιστικό της πλεονέκτημα είναι μια επιμελημένη βάση δεδομένων περίπου 5 εκατομμυρίων συμπλεγμάτων CRISPR-Cas, πάνω στην οποία εκπαιδεύτηκε το AI της για να σχεδιάζει βελτιωμένες εκδοχές.

Η EvolutionaryScale πηγαίνει την προσέγγιση τύπου LLM ακόμα παραπέρα. Η εκδοχή της, το ESM3, λαμβάνει υπόψη όχι μόνο την αλληλουχία αμινοξέων αλλά και τη δομή και τη λειτουργία μιας πρωτεΐνης κι έχει στη διάθεσή της μια τεράστια βάση εκπαίδευσης: όπως λέει ο Άλεξ Ριβς, chief scientist της εταιρείας, περιέχει 2,8 δισεκατομμύρια εγγραφές. Ο ίδιος μιλά επιπλέον για το επόμενο βήμα, μια πρώτη προσομοίωση εικονικού κυττάρου, όπου όλες αυτές οι πρωτεΐνες θα αλληλεπιδρούν μεταξύ τους.

Για την EvolutionaryScale, το ίδιο το μοντέλο είναι το προϊόν: θα αδειοδοτηθεί σε φαρμακευτικές που σχεδιάζουν φάρμακα βασισμένα σε πρωτεΐνες. Πολλοί ανταγωνιστές της, όμως, κυνηγούν καινοτομίες εσωτερικά. Οι συνέπειες αυτής της νέας νανοτεχνολογικής προσέγγισης διαγράφονται στον ορίζοντα. Η ανασχεδίαση της φωτοσύνθεσης, για παράδειγμα, αναμένεται να έχει επιπτώσεις πολύ πέρα από τα βιοκαύσιμα ιδίως αν η μέθοδος λειτουργήσει σε υπάρχοντα φυτά. Με τις κατάλληλες δικλίδες ασφαλείας και την αποδοχή της αγοράς, θα μπορούσε να εκτοξεύσει τις γεωργικές αποδόσεις. Τεράστιο επίσης είναι το περιθώριο βελτίωσης χημικών διεργασιών, αφού πολλά ένζυμα είναι αποδοτικότερα από τους συμβατικούς καταλύτες κι όπως συμβαίνει με κάθε τεχνολογία, μπορεί να προκύψουν και εντελώς απρόβλεπτες ανακαλύψεις.

Μία που ενθουσιάζει τον Δρ Μπέικερ είναι τα «πρωτεϊνικά ισοδύναμα» των λογικών πυλών (logic gates) των ηλεκτρονικών κυκλωμάτων. Τέτοιες πύλες θα μπορούσαν να ρυθμίζουν την έκφραση γονιδίων μέσα στα κύτταρα. Μακροπρόθεσμα πιστεύει πως οι πρωτεϊνικές πύλες θα στοίβαζαν ευκολότερα σε τρισδιάστατους πίνακες σε σχέση με τις πυριτιούχες, επιτρέποντας πιο συμπαγή σχέδια. Πώς ακριβώς θα λειτουργήσει αυτό στην πράξη; Κανείς δεν ξέρει ακόμα με ασφάλεια. Πρόκειται όμως για ένα διαρκώς εξελισσόμενο πεδίο που δεν αποκλείεται πολύ σύντομα να μας εκπλήσσει και πάλι θετικά.

*Με στοιχεία από το Εconomist.

 

➪ Ακολουθήστε το OLAFAQ στο Facebook, Bluesky και Instagram.