ChatGPT nopeuttaa antibioottien löytämistä
Tri César de la Fuente ja hänen tiiminsä hyödyntävät uusia työkaluja mikrobilääkeresistenssin torjunnassa.
”On hämmästyttävää ajatella, kuinka vähän tiedämme ja kuinka paljon on vielä löydettävää. Yritän välittää tämän nuorille ja saada heidät ymmärtämään, että tulevaisuus kuuluu heille. Ymmärrämme maailmasta tuskin mitään – ja juuri se on innostavaa, sillä siinä tiede voi auttaa.” —Tri César de la Fuente
”ChatGPT:n kaltaiset työkalut auttavat meitä nopeuttamaan tieteellisiä löytöjä. Minun kaltaiselleni tutkijalle se on todellinen leikkikenttä.”
Kasvava ongelma
Nykyaikainen lääketiede on riippuvainen tehokkaista antibiooteista, jotka auttavat meitä toipumaan tavallisista sairauksista, leikkauksista, synnytyksistä ja monesta muusta. Ongelma kuitenkin kasvaa: antibiooteilla torjuttavat bakteerit ovat sitkeitä, ja mitä enemmän käytämme antibiootteja niitä vastaan, sitä enemmän vastustuskykyisillä kannoilla on tilaisuuksia päästä hallitseviksi. Tätä kutsutaan mikrobilääkeresistenssiksi (AMR). Bakteerien mikrobilääkeresistenssi liittyy vuosittain noin viiteen miljoonaan kuolemaan, ja luvun odotetaan kaksinkertaistuvan vuoteen 2050 mennessä.
Uudet antibiootit ovat välttämättömiä mikrobilääkeresistenssin torjunnassa. Perinteinen menetelmä on kuitenkin hidas ja perustuu pitkälti yritykseen ja erehdykseen: tutkijat etsivät luonnosta, kuten maaperästä, kasveista ja muusta eloperäisestä aineksesta, aktiivisia molekyylejä. ChatGPT:n ja Codexin kaltaisten työkalujen ansiosta tri César de la Fuente ja hänen tiiminsä voivat etsiä uusia molekyylejä mikrobilääkeresistenssin torjuntaan uudella ja nopeammalla tavalla. ”Teemme kaiken digitaalisella nopeudella”, hän sanoo.
”Usein ehdin juoda kupillisen kahvia, ja tiimini on jo löytänyt valtavan määrän uusia molekyylejä, joista jokin voi olla seuraava antibiootti.”
”Laboratoriomme tarttuu suuren riskin hankkeisiin, mutta kun onnistumme, tulokset ovat hämmästyttäviä.”
—Marcelo Der Torossian Torres
”Codex on erinomainen apuohjaaja. Kun haluan toteuttaa jotakin, Codex voi tuottaa sen hetkessä. Se säästää aikaani ja antaa minun keskittyä muihin asioihin.”
—Erik Hartman
”Kokeelliselle tutkijalle algoritmin kehittäminen on valtava askel. Voin kirjoittaa Codexin avulla komentosarjan ja varmistaa, että tietoni esitetään samalla tavalla jokaisessa kokeessa.”
—Angela Cesaro
Biologia koodina
Yksi de la Fuenten laboratorion suurista läpimurroista on ollut ongelman käsitteleminen informaatio-ongelmana: elämän rakennusaine DNA on vain koodia. ChatGPT:n kaltaiset työkalut auttavat kehittämään algoritmeja, jotka voivat käydä nopeasti läpi maailmaamme määrittäviä monimutkaisia järjestelmiä ja löytää uusia antibioottikandidaatteja tuntien eikä vuosien kuluessa.
”Voimme nyt löytää uusia antibioottimolekyylejä muutamassa tunnissa viiden tai kuuden vuoden sijaan.”
”Codexin avulla ohjelmointia voi nyt tehdä ihminen, joka ei ole koskaan aiemmin ohjelmoinut eikä ymmärrä tietojenkäsittelytieteen kieltä.”
—Tri César de la Fuente
Angela valmistaa märkälaboratoriossa testattavia molekyylejä.
ChatGPT:stä on tullut olennainen osa de la Fuenten laboratorion työnkulkua. ”Siitä on tullut laboratorion yhteinen mieli. Se tietää, miten tiimin eri jäsenet ajattelevat tieteestä, koska syötämme sinne paljon ajatuksiamme”, tri de la Fuente sanoo. ”Se tavoittaa todella ajattelumme: ideamme, kekseliäisyytemme ja sen, mitä me ihmisinä tuomme mukaan.”
Codex on madaltanut tiimin jäsenten välisiä raja-aitoja. Tiimiin kuuluu niin perinteisten tieteenalojen tutkijoita kuin laskennallisia biologeja ja koneoppimisinsinöörejä. ”Ihmiset, jotka eivät vielä viisi vuotta sitten olisi koskeneet tietokoneeseen muuten kuin analysoidakseen aineistoa, pystyvät nyt tekemään laskennallista biologiaa. He voivat kirjoittaa algoritmeja, joilla tunnistetaan aineistosta kaavoja, tai visualisoida tuloksia tavoilla, jotka eivät aiemmin olleet mahdollisia.”
”Laboratoriomme on hyvin monimuotoinen: joukossamme on kemistejä, biologeja ja tietojenkäsittelytieteilijöitä. Meillä on valtavasti eri aloilla työskenteleviä osaajia.”
—Jianing Bai
Visualisointi molekyylirakenteista, joita de la Fuenten laboratorio seuloo suuressa mittakaavassa.
”Tekoäly voi yhdistää eri tieteenalojen tietoa ja auttaa meitä esittämään parempia kysymyksiä sekä kehittämään parempia menetelmiä todella vaikeiden ongelmien ratkaisemiseen.”
—Tianang Leng
”En tekisi työtäni kunnolla, ellemme yrittäisi ratkaista valtavia ongelmia.”
Antibioottien tulevaisuus
Ihmisen kekseliäisyyden ja koneälyn yhdistelmä auttaa viitoittamaan lääketieteelle innostavaa tietä eteenpäin. ”Vielä pari vuotta sitten suhtauduin pessimistisesti kykyymme pysyä mukana mikrobilääkeresistenssin ja ihmiskunnan uusien molekyylien kehittämiskyvyn välisessä kilpajuoksussa”, hän sanoo. ”Viime aikoina ChatGPT:n kaltaisten työkalujen avulla kehittämämme järjestelmät ovat kuitenkin antaneet minulle paljon odotettua enemmän toivoa.” Tri de la Fuentelle kaiken työn päämäärä on yksi ja sama: kärsimyksen vähentäminen ja ihmishenkien pelastaminen. ”Olen odottanut koko elämäni työkaluja, joiden avulla voimme tehdä sitä, mitä teemme nykyään.”
”Olemme havainneet, että monet löytämistämme molekyyleistä pystyvät todellakin tuhoamaan nykyajan taudinaiheuttajia.”
—Tri César de la Fuente
”Kuvittele tietokoneella luomasi molekyyli, joka voisi pelastaa ihmishenkiä. Uskon, että tutkijat elävät niitä hetkiä varten, jolloin he löytävät jotakin, mitä kukaan ei ole koskaan aiemmin löytänyt.”