AutoDNA néven új, nagyrészt önállóan működő molekuláris biológiai laboratóriumot mutattak be kínai kutatók a Nature tudományos folyóiratban. A mesterséges intelligencia által vezérelt rendszer több mint húsz különböző laboratóriumi berendezést kapcsol össze, és a kutatás során több mint 11 ezer műveleti lépést hajtott végre. A fejlesztők DNS-szintézist, genetikai vizsgálatokat és DNS-alapú adattárolást is demonstráltak, miközben az emberi beavatkozás elsősorban a berendezések karbantartására és az anyagok pótlására korlátozódott.
A Sanghaji Jiao Tong Egyetem kutatócsoportja november 4-én publikálta az AutoDNA működését bemutató tanulmányát a Nature folyóiratban. A fejlesztés célja egy olyan molekuláris biológiai laboratórium megvalósítása, amelyben a mesterséges intelligencia nem kizárólag a kísérletek megtervezését vagy az adatok elemzését támogatja, hanem a laboratóriumi műveletek végrehajtását is összehangolja. A rendszer különböző digitális ügynökök és robotizált berendezések együttműködésére épül, amelyek közösen dolgoznak a megadott tudományos célok elérésén.
Az AutoDNA működésének alapja, hogy a kutató magasabb szintű utasítást ad a rendszernek, amely ezután megtervezi a szükséges laboratóriumi lépéseket. A mesterséges intelligencia meghatározza az elvégzendő műveleteket, kiosztja a feladatokat a megfelelő berendezéseknek, figyeli az eredményeket, és szükség esetén módosítja a következő lépéseket. A minták és reagensek mozgatását robotkarok, az elemzéseket és méréseket pedig különböző laboratóriumi eszközök végzik. A rendszer DNS előállítására, sokszorosítására, átírására és szekvenálására alkalmas műveleteket is össze tud kapcsolni egyetlen kísérleti folyamatban.
A kutatók több mint húsz berendezéstípust integráltak, és összesen több mint 11 ezer műveleti lépésen keresztül vizsgálták a működést. Az egyik kísérletben a párhuzamosan szervezett laboratóriumi protokollok végrehajtása 3,2-szer gyorsabb volt a sorozatos végrehajtáshoz képest. Egy másik feladatban a rendszer digitális információt kódolt DNS-be, majd a tárolt adatokat pontosan vissza is nyerte. Az AutoDNA egy klinikai mintához kapcsolódó vizsgálatban a KRAS G13D genetikai mutáció azonosítását is demonstrálta. Ezek meghatározott kutatási feladatokban elért eredmények, nem a rendszer általános diagnosztikai vagy gyógyszerfejlesztési pontosságát bizonyító mérések.
Olvasd el: Saját első autonóm mesterséges intelligencia laboratóriumát építi a Danaher
Mennyivel gyorsulhat fel a tudományos kutatás, ha a mesterséges intelligencia már nemcsak megtervezi a következő kísérletet, hanem robotok segítségével végre is hajtja, majd az eredményekből újabb vizsgálatokat indít?
Az autonóm laboratóriumok egyik legnagyobb előnye az lehet, hogy csökkentik a tudományos ötlet és a tényleges mérési eredmény közötti időt. A hagyományos kutatási folyamatokban egy vizsgálat több különálló berendezést, manuális mintaelőkészítést, ismétlődő dokumentációt és folyamatos szakértői ellenőrzést igényelhet. Az AutoDNA ezeknek a lépéseknek jelentős részét automatizált munkafolyamatba kapcsolja össze. A Nature szakmai értékelése szerint a fejlesztés azért figyelemre méltó, mert nem egyetlen jól körülhatárolt kísérlet végrehajtására készült, hanem különböző molekuláris biológiai műveletek összehangolását célozza.
A rendszer ugyanakkor nem tekinthető teljesen emberi közreműködés nélkül működő, általános tudományos kutatónak. Az eszközök fizikai karbantartása, a reagensek és laboratóriumi anyagok pótlása, valamint a kutatási célok meghatározása továbbra is emberi feladat. A bemutatott vizsgálatok meghatározott, előzetesen kialakított laboratóriumi infrastruktúrában történtek, ezért nem bizonyítják, hogy a rendszer bármilyen biológiai kísérletet önállóan végre tudna hajtani. A klinikai mintában végzett mutációazonosítás sem jelenti azt, hogy az AutoDNA már jóváhagyott, betegellátásban alkalmazható diagnosztikai rendszer lenne.
Az AutoDNA megjelenése ennek ellenére fontos lépést jelent a mesterséges intelligencia tudományos alkalmazásában. A technológia eddig elsősorban adatok elemzésében, molekulák előrejelzésében és kutatási hipotézisek kialakításában játszott szerepet, miközben a laboratóriumi kísérletek jelentős részét továbbra is emberek hajtották végre. A most bemutatott megközelítés közelebb hozhatja egymáshoz a digitális tervezést és a fizikai végrehajtást. Ha a rendszer biztonsága, megbízhatósága és alkalmazhatósága további vizsgálatokban is igazolódik, az autonóm laboratóriumok hosszabb távon a biotechnológiai kutatás és az új anyagok fejlesztésének fontos eszközeivé válhatnak.
Olvasd el ezt is: 17 százalékkal több betegséghez kapcsolódó genetikai variánst talált egy új mesterséges intelligencia modell
Források: Nature, Shanghai Jiao Tong University, Nature News & Views
CS.SZ.
