1. Naslov i uvod
Umjetna inteligencija više ne služi samo za pisanje tekstova i crtanje slika – počinje dirati u sam "abecedarij" života. Tim s Columbije i Harvarda upotrijebio je AI-alate kako bi preoblikovao ključni stroj u stanici tako da radi s jednom aminokiselinom manje od uobičajenih 20. To zvuči kao egzotičan pokus iz sintetske biologije, ali u pozadini je nešto veće: AI dobiva utjecaj na pravila biologije, a ne samo na optimizaciju postojećih dijelova. U nastavku analiziram što je točno napravljeno, zašto je tehnički iznimno zahtjevno i zašto bi se to trebalo ticati i europskih – pa i hrvatskih – čitatelja.
2. Vijest ukratko
Prema izvještaju Ars Technice o novoj studiji u časopisu Science, istraživači s Columbia University i Harvard pokušali su odgovoriti na pitanje trebaju li današnje stanice doista svih 20 standardnih aminokiselina koje kodira gotovo univerzalni genetski kod.
Za cilj su uzeli izoleucin, hidrofobnu aminokiselinu vrlo sličnu leicinu i valinu. Krenuli su od bakterije E. coli i u desecima esencijalnih gena zamijenili izoleucin s valinom. U mnogim slučajevima stanice su preživjele, ali su rasle sporije.
Zatim su se usmjerili na jedan od najvažnijih molekularnih kompleksa: ribosom, točnije malu podjedinicu u E. coli. Uz pomoć više AI-alata za dizajn proteina i programa za predviđanje strukture poput AlphaFolda 2, sustavno su redizajnirali ribosomske proteine tako da više ne sadrže izoleucin. Nakon brojnih iteracija i vrlo opsežnog testiranja dobili su soj kod kojeg je mala ribosomska podjedinica potpuno bez izoleucina, a ipak funkcionalna. Bakterije, međutim, rastu tek oko 60–70 % brzinom neizmijenjenog soja.
Važan detalj: ti dizajnirani proteini funkcioniraju isključivo zajedno. Ako se samo jedan od njih ubaci u inače "normalnu" stanicu, stanica ugiba.
3. Zašto je to važno
Na prvi pogled, ovo izgleda kao intelektualna vježba u genetskom minimalizmu. No utjecaj ide puno dalje.
Prvo, ovo je stres-test AI-a u molekularnom inženjerstvu. Ne radi se samo o predviđanju oblika proteina, nego o održavanju u pogonu ogromnog, milijardama godina optimiranog stroja – ribosoma – pod sasvim novim ograničenjima. Činjenica da su AI-modeli uspjeli predložiti održive zamjene za aminokiselinu koju priroda čuva praktički u svim organizmima velik je skok prema ulozi AI-a kao su-dizajnera živih sustava.
Drugo, projekt zadire u prividnu nepovredivost genetskog koda. Dosadašnji projekti rekodiranja genoma uglavnom su se igrali dodjelom kodona ili ubacivanjem nenaravnih aminokiselina. Ovdje je pitanje drukčije: možemo li neke aminokiseline u potpunosti izbaciti iz sustava – makar u određenim modulima stanice? To je konceptualno bliže prepisivanju operativnog sustava nego instaliranju još jednog programa.
Treće, postoji realan potencijal za praktičnu primjenu. Stanica koja radi s smanjenim skupom aminokiselina mogla bi biti znatno otpornija na viruse koji očekuju standardni aparat s 20 aminokiselina. Dugoročno je moguće zamisliti industrijske mikrobe s "neuobičajenim" kodom, koji su i otporniji na infekcije i teže se rekombiniraju s divljim sojevima u okolišu.
S druge strane, ovaj rad naglašava i problem crne kutije. AI-modeli ponekad mijenjaju cijele strukturne elemente proteina – primjerice potpunim redizajnom alfa-spirale u kojoj se nalazi izoleucin – bez objašnjivog razloga. Autori mogu samo nagađati što se događa. To je ozbiljno upozorenje za svakoga tko razmišlja o AI-dizajnu organizama u sigurnosno osjetljivim procesima: možemo dobiti sustave koji rade, ali bez jasnog razumijevanja skrivenih slabih točaka.
4. Šira slika
Ovaj rad lijepo se uklapa u nekoliko snažnih trendova u biotehnologiji i AI-u:
- AlphaFold 2 i slični modeli učinili su predviđanje strukture proteina rutinom.
- Pojavili su se generativni modeli za proteine koji mogu osmišljavati potpuno nova slijedove i strukture.
- Veliki projekti rekodiranja genoma i "minimalnih stanica" nastoje ukloniti suvišne gene i kodone, stvarajući organizme s većom kontrolom i često ugrađenom otpornošću na viruse.
Studija Columbije i Harvarda te trendove stavlja jedan na drugi: generativni dizajn, provjera strukture i agresivno genetsko inženjerstvo, primijenjeni na srce translacijskog aparata.
Povijesno gledano, ovako duboke preinake tražile su godine mukotrpnih eksperimenata. Danas gledamo ranu verziju "tvornice života s AI-em u petlji": zadamo ograničenja ("bez izoleucina"), modeli pretražuju prostor mogućih slijedova, laboratorij testira odabrane kandidate. Zasad je taj ciklus spor i krhak – dobivene stanice rastu lošije, a jedan jedini protein (rplW) zamalo je srušio cijeli projekt – ali je lako zamisliti koliko će za desetak godina biti brži i pouzdaniji.
Za razliku od mnogo marketinškog dima oko "digitalne biologije", ovdje imamo vrlo opipljiv rezultat. Pokazano je da možemo jedan od najkonzerviranijih molekularnih kompleksa gurnuti u područje prostora slijedova u kojem vjerojatno nikada nije bio – i da ipak radi.
To nagovještava i sljedeću fazu: od optimizacije pojedinačnih enzima prema preoblikovanju čitavih podsustava stanice – ribosoma, polimeraza, sustava za popravak DNA – prema kriterijima koje definiraju ljudi: sigurnost, kontrola, industrijski učinak.
5. Europski i regionalni kut
U europskom kontekstu ovo istraživanje ulazi ravno u prostor između biotehnološke strateške autonomije i regulacije AI-a.
EU ima snažnu bazu u strukturnoj biologiji i genomici (EMBL, Max Planck, ETH Zürich, instituti u Beču, Berlinu i drugdje). To su prirodna središta za razvoj AI-dizajna proteina i stanica. Hrvatska i regija imaju manji, ali sve življi start-up ekosustav u Zagrebu, Ljubljani i Beogradu; već danas postoje tvrtke koje rade na enzimskom inženjeringu, bioinformatici i fermentacijskim tehnologijama.
Regulatorni okvir, međutim, kasni. EU direktive o GMO-ima nastale su prije AI-booma i fokusirane su na to što je promijenjeno i kako je organizam zatvoren u sustavu, a manje na kako je dizajn nastao. Nadolazeći EU AI Act uvodi zahtjeve za transparentnost i upravljanje rizicima kod visokorizičnih AI-sustava, ali nije jasno gdje se modeli za biološki dizajn uklapaju.
Za Hrvatsku i širu Jadransku regiju krije se i prilika. Stanice s ograničenim genetskim kodom mogle bi biti temelj sigurnijih bioprocesa u farmaciji, prehrani i biogospodarstvu – područjima koja su važna za razvoj mediteranske poljoprivrede, akvakulture i zelene kemije. Ako osnovni biološki "čip" manjim dijelom komunicira s prirodnim organizmima, lakše je smjestiti pogon u blizini gradova poput Zagreba ili Splita, uz manji percepcijski rizik za lokalnu zajednicu.
Pitanje je hoće li EU – i Hrvatska unutar nje – dovoljno brzo prilagoditi istraživačke prioritete, propise i etičke okvire kako bi bila sudionik, a ne samo korisnik ove nove tehnološke razine.
6. Pogled unaprijed
Što možemo očekivati dalje?
Na znanstvenoj strani vjerojatni su sljedeći smjerovi:
- Proširenje dizajna bez izoleucina sa male ribosomske podjedinice na veće dijelove genoma, uz pitanje je li održiv organizam koji globalno funkcionira sa 19 aminokiselina.
- Slični pokusi s drugim aminokiselinama, osobito onima koje imaju kemijski slične "zamjene", kako bismo razumjeli minimalni funkcionalni skup potreban za život.
- Kombiniranje redukcije i ekspanzije koda: nakon uklanjanja jedne aminokiseline oslobođeni kodoni mogli bi se upotrijebiti za nenaravne aminokiseline s novim svojstvima.
Što se tiče AI-a, možemo očekivati integriranije platforme koje ne samo da predlažu slijedove, već istodobno procjenjuju učinke na rast, točnost prevođenja, stabilnost u evoluciji i potencijalne "puteve bijega". To će biti ključno za dizajn stanica koje su istovremeno produktivne i sigurnosno ograničene.
Za čitatelje vrijedi pratiti nekoliko signala u narednim godinama:
- Industrijske najave o "AI-dizajniranim proizvodnim sojevima" ili "rekodiranim organizmima" u farmaciji, kemijskoj industriji ili prehrambenoj tehnologiji.
- Rasprave na razini EU i nacionalnih vlada u kojima se prvi put eksplicitno spominje dizajn genoma uz pomoć AI-a.
- Moguće prijedloge za kontrolu izvoza najmoćnijih bio-dizajnerskih alata, slično današnjim ograničenjima za napredne čipove.
Otvorena pitanja nisu trivijalna: kako procijeniti sigurnost organizma čiji je dizajn došao iz neprozirnog modela? Tko snosi odgovornost ako neki AI-predloženi detalj nakon godina uporabe dovede do neočekivanog problema u proizvodnji ili okolišu? I kako spriječiti da ista tehnologija ne postane prečac za visokorizične biološke eksperimente?
7. Zaključak
Ribosom bez izoleucina manje je prozor u davnu prošlost života, a više dokaz da nam AI pomaže ponovno pregovarati o osnovnim pravilima suvremenih stanica. To je istodobno uzbudljivo i nelagodno. Ako ove modele počnemo doživljavati kao nepogrešiva proročišta, mogli bismo izgraditi biološku infrastrukturu koju ne razumijemo dovoljno dobro. Prava prilika – i za Hrvatsku – jest povezati ovu novu moć dizajna s ozbiljnim ulaganjem u tumačenje, sigurnost i upravljanje. Genetski kod više nije nedodirljiv; pitanje je kako ćemo se ponašati sada kad ga doista možemo mijenjati.
