বৈজ্ঞানিক অগ্রগতিকে ত্বরান্বিত করা AI-এর মাধ্যমে মানবজাতির উপকারে সবচেয়ে মূল্যবান উপায়গুলির একটি. GPT‑5 দিয়ে আমরা এর প্রাথমিক লক্ষণ দেখতে শুরু করছি—শুধু গবেষকদের বৈজ্ঞানিক সাহিত্য দ্রুত অতিক্রম করতে সাহায্য করাই নয়, বরং নতুন ধরনের বৈজ্ঞানিক যুক্তি সমর্থন করতেও, যেমন অপ্রত্যাশিত সংযোগ উন্মোচন করা, প্রমাণ কৌশল প্রস্তাব করা, বা বিশেষজ্ঞরা মূল্যায়ন এবং পরীক্ষা করতে পারেন এমন সম্ভাব্য প্রক্রিয়া প্রস্তাব করা.
এ পর্যন্ত অগ্রগতি সবচেয়ে দৃশ্যমান হয়েছে গণিত, তাত্ত্বিক পদার্থবিদ্যা এবং তাত্ত্বিক কম্পিউটার বিজ্ঞানের ক্ষেত্রে, যেখানে ধারণাগুলি শারীরিক পরীক্ষার প্রয়োজন ছাড়াই কঠোরভাবে যাচাই করা যায়. জীববিজ্ঞান আলাদা: বেশিরভাগ অগ্রগতি পরীক্ষামূলক কার্যকরীতা, পুনরাবৃত্তি এবং পরীক্ষাগারে প্রায়োগিক যাচাইয়ের উপর নির্ভর করে.
এই পরিবেশে ফ্রন্টিয়ার মডেলগুলির আচরণ বোঝার জন্য, আমরা বায়োসিকিউরিটি স্টার্ট-আপ Red Queen Bio এর সাথে কাজ করেছি একটি মূল্যায়ন কাঠামো তৈরি করতে, যা পরীক্ষা করে মডেল কীভাবে ওয়েট ল্যাবে ধারণা প্রস্তাব, বিশ্লেষণ এবং পুনরাবৃত্তি করে. আমরা একটি সাধারণ আণবিক জীববিজ্ঞান পরীক্ষামূলক ব্যবস্থা স্থাপন করেছি এবং দক্ষতার জন্য আণবিক ক্লোনিং প্রোটোকল অপ্টিমাইজ করতে GPT‑5 ব্যবহার করেছি.
বহু পর্যায়ের পরীক্ষার মাধ্যমে, GPT‑5 একটি নতুন প্রক্রিয়া প্রবর্তন করেছে যা ক্লোনিং দক্ষতা 79 গুণ উন্নত করেছে. ক্লোনিং একটি মৌলিক আণবিক জীববিজ্ঞান সরঞ্জাম. ক্লোনিং পদ্ধতির দক্ষতা বড়, জটিল লাইব্রেরি তৈরি করার জন্য অত্যন্ত গুরুত্বপূর্ণ, যা প্রোটিন ইঞ্জিনিয়ারিং(একটি নতুন উইন্ডোতে খোলে), জেনেটিক স্ক্রিন(একটি নতুন উইন্ডোতে খোলে), এবং অর্গানিজমাল স্ট্রেইন ইঞ্জিনিয়ারিং(একটি নতুন উইন্ডোতে খোলে)-এর কেন্দ্রীয় অংশ. এই প্রকল্পটি একটি ধারণা দেয় যে গবেষণার গতি ত্বরান্বিত করতে কিভাবে AI জীববিজ্ঞানীদের সাথে একসাথে কাজ করতে পারে. পরীক্ষামূলক পদ্ধতির উন্নতি মানব গবেষকদের দ্রুত অগ্রসর হতে, খরচ কমাতে এবং আবিষ্কারগুলিকে বাস্তব জীবনে প্রভাবিত করতে সহায়তা করবে.
জৈবিক যুক্তির অগ্রগতি বায়োসিকিউরিটির উপর প্রভাব ফেলে বলে, আমরা এই কাজটি একটি কঠোর নিয়ন্ত্রিত পরিবেশে সম্পন্ন করেছি—একটি নিরীহ পরীক্ষামূলক সিস্টেম ব্যবহার করে, কাজের পরিধি সীমিত করে এবং মডেলের আচরণ মূল্যায়ন করে আমাদের বায়োসিকিউরিটি ঝুঁকি মূল্যায়ন এবং মডেল ও সিস্টেম স্তরের সুরক্ষা ব্যবস্থার উন্নয়ন সম্পর্কে অবহিত করতে, যেমনটি আমাদের প্রস্তুতি ফ্রেমওয়ার্ক(একটি নতুন উইন্ডোতে খোলে)-এ বর্ণিত হয়েছে.
এই সেট-আপে, GPT‑5 স্বয়ংক্রিয়ভাবে ক্লোনিং প্রোটোকল সম্পর্কে যুক্তিযুক্ত হয়েছে, পরিবর্তনের প্রস্তাব দিয়েছে এবং নতুন পরীক্ষার ডেটা অন্তর্ভুক্ত করে আরও উন্নতির পরামর্শ দিয়েছে. মানব হস্তক্ষেপের একমাত্র অংশ ছিল বিজ্ঞানীদের পরিবর্তিত প্রোটোকল সম্পাদন করা এবং পরীক্ষামূলক ডেটা আপলোড করা.
বহু রাউন্ডের মধ্যে, GPT‑5 ক্লোনিং প্রক্রিয়াটি অপ্টিমাইজ করেছে যাতে দক্ষতা 79 গুণেরও বেশি বৃদ্ধি পায়—অর্থাৎ একটি নির্দিষ্ট পরিমাণ ইনপুট DNA-এর জন্য, আমরা বেসলাইন প্রোটোকলের তুলনায় 79 গুণ বেশি সিকোয়েন্স-ভেরিফাইড ক্লোন পুনরুদ্ধার করেছি. বিশেষভাবে, এটি দুটি এনজাইম প্রবর্তন করেছে যা একটি নতুন প্রক্রিয়া গঠন করে: E. coli থেকে রিকম্বিনেজ RecA এবং ফেজ T4 জিন 32 একক-স্ট্র্যান্ডেড DNA-বাইন্ডিং প্রোটিন (gp32). একসাথে কাজ করে, gp32 আলগা DNA প্রান্তগুলোকে মসৃণ ও জটমুক্ত করে এবং তারপর RecA প্রতিটি স্ট্র্যান্ডকে তার সঠিক মিলের দিকে নির্দেশ করে.
প্রাথমিক স্ক্রিনিং এবং গৌণ পরীক্ষাগুলি RecA-Assisted Pair-and-Finish HiFi Assembly (RAPF) এবং ট্রান্সফরমেশন 7 (T7) যথাক্রমে শীর্ষ এনজাইম্যাটিক এবং ট্রান্সফরমেশন প্রোটোকল হিসেবে চিহ্নিত করেছে. RAPF অ্যাসেম্বলি এবং T7 ট্রান্সফরমেশন উভয়ই বেস HiFi রিঅ্যাকশন ক্লোনিং প্রোটোকলের তুলনায় স্বাধীনভাবে ক্লোনিং দক্ষতা উন্নত করেছে, যথাক্রমে 2.6 গুণ এবং 36 গুণ; এবং একত্রে 79 গুণ কর্মক্ষমতা বৃদ্ধির একটি সংযোজক উন্নতি প্রদান করেছে. সব ক্লোন সিকোয়েন্সিংয়ের মাধ্যমে নিশ্চিত করা হয়েছে. (ত্রুটি বার: n=3 স্বাধীন যাচাইকরণ পরীক্ষার SD).
যদিও এটি প্রাথমিক, এই ফলাফলগুলো আশাব্যঞ্জক. উন্নতিগুলি আমাদের মডেল সিস্টেমে ব্যবহৃত নির্দিষ্ট ক্লোনিং সেট আপের জন্য বিশেষভাবে প্রযোজ্য এবং এখনও মানব বিজ্ঞানীরা প্রোটোকল স্থাপন ও পরিচালনা করেন. তবুও, এই পরীক্ষাগুলি প্রমাণ করে যে AI সিস্টেমগুলি বাস্তব ল্যাবরেটরি কাজকে অর্থবহভাবে সহায়তা করতে পারে এবং ভবিষ্যতে মানব বিজ্ঞানীদের কাজের গতি বাড়াতে পারে.
উল্লেখযোগ্যভাবে, AI-ল্যাব লুপটি নির্দিষ্ট প্রম্পটিং এবং কোনো মানব হস্তক্ষেপ ছাড়াই পরিচালিত হয়েছিল. এই স্ক্যাফোল্ডিং মডেলের ক্ষমতা প্রকাশ করতে সাহায্য করেছে যা মানব নির্দেশনা ছাড়াই সত্যিকারের নতুন প্রোটোকল পরিবর্তন প্রস্তাব করতে পারে, কিন্তু এটি সিস্টেমকে অনুসন্ধানে আবদ্ধ করেছে এবং নতুন আবিষ্কৃত ধারণাগুলোর কার্যক্ষমতা সর্বাধিক করার ক্ষমতাকে সীমিত করেছে. অন্বেষণ এবং শোষণের মধ্যে আরও ভালো গতিশীল ভারসাম্য সম্ভবত বড় লাভ আনতে পারে, কারণ এনজাইম্যাটিক এবং রূপান্তর উভয় ক্ষেত্রেই উন্নতির জন্য যথেষ্ট পরিমার্জনের সুযোগ রয়েছে. আমরা আশা করি পরিকল্পনা এবং কাজের-দিগন্ত যুক্তিতে অগ্রগতি সাধারণ নির্দিষ্ট নির্দেশগুলির উভয় আবিষ্কার এবং পরবর্তী অপ্টিমাইজেশনে সহায়তা করার ক্ষমতা উন্নত করবে.
Gibson অ্যাসেম্বলি(একটি নতুন উইন্ডোতে খোলে) প্রতিক্রিয়া 2009 সালে উদ্ভাবিত হওয়ার পর থেকে একটি প্রধান ক্লোনিং পদ্ধতি হিসেবে ব্যবহৃত হচ্ছে এবং এটি আণবিক জীববিজ্ঞানে ব্যাপকভাবে গৃহীত হয়েছে. Gibson অ্যাসেম্বলি আণবিক জীববিজ্ঞানী বা মলিকুলার বায়োলজিস্টদেরকে DNA-এর টুকরোগুলিকে তাদের প্রান্তগুলি সামান্য সময়ের জন্য গলিয়ে "আঠা" দিয়ে একত্রিত করতে সাহায্য করে, যাতে মিলে যাওয়া সিকোয়েন্সগুলি একটি একক অণুর মধ্যে সীলমোহর করা যেতে পারে. Gibson অ্যাসেম্বলির একটি বড় আকর্ষণ এর সরলতা: সবকিছু একটি টিউবে এবং এক তাপমাত্রায় সম্পন্ন হয়. এই সীমাবদ্ধতাগুলি স্বাভাবিকভাবেই উন্নতির সুযোগ রেখে দেয়. এছাড়াও, নিম্নলিখিত বৈশিষ্ট্যগুলি AI মডেলগুলির ক্ষমতা মূল্যায়নের জন্য এটিকে বিশেষভাবে উপযুক্ত করে তোলে, যা ওয়েট ল্যাব কৌশলগুলির উন্নতি করতে পারে:
- নিয়ন্ত্রিত উপাদান সহ সুসংজ্ঞায়িত, সেল-ভিত্তিক সিস্টেমের তুলনায় ভিন্ন
- একটি স্পষ্ট অপ্টিমাইজেশন ফাংশন রয়েছে: একটি নির্দিষ্ট পরিমাণ লিনিয়ার DNA ইনপুট থেকে তৈরি পরিবর্তনযোগ্য বৃত্তাকার DNA
- আপেক্ষিকভাবে দ্রুত পরীক্ষামূলক চক্র (1-2 দিন)
- উচ্চ-মাত্রার ডিজাইন স্পেস যা উন্নতির জন্য প্রক্রিয়াগত যুক্তি প্রয়োজন: সর্বোত্তম বাফার, রিএজেন্ট এবং তাপমাত্রা সবই পরস্পর নির্ভরশীল।
আমরা HiFi অ্যাসেম্বলি(একটি নতুন উইন্ডোতে খোলে) ব্যবহার করেছি, যা নিউ ইংল্যান্ড বায়োল্যাবস দ্বারা উন্নত একটি মালিকানাধীন এনজাইম সিস্টেম এবং Gibson অ্যাসেম্বলির উপর ভিত্তি করে তৈরি হয়েছে, অপ্টিমাইজেশনের প্রাথমিক বিন্দু হিসেবে. আমরা পরীক্ষা করেছি যে একটি AI উদ্ভাবন করতে এবং পরীক্ষামূলক প্রতিক্রিয়া থেকে শিখতে পারে কিনা, একবার একক-ধাপ এবং সমতাপীয় সীমাবদ্ধতা সরিয়ে ফেলা হলে, এবং এই পরিস্থিতিতে প্রোটোকল উন্নতি সনাক্ত করতে পারে কিনা.
বিশেষভাবে, আমরা সবুজ ফ্লুরোসেন্ট প্রোটিন (GFP) এর জন্য একটি জিন এবং ব্যাপকভাবে ব্যবহৃত pUC19 প্লাজমিড ব্যবহার করে একটি দুই-অংশের ক্লোনিং প্রতিক্রিয়া সম্পাদন করেছি, যা একটি মানক DNA "যানবাহন" হিসেবে ব্যাকটেরিয়ায় জিন বহন করতে ব্যবহৃত হয় যাতে সেগুলি অনুলিপি করা যায়. লক্ষ্য ছিল সফল কলোনির সংখ্যা বাড়ানো.
আমরা প্রস্তাবগুলির পুনরাবৃত্তির জন্য একটি বিবর্তনীয় কাঠামো প্রবর্তন করে ক্লোনিং প্রতিক্রিয়াটি অপ্টিমাইজ করেছি, যা মডেলকে তার অতীত পরীক্ষাগুলি থেকে সরাসরি শেখার সুযোগ দেয়. প্রতিটি রাউন্ডে, GPT‑5 আট থেকে দশটি ভিন্ন প্রতিক্রিয়ার একটি ব্যাচ প্রস্তাব করত এবং প্রতিক্রিয়াগুলি পরবর্তী রাউন্ডে ঠেলে দেওয়া হতো যদি সেগুলির জন্য ল্যাবরেটরিতে সহজলভ্য না থাকা কাস্টম রিএজেন্ট প্রয়োজন হতো. তারপর মানব বিজ্ঞানীরা প্রতিক্রিয়াগুলি সম্পাদন করেন এবং প্রাথমিক স্ক্রিনে বেসলাইন HiFi Gibson অ্যাসেম্বলির তুলনায় কলোনি গণনা পরিমাপ করেন. পূর্ববর্তী রাউন্ডের সেরা পারফর্ম করা ডেটা পরবর্তী রাউন্ডে প্রবেশ করানো হয়েছিল. গুরুত্বপূর্ণভাবে, প্রম্পটিং-কে মানসম্মত করা হয়েছিল এবং স্পষ্টতামূলক প্রশ্নগুলি ছাড়া মানুষের কোনো ইনপুট ছিল না, যা আমাদেরকে নতুন কার্যপ্রণালীর অন্তর্দৃষ্টি সরাসরি মানুষের নির্দেশনার পরিবর্তে AI-এর উপর আরোপ করার অনুমতি দেয়.
আমরা সম্পূর্ণ অপ্টিমাইজেশন সিরিজ থেকে শীর্ষ আটটি প্রতিক্রিয়া পুনরায় পরীক্ষা করেছি একটি বিস্তৃত DNA ডাইলিউশন পরিসর ব্যবহার করে এবং দেখেছি যে অনেকগুলির প্রভাব প্রাথমিক স্ক্রিনের তুলনায় ছোট ছিল; শেষ পর্যন্ত, সবচেয়ে শক্তিশালী যাচাইকৃত প্রার্থী ছিল রাউন্ড-5 থেকে একটি প্রতিক্রিয়া যা তার মূল পারফরম্যান্স পুনরায় প্রদর্শন করেছিল. অনেক উচ্চ পারফরমার লিগেজ-পলিশ পরিবারের মধ্যে পড়েছে, যা বিশেষ করে সক্ষম-সেল অবস্থার ছোট পরিবর্তন এবং/অথবা পোস্ট-রিঅ্যাকশন DNA হ্যান্ডলিং-এর প্রতি সংবেদনশীল বলে মনে হয়. এই প্রতিক্রিয়াগুলি একটি সংক্ষিপ্ত HiFi ধাপ ব্যবহার করেছিল বলে, আমরা অনুমান করি যে অনেক পণ্য সম্ভবত E. coli -তে প্রবেশ করে যেখানে শুধুমাত্র একটি সংযোগস্থল সিল করা থাকে এবং অন্যটি অ্যানিলিং দ্বারা ধরে রাখা হয়, ফলে পরবর্তী উদ্ধারকাজ কোষীয় মেরামত পথের উপর নির্ভর করে. এটি উচ্চ বৈচিত্র্য এবং একটি 'জ্যাকপট' গতিশীলতা তৈরি করে: যদিও বেশিরভাগ সময় এই প্রতিক্রিয়ার ভ্যারিয়েন্টগুলি ভালো পারফর্ম করে না, একটি শক্তিশালী ব্যতিক্রমী ভ্যারিয়েন্ট পুরো পরিবারকে পরবর্তী রাউন্ডে নিয়ে যেতে পারে.
যখন আমরা যান্ত্রিক জটিলতার কারণে ক্লোনিং প্রতিক্রিয়াকে বিভিন্ন রাউন্ডে অপ্টিমাইজ করছিলাম, তখন আমরা একইসাথে একটি "ওয়ান-শট" রাউন্ড ব্যবহার করে রূপান্তর পদ্ধতিটি অপ্টিমাইজ করেছি যেখানে মডেলটি অনেক স্বাধীন পরিবর্তনের প্রস্তাব দিয়েছিল এবং আমরা সেরা কর্মক্ষম প্রতিক্রিয়াটি গ্রহণ করেছি.
দুই-ধাপের ক্লোনিং ওয়ার্কফ্লোরের প্রাথমিক অপ্টিমাইজেশন স্ক্রিন: এনজাইম্যাটিক অ্যাসেম্বলি এবং ট্রান্সফরমেশন. (বাম) পাঁচটি রাউন্ডে (মোট 44-টি প্রতিক্রিয়া) পুনরাবৃত্তিমূলক অপ্টিমাইজেশনের মাধ্যমে এনজাইম্যাটিক অ্যাসেম্বলি সম্পন্ন হয়েছে. HiFi অ্যাসেম্বলি বেসলাইন থেকে শুরু করে, GPT‑5 প্রতি রাউন্ডে 8-10 অ্যাসেম্বলি প্রোটোকল ভেরিয়েন্ট প্রস্তাব করেছিল; শীর্ষ কর্মক্ষম ফলাফলের তথ্য পরবর্তী নির্দেশে অন্তর্ভুক্ত করা হয়েছিল. প্রতিটি রাউন্ডে, আমরা এ পর্যন্ত সেরা পারফর্ম করা প্রতিক্রিয়াটি প্লট করি (পূর্ববর্তী রাউন্ডসহ). (ডান) রূপান্তর শর্তাবলীর এক-শট অপ্টিমাইজেশন, 13-টি ভিন্ন প্রোটোকল পরীক্ষা. উভয় অপ্টিমাইজেশন স্ক্রিনের জন্য, ডেটা প্রতিটি শর্তে একক পরিমাপ (n=1) হিসেবে উপস্থাপন করা হয়েছে; শীর্ষ প্রার্থীদের জন্য পৃথকভাবে পুনরায় যাচাইকরণ করা হয়েছে.
মানব ইনপুট ছাড়াই স্ট্যান্ডার্ড নির্দেশ ব্যবহার করে, GPT5 এন্ড-টু-এন্ড ক্লোনিং দক্ষতা 79 গুণ বৃদ্ধি করেছে, যা পরীক্ষামূলক পুনরাবৃত্তির মাধ্যমে নিশ্চিত হয়েছে.
উল্লেখযোগ্যভাবে, মডেলটি একটি নতুন এনজাইম্যাটিক পদ্ধতি প্রস্তাব করেছে, যাকে মডেলটি "RecA-Assisted Pair-and-Finish HiFi Assembly (RAPF-HiFi)" বলে অভিহিত করেছে, যা প্রতিক্রিয়ায় দুটি নতুন প্রোটিন যোগ করে: E. coli থেকে রিকম্বিনেজ RecA এবং ফেজ T4 জিন 32 একক-স্ট্র্যান্ডেড DNA-বাইন্ডিং প্রোটিন (gp32). এছাড়াও, মডেলটি ইনকিউবেশনের তাপমাত্রা এবং সময় এবং এনজাইমেটিক সংযোজনের সময়সূচিতে সুচিন্তিত পরিবর্তন এনেছিল: এটি একটি প্রাথমিক 50°C তাপমাত্রার HiFi প্রতিক্রিয়ার পরে RecA এবং gp32 যোগ করার প্রস্তাব করেছিল, এই প্রোটিনগুলিকে 37°C-এ কাজ করতে দিয়েছিল এবং তারপর অ্যাসেম্বলি সম্পূর্ণ করার জন্য আবার 50°C-এ ফিরে গিয়েছিল. একসাথে, এই নতুন পরিবর্তনগুলো দক্ষতা 2.5 গুণেরও বেশি বৃদ্ধি করেছে. এটি উল্লেখ করা প্রয়োজন যে এটি প্রতিক্রিয়া শর্তাবলী এবং সময়ের পুনরাবৃত্তিমূলক অপ্টিমাইজেশন ছাড়াই প্রাথমিক কর্মক্ষমতা প্রদর্শন করে.
ট্রান্সফরমেশন এর ক্ষেত্রে, সবচেয়ে কার্যকর পরিবর্তনটি অপ্রত্যাশিতভাবে সহজ প্রমাণিত হয়েছিল: কোষগুলিকে পেলেট করা (টিউবের নিচে জমা হওয়ার জন্য সেন্ট্রিফিউজে ঘোরানো), সরবরাহ করা ভলিউমের অর্ধেক অপসারণ করা এবং DNA যোগ করার আগে কোষগুলিকে পুনরায় স্থগিত করা সবকিছুই 4°C তাপমাত্রায় করা হয়েছিল. যদিও উচ্চ-দক্ষতার রাসায়নিকভাবে সক্ষম কোষগুলি সাধারণত ভঙ্গুর বলে বিবেচিত হয়, কোষগুলি ঘনত্বকে ভালোভাবে সহ্য করেছে এবং বৃদ্ধি পাওয়া আণবিক সংঘর্ষগুলি রূপান্তর দক্ষতাকে উল্লেখযোগ্যভাবে বাড়িয়েছে (চূড়ান্ত যাচাইয়ে >30-গুণ).
T5 এক্সোনিউক্লিয়েজ 3′ ওভারহ্যাং তৈরি করে যা gp32 গৌণ গঠন দমন করে স্থিতিশীল করে. এরপর RecA 3′ প্রান্ত থেকে প্রবেশ করে, gp32-কে স্থানচ্যুত করে এবং সমজাতীয় অনুসন্ধান ও অ্যানিলিংকে উৎসাহিত করে. 50 °C তাপমাত্রায় গরম করলে উভয় প্রোটিন অপসারণ করে, যা পলিমারেজ গ্যাপ পূরণ এবং লিগেশনকে সক্ষম করে.
Gibson অ্যাসেম্বলি DNA টুকরোগুলিকে মেলানো "স্টিকি" প্রান্ত প্রদান করে যাতে তারা একে অপরকে খুঁজে পায় এবং যুক্ত হয়. এই বিক্রিয়ায় দুটি ভিন্ন এনজাইম (একটি পলিমারেজ এবং একটি লাইগেজ) ব্যবহার করা হয় সংযুক্ত টুকরোগুলোকে সিল করার জন্য. RAPF-HiFi-তে, দুটি প্রোটিন প্রবর্তন করা হয়েছিল যাতে মিলানোর ধাপটি আরও কার্যকরভাবে কাজ করে. প্রথমত, gp32 একটি চিরুনির মতো কাজ করে যা আলগা DNA প্রান্তগুলো মসৃণ করে এবং জট ছাড়ায়. দ্বিতীয়টি, RecA, একটি গাইডের মতো কাজ করে যা প্রতিটি স্ট্র্যান্ডের জন্য সঠিক সঙ্গী খুঁজে বের করে এবং মিলে যাওয়া অংশগুলোকে একত্রিত করে. উচ্চ তাপমাত্রা উভয় সহায়ককে DNA থেকে বিচ্ছিন্ন করে দেয়, ফলে স্বাভাবিক Gibson এনজাইমগুলি বিক্রিয়া সম্পন্ন করতে পারে.
সারসংক্ষেপে, আমরা অনুমান করছি যে উন্নত কর্মক্ষমতা নিম্নলিখিত প্রক্রিয়ার মাধ্যমে ঘটে:
- Gp32 অ্যানিল না করা একক-স্ট্র্যান্ডেড DNA (ssDNA) টেইল আবৃত করে, গৌণ গঠন অপসারণ করে
- RecA, সাধারণত কাঠামো দ্বারা বাধাগ্রস্ত, 3' প্রান্ত থেকে আক্রমণ করে এবং gp32 ফিলামেন্টকে স্থানচ্যুত করে
- RecA একটি ssDNA:ssDNA সমজাতীয়তা অনুসন্ধান(একটি নতুন উইন্ডোতে খোলে) পরিচালনা করে, যা অ্যানিলিং প্রক্রিয়াকে চালিত করে।
- 50°C তাপমাত্রায় ফিরে আসা উভয় recA এবং gp32 ফিলামেন্টকে স্থানচ্যুত করে, যা পলিমারেজ এবং লাইগেজকে বিক্রিয়া সম্পন্ন করতে সক্ষম করে.
নতুন এনজাইমগুলি কার্যকরী কিনা তা পরীক্ষা করার জন্য এবং শুধুমাত্র তাপীয় ধাপ বা বাফারের পরিবর্তনের কারণে কর্মক্ষমতা উন্নতি হচ্ছে কিনা তা নিশ্চিত করতে, আমরা RecA ছাড়া এবং RecA এবং gp32 উভয় ছাড়াই RAPF-HiFi এর কর্মক্ষমতা পরীক্ষা করেছি. উভয় প্রতিক্রিয়ার কার্যকারিতা RAPF-HiFi এর তুলনায় হ্রাস পেয়েছে, যা নির্দেশ করে যে RAPF-HiFi এর কার্যপ্রণালীর জন্য উভয় প্রোটিনই প্রয়োজনীয়.
অন্তর্নিহিত প্রক্রিয়াটি পরীক্ষা করতে, আমরা প্রতিক্রিয়ায় দুটি নতুন এনজাইম, RecA এবং gp32 পৃথক করি. আমরা প্রমাণ করি যে এগুলির যেকোনো একটি একা HiFi বেসলাইনের তুলনায় দক্ষতা কমিয়ে দেয়. একসাথে, তারা বেসলাইনকে ছাড়িয়ে 2.6 গুণ দক্ষতা বৃদ্ধি করেছে. (ত্রুটি বার: n=3 স্বাধীন পরীক্ষার SD)
RAPF-HiFi এর উন্নয়ন ইঙ্গিত দেয় যে GPT‑5 জটিল, বহু-মাত্রিক যুক্তি প্রদানে সক্ষম:
- RecA DNA গঠনের দ্বারা বাধাগ্রস্ত হয়(একটি নতুন উইন্ডোতে খোলে), এবং এটি উল্লেখযোগ্য যে মডেলটি একসাথে দুটি সমন্বিত পরিবর্তন প্রবর্তন করেছে: RecA যোগ করা হয়েছে এবং gp32 দিয়ে DNA গঠনের দ্বিতীয়িক কাঠামো অপসারণ করা হয়েছে.
- E. coli RecA-এর প্রাকৃতিক অংশীদার হল E. coli সিঙ্গল-স্ট্র্যান্ডেড বাইন্ডিং প্রোটিন (SSB). জিনোম প্রতিলিপি, পুনঃসংযোজন এবং মেরামতের সময় SSB gp32-এর মতোই একটি ভূমিকা পালন করে. তবে, E. coli SSB DNA থেকে যথেষ্ট দ্রুত স্বতঃস্ফূর্তভাবে বিচ্ছিন্ন হয় না যাতে RecA ফিলামেন্ট বৃদ্ধি পেতে পারে, এবং RecFOR কমপ্লেক্স জীবন্ত অবস্থায় SSB ফিলামেন্টে RecA নিউক্লিয়েশনকে উৎসাহিত করে(একটি নতুন উইন্ডোতে খোলে). SSB একটি স্থিতিশীল টেট্রামার আকারে আবদ্ধ হয় যার অত্যন্ত ধীর বিচ্ছিন্নতার হার(একটি নতুন উইন্ডোতে খোলে) রয়েছে. অন্যদিকে, gp32 ফিলামেন্ট আরও গতিশীল(একটি নতুন উইন্ডোতে খোলে), যা RecA স্থানচ্যুতি সম্ভব করে.
আমাদের জ্ঞান মতে, RecA এবং gp32 মলিকিউলার বায়োলজির পদ্ধতিতে কার্যকরভাবে একসাথে ব্যবহার করা হয়নি. অনেক নতুন আণবিক জীববিজ্ঞান কৌশলের মতো, মৌলিক জৈবরাসায়নিক কার্যকলাপগুলি ইতিমধ্যেই অধ্যয়ন করা হয়েছিল, কিন্তু সেগুলির ব্যবহার একটি ব্যবহারিক, সাধারণীকরণযোগ্য পদ্ধতি হিসেবে অগ্রগতির সূচনা করে.
উদাহরণস্বরূপ, RecA এবং gp32-এর মিথস্ক্রিয়া যান্ত্রিক ইন ভিট্রো রিকন্সটিটিউশন অ্যাসে-এর মাধ্যমে অধ্যয়ন করা হয়েছে: D লুপ গঠনের গবেষণায়, gp32(একটি নতুন উইন্ডোতে খোলে) RecA কার্যকলাপকে বৃদ্ধি করতে সক্ষম বলে দেখানো হয়েছিল. Gp32 তার প্রাকৃতিক T4 রিকম্বিনেজ অংশীদার UvsX এবং রিকম্বিনেজ লোডিং ফ্যাক্টর uvsY এর সাথে রিকম্বিনেজ পলিমারেজ অ্যামপ্লিফিকেশন (RPA)(একটি নতুন উইন্ডোতে খোলে)-এ ব্যবহৃত হয়েছে. যদিও একটি RPA পেটেন্ট স্পেসিফিকেশন উল্লেখ করে(একটি নতুন উইন্ডোতে খোলে) যে কার্যকর RPA প্রতিক্রিয়া E. coli RecA ব্যবহার করে একটি হেটেরোলগাস সিস্টেমে প্রদর্শিত হয়েছে একটি ক্ষতিগ্রস্ত (অর্থাৎ, প্রকৌশলীকৃত, অপ্রাকৃতিক) gp32 প্রোটিনের সাথে, এই দাবিটি কিছু পেটেন্ট প্রকাশনায় কেবল একটি পার্শ্বিক বিষয় হিসেবে উপস্থিত হয় এবং আমাদের জ্ঞান অনুযায়ী, প্রকাশিত ডেটা দ্বারা সমর্থিত হয়নি বা একটি শক্তিশালী RecA-ভিত্তিক RPA সিস্টেম হিসেবে গৃহীত হয়নি. একটি ক্লোনিং পদ্ধতি SLiCE(একটি নতুন উইন্ডোতে খোলে) নামে পরিচিত, যা E. coli থেকে একটি সম্পূর্ণ কোষ নির্যাস ব্যবহার করে, যেখানে λ রেড পুনঃসংযোজন ব্যবস্থা অন্তর্ভুক্ত থাকে এবং রেড বিটা DNA-বাইন্ডিং প্রোটিন এবং পুনঃসংযোজক উভয় ভূমিকা হিসেবে কাজ করতে পারে (যদিও আমরা আমাদের নির্দেশে কোষ নির্যাসের ব্যবহার স্পষ্টভাবে নিষিদ্ধ করেছি). একটি ভিন্ন অ্যাপ্লিকেশনে, Ferrin & Camerini-Otero(একটি নতুন উইন্ডোতে খোলে) শুধুমাত্র RecA ব্যবহার করে মিলিত সিকোয়েন্সের ভিত্তিতে DNA অণুগুলি বেছে নেওয়ার জন্য ব্যবহার করেছিলেন. আলাদাভাবে, gp32 একটি সংযোজন হিসেবে ব্যবহৃত হয়েছে(একটি নতুন উইন্ডোতে খোলে) একটি DNA বর্ধন প্রক্রিয়া PCR-এ, যা গৌণ গঠন কমাতে ব্যবহৃত হয়. NABSA পরিবর্ধন দেখানো হয়েছিল(একটি নতুন উইন্ডোতে খোলে) যে এটি RecA এবং gp32 উভয়ের দ্বারা উন্নত করা হয়েছিল, যদিও প্রতিটি আলাদাভাবে প্রতিক্রিয়া উন্নত করতে পারে এবং কোনো সমন্বয় চিহ্নিত করা যায়নি. বিস্তৃতভাবে বলতে গেলে, মৌলিক Gibson-স্টাইলের DNA অ্যাসেম্বলি বিক্রিয়াগুলির উন্নতির রিপোর্ট খুব কমই পাওয়া গেছে, যার মধ্যে সবচেয়ে উল্লেখযোগ্য উদাহরণ হলো একটি তাপ-স্থিতিশীল DNA-বাইন্ডিং প্রোটিন (ET SSB) যা অ্যাসেম্বলি দক্ষতা প্রায় 2.5 গুণ বাড়ায়(একটি নতুন উইন্ডোতে খোলে).
বেশিরভাগ অ্যাপ্লিকেশনের জন্য, আমরা আশা করি না যে RAPF-HiFi HiFi/Gibson ক্লোনিংয়ের সরলতা এবং দৃঢ়তার সাথে প্রতিযোগিতা করতে পারবে. তবে, একটি যান্ত্রিকভাবে স্বতন্ত্র সমাবেশ পথের উদ্ভব উল্লেখযোগ্য: GPT‑5 এমন একটি সমাধানে পৌঁছেছে যা পুনঃসংযোজন প্রোটিন এবং প্রতিক্রিয়া গতিবিদ্যার একটি অপরিচিত সংমিশ্রণকে অন্তর্ভুক্ত করে. অন্তর্নিহিত প্রক্রিয়াটি মডুলার হতে পারে, যা উপাদানগুলি পুনঃব্যবহার বা অন্যান্য আণবিক কর্মপ্রবাহে পুনঃসংযোজনের সুযোগ দিতে পারে. আমরা RAPF-HiFi এর উন্নতির জন্য অনুসন্ধান জারি রাখছি. প্রতিক্রিয়া তাপমাত্রা এবং ধাপের সময়কালকে এমনভাবে সামঞ্জস্য করা যেতে পারে যাতে RecA এবং gp32 এর কার্যকলাপ এক্সোনিউক্লিয়েজের অতিরিক্ত হজমের বিরুদ্ধে ভারসাম্যপূর্ণ থাকে এবং উভয় প্রোটিনের পরিমাণ এখনও অপ্টিমাইজ করা প্রয়োজন. GPT‑5 এছাড়াও একটি অতিসক্রিয় RecA ভেরিয়েন্ট প্রস্তাব করেছে, যা আমরা বর্তমানে বিশুদ্ধ করছি.
রূপান্তর প্রোটোকলের ক্ষেত্রে, সফল অপ্টিমাইজেশন শর্তগুলি বাণিজ্যিক 10-বিটা সক্ষম কোষের(একটি নতুন উইন্ডোতে খোলে) তাপ-শক দক্ষতা বাড়ানোর জন্য বিভিন্ন সংযোজন এবং তাপীয় বিঘ্নের পরিসর জুড়ে বিস্তৃত ছিল. পরীক্ষিত 13-টি AI-উৎপন্ন করা একক-শট রূপান্তরের মধ্যে, সবচেয়ে কার্যকরী পরিবর্তন ছিল রূপান্তর 7 (T7), যা কোষগুলিকে পেলেট করে, সরবরাহকৃত ভলিউমের অর্ধেক অপসারণ করুন করে এবং DNA যোগ করার আগে কোষগুলিকে পুনরায় স্থগিত করে, সবই 4°C তাপমাত্রায়. উচ্চ-দক্ষতার রাসায়নিকভাবে সক্ষম কোষগুলো সাধারণত ভঙ্গুর হিসেবে বিবেচিত হয় এবং এই ধরনের পরিচালনার ধাপগুলো সাধারণত এড়ানো হয়. তবুও, কোষগুলি ঘনত্ব ভালোভাবে সহ্য করেছে. প্রতি কোষে DNA এক্সপোজার বৃদ্ধি এবং কম ইনহিবিটরি বাফারের কারণে তীব্রতর হিট-শকের সম্মিলিত প্রভাবে রূপান্তর দক্ষতা উল্লেখযোগ্যভাবে বৃদ্ধি পেয়েছে (30 গুণের বেশি).
এই রূপান্তর প্রোটোকলটি নতুন, যদিও ধারণাগতভাবে একটি অনুরূপ পদ্ধতি(একটি নতুন উইন্ডোতে খোলে) যেখানে কোষগুলি একটি পূর্ববর্তী ধাপে কেন্দ্রীভূত করা হয়েছিল, রিপোর্ট করা হয়েছে. বিশেষভাবে, এখানে GPT‑5 দ্বারা উন্নত পদ্ধতি বাজারে সহজলভ্য রাসায়নিকভাবে সক্ষম কোষের সাথে সামঞ্জস্যপূর্ণ, যা নিজস্ব কোষ প্রস্তুতির প্রয়োজনীয়তা দূর করে এবং অনুরূপ কোষের স্ট্রেনগুলিতে একই ধরনের পদ্ধতির রিপোর্ট করা দক্ষতা বৃদ্ধির তুলনায় বেশি কার্যকর.
এই মডেল পরীক্ষামূলক সিস্টেমের প্রবাহ-পরিমাণ বাড়ানোর জন্য, Robot on Rails এবং Red Queen Bio একটি রোবোটিক সিস্টেম তৈরি করতে সহযোগিতা করেছে যা একটি প্রাকৃতিক ভাষার ক্লোনিং প্রোটোকল গ্রহণ করে এবং এটি ওয়েট ল্যাবে সম্পাদন করে.
সিস্টেমটি তিনটি উপাদান নিয়ে গঠিত: 1) একটি মানব-থেকে-রোবট LLM যা সাধারণ ইংরেজিকে রোবটের কার্যকলাপে রূপান্তর করে; 2) একটি ভিশন সিস্টেম যা বাস্তব সময়ে ল্যাবওয়্যার সনাক্ত করে এবং স্থান নির্ধারণ করে; এবং 3) একটি রোবোটিক পথ পরিকল্পনাকারী যা প্রতিটি কাজ কীভাবে নিরাপদে এবং সঠিকভাবে সম্পন্ন করতে হবে তা নির্ধারণ করে. ফলাফলটি একটি নমনীয়, সাধারণীকৃত ল্যাব রোবট যা Gibson ক্লোনিং প্রোটোকলের বিভিন্ন রূপের জন্য আরও অপ্টিমাইজ করা হয়েছে.
আমরা পরীক্ষা করেছিলাম যে স্বায়ত্তশাসিত রোবটটি দুটি প্রোটোকল একই সাথে চালিয়ে একটি সম্পূর্ণ ক্লোনিং পরীক্ষা সম্পাদন করতে পারে কিনা: স্ট্যান্ডার্ড HiFi পদ্ধতি এবং R8—যা প্রথম অপটিমাইজেশন রাউন্ডের শীর্ষ-কার্যকরী AI-পরিবর্তিত প্রোটোকল.
আমরা প্রতিটি ধাপে রোবটের কাজকে মানুষের দ্বারা সম্পাদিত পরীক্ষার সাথে তুলনা করেছি. রোবটটি সফলভাবে রূপান্তর প্রক্রিয়াটি সম্পন্ন করেছে, যা বিভিন্ন শারীরিক কার্যক্রমের প্রয়োজন ছিল: তরল স্থানান্তর ও মিশ্রণ, নমুনা টিউব স্থানান্তর, কোষে নিয়ন্ত্রিত তাপ প্রয়োগ, এবং কোষকে বৃদ্ধির প্লেটে ছড়িয়ে দেওয়া. মানব-সম্পাদিত রূপান্তরের সাথে সরাসরি তুলনা করলে, রোবট সমমানের গুণমানের ডেটা উৎপন্ন করেছে যা বেসলাইনের তুলনায় সমতুল্য উন্নতি প্রদর্শন করে, জীববৈজ্ঞানিক পরীক্ষার অপ্টিমাইজেশন স্বয়ংক্রিয়করণ এবং দ্রুততর করার প্রাথমিক সম্ভাবনা দেখায়.
যদিও রোবট এবং মানব পরীক্ষার মধ্যে ভাঁজ পরিবর্তনগুলি অনুরূপ ছিল, রোবট থেকে প্রাপ্ত মোট কলোনি গণনা ম্যানুয়াল কার্যনির্বাহের তুলনায় প্রায় দশগুণ কম ছিল, যা উন্নতির জন্য ক্ষেত্র নির্দেশ করে যেমন তরল পরিচালনার নির্ভুলতা, তাপমাত্রা নিয়ন্ত্রণের ক্যালিব্রেশন এবং ম্যানুয়াল সেল পরিচালনার কৌশলগুলির সূক্ষ্মতা পুনরায় তৈরি করা.
স্ট্যান্ডার্ড HiFi পদ্ধতি (বেসলাইন) এবং উন্নত R8 পদ্ধতি উভয়ই মানব গবেষক এবং স্বায়ত্তশাসিত রোবট দ্বারা সম্পাদিত হয়েছিল, যেখানে ট্রান্সফরমেশন কার্যকারিতা সংশ্লিষ্ট HiFi বেসলাইন নিয়ন্ত্রণের (যা 1.0-এ সেট করা হয়েছিল) সাপেক্ষে স্বাভাবিক করা হয়েছিল. মানুষ দ্বারা পরিচালিত R8 2.39 গুণ উন্নতি দেখিয়েছে; রোবট দ্বারা পরিচালিত R8 2.13 গুণ উন্নতি অর্জন করেছে (মানব কার্যক্ষমতার 89%), যা নিম্নতর মোট ফলাফল সত্ত্বেও তুলনীয় প্রোটোকল র্যাঙ্কিং প্রদর্শন করে.
আমরা বিশ্বাস করি যে এই পরীক্ষাগুলি ভবিষ্যতের AI-ত্বরান্বিত বিজ্ঞানের একটি স্ন্যাপশট প্রদান করে: মডেলগুলি ক্রমাগত শিখছে এবং বাস্তব জগতের সাথে মিথস্ক্রিয়া করছে. যদিও আমাদের পরীক্ষাগুলি মডেলের সক্ষমতা পরিমাপের জন্য মানব হস্তক্ষেপ বাদ দিয়েছিল, আমরা বিশেষভাবে AI কিভাবে মানব বিজ্ঞানীদের পরীক্ষার নকশা করতে এবং গবেষণায় সাফল্য অর্জনে অবদান রাখতে সাহায্য করতে পারে তা নিয়ে উচ্ছ্বসিত.
আমরা যখন নিরাপদে এবং দায়িত্বশীলভাবে বৈজ্ঞানিক অগ্রগতি দ্রুত করার জন্য কাজ করছি, তখন আমরা ঝুঁকিগুলি, বিশেষত বায়োসেকিউরিটি সম্পর্কিত ঝুঁকিগুলি মূল্যায়ন এবং হ্রাস করার জন্যও সচেষ্ট. এই মূল্যায়নের ফলাফলগুলি দেখায় যে মডেলগুলি ওয়েট ল্যাবে যুক্তিবিচার করতে পারে প্রোটোকল উন্নত করতে এবং আমাদের প্রস্তুতি ফ্রেমওয়ার্ক(একটি নতুন উইন্ডোতে খোলে) এ বর্ণিত বায়োসিকিউরিটির জন্য প্রভাব ফেলতে পারে. আমরা প্রয়োজনীয় এবং সূক্ষ্ম সুরক্ষা ব্যবস্থা গড়ে তোলার জন্য মডেল এবং সিস্টেম স্তরে প্রতিশ্রুতিবদ্ধ, যাতে এই ঝুঁকিগুলি কমানো যায় এবং বর্তমান স্তরগুলি ট্র্যাক করার জন্য মূল্যায়নগুলি তৈরি করা যায়.
