Η Google βρήκε τρόπο να προσθέτει υδατογράφημα σε πρωτεΐνες που έχουν σχεδιαστεί με AI
Το σύστημα δημιουργεί ένα υδατογράφημα στις ίδιες τις πρωτεϊνικές αλληλουχίες χωρίς να επηρεάζει τη λειτουργία της πρωτεΐνης
Snapshot
- Google ανέπτυξε ένα σύστημα που προσθέτει υδατογράφημα στις πρωτεϊνικές αλληλουχίες σχεδιασμένες με τεχνητή νοημοσύνη χωρίς να επηρεάζει τη λειτουργία τους.
- Το σύστημα βασίζεται στην τεχνολογία SynthIDBio, η οποία ενσωματώνει διακριτικές αλλαγές σε αμινοξέα που αναγνωρίζονται μόνο με ειδικό κλειδί.
- Οι πρωτεΐνες με υδατογράφημα παραμένουν λειτουργικές και μπορούν να αναγνωριστούν στα εργαστήρια για να διακρίνουν αξιόπιστα σχέδια από πιθανούς κινδύνους.
- Η υδατογράφηση διευκολύνει τον έλεγχο βιοασφάλειας στις παραγγελίες DNA, επιτρέποντας την ταχεία αναγνώριση πρωτεϊνών που έχουν σχεδιαστεί από αξιόπιστες πηγές.
- Υπάρχουν περιορισμοί, όπως η αποτελεσματικότητα σε πολύ μικρές πρωτεΐνες, η ασφάλεια του συστήματος διαχείρισης κλειδιών και η ολοκληρωμένη εφαρμογή σε όλα τα εργαλεία σχεδιασμού πρωτεϊνών με AI.
Τα εργαλεία που βασίζονται στην τεχνητή νοημοσύνη φαίνεται να προκαλούν απειλές για την ασφάλεια σχεδόν καθημερινά, εν μέρει επειδή αργούμε να αναγνωρίσουμε τις πιθανές απειλές. Ένας τομέας στον οποίο, ωστόσο, φαίνεται να έχουμε προβάδισμα είναι η βιοασφάλεια.
Όπως συμβαίνει με τα περισσότερα βιολογικά θέματα, η χρησιμότητα συμβαδίζει με τις απειλές. Έχουμε αναπτύξει όλο και πιο εξελιγμένα εργαλεία για τον σχεδιασμό πρωτεϊνών και έχουμε σημειώσει σημαντικές επιτυχίες, όπως ένζυμα σχεδιασμένα με τεχνητή νοημοσύνη που μπορούν να αποσυνθέσουν πλαστικά ή να αναστείλουν πρωτεΐνες δηλητηρίου. Ωστόσο, αυτά τα ίδια εργαλεία θα μπορούσαν να χρησιμοποιηθούν για την παραγωγή τοξινών ή την αλλοίωση της συμπεριφοράς ιογενών πρωτεϊνών.
Και το λογισμικό που χρησιμοποιούμε για τον εντοπισμό αλληλουχιών DNA που κωδικοποιούν πρωτεΐνες που ενδέχεται να αποτελούν απειλή δεν εντοπίζει τις πρωτεΐνες που έχουν σχεδιαστεί από τεχνητή νοημοσύνη, καθώς κανείς δεν τις έχει χαρακτηρίσει αρκετά καλά ώστε να γνωρίζουμε ότι αποτελούν απειλή. Σχεδόν ένα χρόνο μετά την επισήμανση αυτού του κινδύνου, δεν ήταν ακόμα σαφές τι θα μπορούσε να κάνει κανείς για να τον αντιμετωπίσει.
Την Τετάρτη, η ομάδα DeepMind της Google δημοσίευσε μια ερευνητική εργασία που προτείνει μια πιθανή λύση: την υδατογράφηση πρωτεϊνών. Το σύστημα δημιουργεί ένα υδατογράφημα στις ίδιες τις πρωτεϊνικές αλληλουχίες χωρίς να επηρεάζει τη λειτουργία της πρωτεΐνης. Αυτό επιτρέπει την αναγνώριση νέων πρωτεϊνών που έχουν σχεδιαστεί από αξιόπιστους ερευνητές, ενώ όλες οι άλλες υπόκεινται σε πιο ενδελεχή έλεγχο.
Η εργασία βασίστηκε στην τεχνολογία SynthID της Google, η οποία μπορεί να προσθέσει ένα διακριτικό υδατογράφημα σε ψηφιακό υλικό που δημιουργείται από τεχνητή νοημοσύνη. Το υδατογράφημα επηρεάζει την πιθανότητα ορισμένων επιλογών που κάνει η τεχνητή νοημοσύνη, και αυτή η μεροληψία καταλήγει να κατανέμεται συστηματικά σε όλο το προϊόν, είτε πρόκειται για κείμενο είτε για εικόνες. Επειδή δεν είναι δυνατό να αναγνωριστεί το υδατογράφημα χωρίς να γνωρίζει κανείς τον τρόπο κωδικοποίησής του, είναι αδύνατο να αφαιρεθεί. Και επειδή είναι κατανεμημένο σε ολόκληρη την εικόνα, μπορεί να επιβιώσει από βασικές διαδικασίες όπως η εξαγωγή, η αλλαγή μεγέθους κ.λπ.
Είναι αρκετά εύκολο να καταλάβει κανείς πώς αυτό μπορεί να λειτουργήσει με διακριτικές διαφορές σε στοιχεία όπως τα χρώματα μιας φωτογραφίας. Είναι όμως πολύ πιο δύσκολο να καταλάβει κανείς πώς μπορεί να γίνει αυτό με μια πρωτεΐνη.
Οι πρωτεΐνες αποτελούνται μόνο από 20 αμινοξέα, καθένα από τα οποία μπορεί να είναι απαραίτητο για τη δομική ακεραιότητα ή την καταλυτική δραστηριότητα. Ενώ μερικά από αυτά τα αμινοξέα είναι χημικά παρόμοια (όπως η λευκίνη και η ισολευκίνη), άλλα έχουν αντίθετα ηλεκτρικά φορτία. Πολλές πρωτεΐνες έχουν σημαντικές περιοχές όπου είναι ανεκτές περιορισμένες αλλαγές στην αμινοξική τους αλληλουχία και άλλες περιοχές όπου ακόμη και μια ελαφρά απόκλιση από την υπάρχουσα αλληλουχία αδρανοποιεί την πρωτεΐνη.
Οι πρωτεΐνες είναι επίσης μικρές. Ενώ οι εικόνες περιέχουν συχνά εκατομμύρια εικονοστοιχεία, οι πρωτεΐνες που περιέχουν 500 αμινοξέα είναι αρκετά μεγάλες. Αυτό σημαίνει πολύ λιγότερη «πρώτη ύλη» για να κρυφτεί οποιοδήποτε είδος σήματος.
Επομένως, δεν ήταν σαφές αν η τεχνολογία SynthID θα λειτουργούσε· ίσως να μην ήταν σε θέση να κρύψει επαρκές σήμα σε μια τυπική πρωτεΐνη ή, αν κατάφερνε να συμπιέσει αρκετές πληροφορίες για να δημιουργήσει ένα λειτουργικό υδατογράφημα, οι πρωτεΐνες που θα προέκυπταν ίσως να ήταν ανενεργές. Ο μόνος τρόπος να το διαπιστώσουμε ήταν να το δοκιμάσουμε.
Εφαρμογή της τεχνικής του υδατογραφήματος στις πρωτεΐνες
Για να κατανοήσουμε καλύτερα τον τρόπο λειτουργίας του συστήματος, είναι χρήσιμο να γνωρίζουμε μερικά στοιχεία σχετικά με τη χημεία των πρωτεϊνών. Τα αμινοξέα έχουν μια σταθερή ενότητα που αποτελείται κυρίως από δύο άτομα άνθρακα συνδεδεμένα με ένα άζωτο. Μια πρωτεΐνη δημιουργείται με τη σύνδεση μιας σειράς από αυτές τις σταθερές ενότητες, ώστε να σχηματιστεί μια μακρά αλυσίδα που ονομάζεται κύρια αλυσίδα. Κάθε αμινοξύ έχει επίσης αυτό που ονομάζεται πλευρική αλυσίδα που προεξέχει από αυτό. Αυτές μπορεί να ποικίλλουν σε πολυπλοκότητα, από ένα μόνο άτομο υδρογόνου έως μεγάλες δακτυλιοειδείς δομές· οι πλευρικές αλυσίδες μπορεί να είναι βασικοί υδρογονάνθρακες, οξέα, βάσεις και άλλα.
Οι πλευρικές αλυσίδες καθορίζουν τον τρόπο με τον οποίο η κύρια αλυσίδα αναδιπλώνεται στον τρισδιάστατο χώρο. Σε μια διαλυτή πρωτεΐνη, όλες οι πλευρικές αλυσίδες που αποτελούνται από καθαρούς υδρογονάνθρακες καταλήγουν συμπυκνωμένες στο κέντρο, ενώ τα οξέα, οι βάσεις και οι πλευρικές αλυσίδες που περιέχουν υδροξυλομάδες στρέφονται προς το νερό. Μόλις η πρωτεΐνη αναδιπλωθεί στην τελική της μορφή, η κύρια αλυσίδα θα καθορίζει το συνολικό σχήμα της πρωτεΐνης.
Η ομάδα της Google ξεκίνησε με ένα από τα πιο δημοφιλή εργαλεία σχεδιασμού πρωτεϊνών με τεχνητή νοημοσύνη, το ProteinMPNN. (Το λογισμικό αυτό αναπτύχθηκε από το Baker Lab, ενώ ο David Baker τιμήθηκε με το ίδιο Βραβείο Νόμπελ που μοιράστηκε και ο επικεφαλής της DeepMind.)
Το ProteinMPNN λειτουργεί με μια διαδικασία δύο σταδίων. Πρώτον, ένα ξεχωριστό εργαλείο περιγράφει μια διαμόρφωση του σκελετού που είναι κατάλληλη για τον σχεδιασμό. Στη συνέχεια, το ProteinMPNN προχωρά κατά μήκος του σκελετού, τοποθετώντας πλευρικές αλυσίδες ένα αμινοξύ κάθε φορά. Κάθε αμινοξύ επιλέγεται με βάση την ικανότητά του να ταιριάζει στο σχήμα που ορίζεται από τον σκελετό, να αλληλεπιδρά με γειτονικά αμινοξέα και να πληροί τυχόν άλλους περιορισμούς που ορίζονται από το πείραμα. (Αυτοί οι περιορισμοί μπορεί να περιλαμβάνουν πράγματα όπως τον σχηματισμό καταλυτικών θυλάκων ή την αλληλεπίδραση με άλλη πρωτεΐνη.)
Μια παραλλαγή του SynthID της Google, που ονομάζεται SynthIDBio, παρεμβαίνει κατά τη διάρκεια αυτής της διαδικασίας. Χρησιμοποιεί ένα κλειδί (παρόμοιο με κρυπτογραφικό κλειδί) και την ταυτότητα των αμινοξέων που έχουν επιλεγεί προηγουμένως για να προτείνει ένα νέο. Στη συνέχεια, το ProteinMPNN καθορίζει αν το αμινοξύ που προτείνεται από το SynthID είναι κατάλληλο από την άποψη της δημιουργίας μιας λειτουργικής πρωτεΐνης. Αν δεν είναι, το απορρίπτει. Αν είναι, προχωράει. Με άλλα λόγια, καθώς το σύστημα επεξεργάζεται τη βασική αλυσίδα ένα αμινοξύ κάθε φορά, ενσωματώνει τα αμινοξέα-υδατογράφημα μόνο όταν αυτά συνάδουν με μια λειτουργική πρωτεΐνη.
Ένας τρόπος να το σκεφτούμε αυτό είναι ότι, όταν το σύστημα συναντά μια θέση όπου ένα σύνολο χημικά συγγενών αμινοξέων θα λειτουργούσε (όπως η λευκίνη/ισολευκίνη/βαλίνη ή η σερίνη/θρεονίνη), θα χρησιμοποιεί εκείνο που συνάδει με το «υδατογράφημα», όποτε είναι δυνατόν. Ένας άλλος τρόπος να εξετάσουμε τη διαδικασία, όπως προτείνεται από έναν από τους ανθρώπους που συμμετείχαν στην ανάπτυξη του συστήματος, είναι ότι αυτό αναζητά στον χώρο που καταλαμβάνουν οι λειτουργικές πρωτεΐνες το υποσύνολο που τυχαίνει να έχει επαρκή αριθμό αμινοξέων υδατοσήμου.
Ως αποτέλεσμα, το υδατογράφημα κατανέμεται τυχαία σε όλο το μήκος της πρωτεΐνης, και η ανίχνευσή του δεν αποτελεί απλή ερώτηση τύπου «ναι ή όχι». Πρέπει να σαρώσει κανείς ολόκληρη την αλληλουχία, γνωρίζοντας το κλειδί, και να μετρήσει πόσο συχνά τα αμινοξέα που προτείνει το SynthIDBio εμφανίζονται πράγματι στην τελική αλληλουχία. Η Google έχει επίσης αναπτύξει το λογισμικό που απαιτείται για τον σκοπό αυτό.
Το ερώτημα, λοιπόν, είναι αν οι πρωτεΐνες με υδατογράφημα είναι λειτουργικές. Η ομάδα χρησιμοποίησε το σύστημα για να σχεδιάσει πρωτεΐνες που αλληλεπιδρούν φυσικά με βασικές φυσικές πρωτεΐνες, οι οποίες είχαν προηγουμένως αποτελέσει στόχο σχεδίων που βασίστηκαν στην τεχνητή νοημοσύνη. Και οι εκδόσεις με υδατογράφημα λειτούργησαν άψογα, δεσμεύοντας τους επιδιωκόμενους στόχους. Αυτή η δοκιμή δεν είναι τόσο αυστηρή όσο η ανακάλυψη ενός καταλύτη, αλλά υποδηλώνει ότι δεν υπάρχει λόγος να αναμένουμε σοβαρά προβλήματα σε πιο περίπλοκες εργασίες σχεδιασμού.
Επομένως, εφόσον μια πρωτεΐνη έχει επαρκές μήκος, το σύστημα μπορεί να ανιχνεύσει ένα υδατογράφημα. Πώς μπορεί αυτό να είναι χρήσιμο; Και πάλι, όλα καταλήγουν στη βιοασφάλεια. Όταν κάποιος παραγγέλνει αλληλουχίες DNA, οι άνθρωποι που παράγουν το DNA συνήθως ελέγχουν την αλληλουχία ως προς την ικανότητά της να κωδικοποιεί τμήματα ιών, τοξικών πρωτεϊνών και άλλων παρόμοιων απειλών. Προς το παρόν, ωστόσο, όταν εντοπίζουν μια πρωτεΐνη που δεν μοιάζει με τίποτα από όσα γνωρίζουμε ήδη — κάτι που ενδεχομένως ισχύει για οποιαδήποτε πρωτεΐνη έχει σχεδιαστεί από τεχνητή νοημοσύνη — δεν μπορούν να εκτιμήσουν τον κίνδυνο που ενέχει.
Η Google οραματίζεται το σύστημά της ως έναν τρόπο να προσφέρει στους κατασκευαστές συνθετικού DNA μεγαλύτερη σιγουριά όσον αφορά αυτές τις πρωτεΐνες. Εάν τους δοθεί ένα σύνολο κλειδιών από αξιόπιστους οργανισμούς, όπως πανεπιστήμια ή μεγάλες εταιρείες βιοτεχνολογίας, θα μπορούν να προσδιορίσουν γρήγορα αν μια άγνωστη πρωτεΐνη αποτελεί σχέδιο τεχνητής νοημοσύνης από αξιόπιστη πηγή. Αυτό θα τους επιτρέψει να εστιάσουν την προσοχή και τους πόρους τους στην αξιολόγηση των μη αξιόπιστων στοιχείων — συγκεκριμένα εκείνων που μοιάζουν με σχέδια τεχνητής νοημοσύνης αλλά δεν προέρχονται από αξιόπιστη πηγή.
Με άλλα λόγια, δεν εγγυάται την ασφάλεια των παραγγελιών DNA, αλλά απλοποιεί τη διαδικασία ελέγχου απειλών.
Η ομάδα που βρίσκεται πίσω από την έρευνα έχει επισημάνει διάφορα πιθανά κενά. Κατ’ αρχάς, η ασφάλεια ολόκληρου του συστήματος εξαρτάται από την ασφάλεια του συστήματος που χρησιμοποιείται για τη διανομή και τη συντήρηση των κλειδιών που χρησιμοποιούνται για την υδατογράφηση. Οι πολύ μικρές πρωτεΐνες ενδέχεται να ενσωματώνουν πολύ λίγα αμινοξέα υδατογράφησης για να είναι δυνατή η αναγνώρισή τους. Επίσης, είναι δυνατό να συμπληρωθεί η αλληλουχία με υδατογράφηση με κάτι που δεν την περιέχει — για παράδειγμα, με τη σύντηξη της πρωτεΐνης που έχει σχεδιαστεί με τεχνητή νοημοσύνη με μια φυσική φθορίζουσα πρωτεΐνη — κάτι που θα μπορούσε να αποδυναμώσει το υδατογράφημα.
Υπάρχουν επίσης αρκετά πακέτα λογισμικού σχεδιασμού πρωτεϊνών που βασίζονται στην τεχνητή νοημοσύνη και δεν στηρίζονται στο ProteinMPNN. Ορισμένα από αυτά, αν και όχι όλα, χρησιμοποιούν μια παρόμοια προσέγγιση «ένα αμινοξύ κάθε φορά», η οποία θα πρέπει να ενσωματώνεται καλά με το SynthIDBio. Επομένως, έως ότου η Google βρει τρόπο να χειριστεί άλλες μορφές ενσωμάτωσης, δεν θα μπορούν όλοι να προσθέσουν υδατογράφημα στις πρωτεΐνες που σχεδιάζουν.
Και δεδομένου ότι η αναγνώριση των υδατογραφημάτων γίνεται με στατιστική βάση, ο τρόπος με τον οποίο ορίζεις το όριο έχει μεγάλη σημασία όσον αφορά τα ψευδώς θετικά και τα ψευδώς αρνητικά αποτελέσματα.
Δεν είναι σαφές αν αυτό θα αποδειχθεί ιδιαίτερα χρήσιμο στην πράξη, τουλάχιστον στην αρχική του μορφή. Ωστόσο, είναι αρκετά ενδιαφέρον το γεγονός ότι λειτουργεί. Και είναι καλό να γνωρίζουμε ότι τουλάχιστον ορισμένοι άνθρωποι στον κλάδο της τεχνητής νοημοσύνης σκέφτονται τρόπους για τον περιορισμό των κινδύνων.
