AI သည် ပြီးပြည့်စုံသော လုပ်ဆောင်နိုင်စွမ်းရှိသော ဂျီနိုမ်များကို ဒီဇိုင်းထုတ်သည်

ဂျီနိုမ်ဘာသာစကားမော်ဒယ် Evo 2 သည် bacteriophage ΦX174 ၏ ထူးခြားသောလုပ်ဆောင်ချက်ရှိသော ဂျီနိုမ်များကို ဒီဇိုင်းထုတ်ထားသည်။ AI မှထုတ်လုပ်သော ဒီဇိုင်း ၃၀၀ ခန့်ကို ဓာတုဗေဒနည်းဖြင့် ပေါင်းစပ်ပြီး ဓာတ်ခွဲခန်းတွင် စမ်းသပ်ခဲ့သည်။ ပေါင်းစပ်ထားသော ဖေ့ဂျ် ၁၆ ခုသည် အသက်ရှင်နိုင်ပြီး ခံနိုင်ရည်ရှိသော Escherichia coli C ဘက်တီးရီးယားများကို တိုက်ဖျက်ရာတွင် ထိရောက်မှုရှိကြောင်း တွေ့ရှိခဲ့ပြီး ဖေ့ဂျ်ကုထုံးသည် ဘက်တီးရီးယားခုခံမှုကို ကိုင်တွယ်ဖြေရှင်းရန် ရွေးချယ်စရာတစ်ခု ဖြစ်နိုင်ကြောင်း အကြံပြုထားသည်။ သိပ္ပံပညာတွင် မှတ်တိုင်တစ်ခုအနေဖြင့် ဘာသာစကားမော်ဒယ်တစ်ခုက ဂျီနိုမ်တစ်ခုလုံးအဆင့်တွင် ဇီဝဗေဒဆိုင်ရာလုပ်ဆောင်ချက်ကို ဒီဇိုင်းထုတ်ခဲ့သည့် ပထမဆုံးအကြိမ်ဖြစ်သည်။ 

ဆင့်ကဲဖြစ်စဉ်သည် နှစ်ပေါင်း ၃ ဘီလီယံခန့်ကြာအောင် သဘာဝရှိ ဇီဝဗေဒဆိုင်ရာစနစ်များကို ကျပန်းမျိုးရိုးဗီဇပြောင်းလဲမှုနှင့် ရွေးချယ်မှုမှတစ်ဆင့် ဒီဇိုင်းထုတ်ခဲ့သည်။ လူများသည် အပင်နှင့် တိရစ္ဆာန်များ၏ ဇီဝဗေဒဆိုင်ရာ လက္ခဏာများကို ပုံဖော်ရန် အတုရွေးချယ်မှုကို အချိန်အတော်ကြာ အသုံးပြုခဲ့ကြသည်။ မျိုးရိုးဗီဇအင်ဂျင်နီယာသည် ဇီဝဗေဒဆိုင်ရာစနစ်များကို ဒီဇိုင်းဆွဲရန်အတွက် ပြီးခဲ့သော ဆယ်စုနှစ်အနည်းငယ်အတွင်း မော်လီကျူးဇီဝဗေဒတွင် တိုးတက်မှုများကြောင့် ယခုအခါတွင် တည်ရှိနေသော ကိရိယာတစ်ခုဖြစ်သည်။ ၎င်းတွင် လုပ်ဆောင်နိုင်သောနှင့် အသက်ရှင်နိုင်သော ဒီဇိုင်း၏ ဖွဲ့စည်းပုံဆိုင်ရာ အသေးစိတ်အချက်အလက်များကို ခန့်မှန်းရန် လိုအပ်ပြီး ၎င်းသည် ရှုပ်ထွေးပြီး စိန်ခေါ်မှုရှိသော အလုပ်တစ်ခုဖြစ်သည်။ သက်ဆိုင်ရာ ဆင့်ကဲဖြစ်စဉ်နှင့် မျိုးရိုးဗီဇဆိုင်ရာ အချက်အလက်များဖြင့် သင့်လျော်စွာ လေ့ကျင့်ထားသော ခေတ်မီ LLM များ၏ ကြီးမားသော ကွန်ပျူတာစွမ်းအားသည် လုပ်ဆောင်နိုင်သော ဇီဝဗေဒဆိုင်ရာ ဒီဇိုင်းများကို ရှာဖွေရာတွင် အသုံးဝင်လာခဲ့သည်။ 

မကြာသေးမီက၊ generative AI သည် တစ်ဦးချင်း မျိုးဗီဇများနှင့် ပရိုတင်းများ၏ အတိုင်းအတာဖြင့် ရှုပ်ထွေးသော ဇီဝဗေဒစနစ်များကို ဒီဇိုင်းဆွဲရာတွင် အသုံးချမှုကို ရှာဖွေတွေ့ရှိခဲ့သည်။ ၂၀၂၅ ခုနှစ်တွင် သုတေသီများက ဆင့်ကဲဖြစ်စဉ်ဆိုင်ရာ အချက်အလက်များအပေါ် အခြေခံ၍ လေ့ကျင့်ထားသော ဘာသာစကားပုံစံတစ်ခုသည် လုပ်ဆောင်ချက်အသစ်များပါရှိသော ပရိုတင်းများကို ထုတ်လုပ်နိုင်ကြောင်း ပြသခဲ့သည်။ ၎င်းတို့သည် ပရိုတင်းဖွဲ့စည်းပုံနှင့် အမိုင်နိုအက်ဆစ် အစီအစဥ်များကို တောင်းဆိုသည့်အခါတွင် ထုတ်လုပ်ပေးသည့် ပရိုတင်းဘာသာစကားပုံစံတစ်ခုဖြစ်သည့် ESM3 ကို တင်ပြခဲ့သည်။ ပရိုတင်း အစီအစဥ်များသည် ပရိုတင်း၏ သုံးဖက်မြင်ဖွဲ့စည်းပုံနှင့် ဆဲလ်လုပ်ဆောင်ချက်ကို ဆုံးဖြတ်ပေးသည်။ 

ဂျီနိုမ်ဘာသာစကားမော်ဒယ်များကို သက်ရှိနယ်ပယ်အားလုံးမှ သန်းပေါင်းများစွာသော ဂျီနိုမ်များပါဝင်သော DNA ကော်ပိုရာကြီးပေါ်တွင် လေ့ကျင့်ပေးထားသည်။ ရလဒ်အနေဖြင့် ဤမော်ဒယ်များသည် သဘာဝတွင် DNA အစီအစဥ်များကို ပုံဖော်ပေးသည့် ဆင့်ကဲဖြစ်စဉ်ဆိုင်ရာ ကန့်သတ်ချက်များကို လေ့လာကြသည်။ ဂျီနိုမ်ဘာသာစကားမော်ဒယ်တစ်ခုသည် လုပ်ဆောင်ချက်ဆိုင်ရာ ဂျီနိုမ်တစ်ခုလုံးကို ဖန်တီးနိုင်ပါသလား။ 

၂၀၂၆ ခုနှစ် ဩဂုတ်လ ၆ ရက်နေ့တွင် ဖော်ပြခဲ့သော မကြာသေးမီက လေ့လာမှုတစ်ခုတွင် သုတေသီများသည် ဂျီနိုမ်ဘာသာစကားမော်ဒယ်များဖြစ်သော Evo 1 နှင့် Evo 2 တို့ကို အောင်မြင်စွာအသုံးပြု၍ ဘက်တီးရီးယားအိမ်ရှင် Escherichia coli C အတွက် လက်တွေ့ကျသော မျိုးရိုးဗီဇဗိသုကာလက်ရာများနှင့် သီးခြားဖြစ်မှုတို့ဖြင့် ဘက်တီးရီးယားဖိုဂျ် ΦX174 ၏ ပြီးပြည့်စုံသော ဂျီနိုမ်များကို ထုတ်လုပ်ခဲ့ကြသည်။ ၎င်းတို့သည် သဘာဝဖိုဂျ် ΦX174 ကို ဒီဇိုင်းပုံစံအဖြစ် အသုံးပြုခဲ့သည်။ ထုတ်လုပ်ထားသော ဂျီနိုမ်ထောင်ပေါင်းများစွာကို အကဲဖြတ်ခဲ့ပြီး ၎င်းတို့အနက် ၃၀၀ ခန့်ကို ဓာတုဗေဒနည်းဖြင့် ပေါင်းစပ်ပြီး ဓာတ်ခွဲခန်းတွင် စမ်းသပ်ခဲ့သည်။ ဖေ့ဂျ် ၁၆ ခုကို အသက်ရှင်နိုင်ကြောင်း တွေ့ရှိခဲ့သည်။ အသက်ရှင်နိုင်သော ဖေ့ဂျ်များသည် ထူးခြားပြီး ဤစွမ်းရည်ကို စမ်းသပ်သောအခါ ΦX174 ကို ခံနိုင်ရည်ရှိသော E. coli မျိုးကွဲများကို လျင်မြန်စွာ ကျော်လွှားနိုင်ခဲ့သည်။

ဤလေ့လာမှုသည် ဂျီနိုမ်ဘာသာစကားမော်ဒယ်များကို နောက်တစ်ဆင့်သို့ မြှင့်တင်ပေးပါသည်။ အဘယ်ကြောင့်ဆိုသော် ဤမော်ဒယ်များသည် DNA အစီအစဥ်များတွင် ဆင့်ကဲဖြစ်စဉ်ဆိုင်ရာ ကန့်သတ်ချက်များကို ပြီးပြည့်စုံသော လုပ်ဆောင်နိုင်သော ဂျီနိုမ်များကို ထုတ်လုပ်ရန် လုံလောက်သော တိကျမှုဖြင့် ဖမ်းယူနိုင်ကြောင်း ပြသထားသောကြောင့်ဖြစ်သည်။ ၎င်းသည် ခံနိုင်ရည်ရှိသော ဘက်တီးရီးယားများကို ဆန့်ကျင်သည့် ဘက်တီးရီးယားကုထုံးများအတွက် အခြေခံလမ်းကြောင်းကိုလည်း ချမှတ်ပေးပါသည်။ 

***

ကိုးကား:

1. ဟေးစ် တီ။ နှင့်ကl. ၂၀၂၅။ ဘာသာစကားမော်ဒယ်ဖြင့် နှစ်ပေါင်း သန်း ၅၀၀ ကြာ ဆင့်ကဲဖြစ်စဉ်ကို တုပခြင်း။ သိပ္ပံ။ ၂၀၂၅ ခုနှစ်၊ ဇန်နဝါရီလ ၁၆ ရက်။ အတွဲ ၃၈၇၊ အမှတ် ၆၇၃၆၊ စာ- ၈၅၀-၈၅၈။ DOI: https://doi.org/10.1126/science.ads0018
2. ဘုရင် SH နှင့်ကl. ၂၀၂၆။ ဂျီနိုမ်ဘာသာစကားမော်ဒယ်များဖြင့် ဘက်တီးရီးယားဖိုဂျ်များ၏ ဖန်တီးမှုဆိုင်ရာဒီဇိုင်း။ သိပ္ပံ။ ၂၀၂၆ ခုနှစ်၊ ဩဂုတ်လ ၆ ရက်။ အတွဲ ၃၉၃၊ အမှတ် ၆၈၁၁။ DOI: https://doi.org/10.1126/science.aec2657
3. Inglesby TV နှင့် Hanke MS၊ ၂၀၂၆။ AI ဒီဇိုင်းထုတ်ထားသော ဗိုင်းရပ်စ်ဂျီနိုမ်များ။ သိပ္ပံ။ ၂၀၂၆ ခုနှစ်၊ ဩဂုတ်လ ၆ ရက်။ အတွဲ ၃၉၃၊ အမှတ် ၆၈၁၁၊ စာ- ၅၆၃-၅၆၄။ DOI: https://doi.org/10.1126/science.aej8512
4. AI သည် E. Coli အသေသတ်ဆေးအသစ်တစ်မျိုးကို ဒီဇိုင်းထုတ်ထားသည်။ Stanford Reports။ ၂၀၂၆ ခုနှစ် ဩဂုတ်လ ၆ ရက်။ ရရှိနိုင်သောနေရာ https://news.stanford.edu/stories/2026/08/evo-2-ai-tool-e-coli-killer-bacteriophages

***

Related ဆောင်းပါးများကို: 

1. ဦးနှောက်-ကွန်ပျူတာ အင်တာဖေ့စ်များ (BCI): လူသားများနှင့် AI ပေါင်းစည်းမှုဆီသို့  မတ်လ (၀၁) ၂၀၂၃၊
2. SARAH- ကျန်းမာရေးမြှင့်တင်မှုအတွက် WHO ၏ ပထမဆုံး မျိုးဆက်သစ် AI-အခြေခံကိရိယာ (၁၅ ဧပြီလ ၂၀၁၀)၊
3. Generative Artificial Intelligence (AI)- WHO သည် LMMs များ၏ အုပ်ချုပ်မှုဆိုင်ရာ လမ်းညွှန်ချက်အသစ်ကို ထုတ်ပြန်ခဲ့သည်။ (19 ဇန်နဝါရီလ 2024)
4. Artificial Intelligence (AI) စနစ်များသည် ဓာတုဗေဒတွင် သုတေသနကို ကိုယ်ပိုင်အုပ်ချုပ်ခွင့်ဖြင့် လုပ်ဆောင်သည်။ (ဒီဇင်ဘာလ ၁၄ ရက် ၂၀၁၈) 
5. လျင်မြန်ပြီး ထိရောက်သော ဆေးဘက်ဆိုင်ရာ ရောဂါရှာဖွေခြင်းအတွက် Artificial Intelligence (AI) (၁၅ ဧပြီလ ၂၀၁၀)၊ 

***