Pagpapabilis sa pagtuklas ng antibiyotiko gamit ang ChatGPT
Gumagamit si Dr. César de la Fuente at ang kanyang team ng mga bagong tool sa paglaban sa antimicrobial resistance.
“Kamangha-manghang isipin kung gaano kakaunti ang alam natin at kung gaano karami ang maaari pang matuklasan. Sinisikap kong ipabatid iyon sa mga kabataan upang maunawaan nilang sa kanila ang kinabukasan. Halos wala pa tayong nauunawaan tungkol sa mundo—at kapana-panabik iyon dahil doon makatutulong ang agham.” —Dr. César de la Fuente
“Tinutulungan kami ng mga tool tulad ng ChatGPT na mapabilis ang mga tuklas sa agham. Isa talaga itong palaruan para sa isang siyentipikong tulad ko.”
Isang lumalaking problema
Umaasa ang makabagong medisina sa mabisang mga antibiyotiko, na tumutulong sa ating gumaling mula sa mga karaniwang sakit, operasyon, panganganak, at iba pa. Gayunman, lumalaki ang problema: matatag ang mga bakteryang nilalabanan ng antibiyotiko, at habang mas gumagamit tayo ng antibiyotiko laban sa mga ito, mas dumarami ang pagkakataong mangibabaw ang mga strain na may resistensiya. Tinatawag itong antimicrobial resistance (AMR). Humigit-kumulang 5 milyong pagkamatay ang nauugnay sa bacterial AMR bawat taon, at inaasahang dodoble ang bilang na iyon pagsapit ng 2050.
Mahalaga ang mga bagong antibiyotiko sa paglaban sa AMR, ngunit matagal at puno ng pagsubok at pagkakamali ang tradisyonal na paraan, kung saan naghahanap ang mga siyentipiko sa kalikasan—sa lupa, mga halaman, at iba pang organikong materyal—ng mga aktibong molecule. Tinutulungan ng mga tool tulad ng ChatGPT at Codex si Dr. César de la Fuente at ang kanyang team na gumamit ng bago at mas mabilis na paraan upang matukoy ang mga bagong molecule sa paglaban sa AMR. “Ginagawa namin ang lahat sa bilis ng digital,” sabi niya.
“Madalas, magkakape lang ako at napakarami nang bagong molecule na natuklasan ng team ko na maaaring maging susunod na antibiyotiko.”
“Tumatanggap ang aming lab ng mga proyektong mataas ang panganib, ngunit kapag napagana namin ang mga ito, kahanga-hanga ang mga resulta.”
—Marcelo Der Torossian Torres
“Mahusay na katuwang ang Codex. Kapag may gusto akong ipatupad, magagawa agad iyon ng Codex sa loob ng isang segundo. Nakakatipid ito ng oras ko at hinahayaan akong gumawa ng iba pang bagay.”
—Erik Hartman
“Bilang isang eksperimental na siyentipiko, malaking hakbang para sa akin ang pagbuo ng algorithm. Magagamit ko ang Codex upang magsulat ng script at matiyak na pare-pareho ang pag-plot ng data ko sa bawat eksperimento.”
—Angela Cesaro
Pagtingin sa biology bilang code
Isa sa malalaking tagumpay ng de la Fuente Lab ang pagtingin sa problemang ito bilang problema sa impormasyon: ang DNA, na bumubuo sa buhay, ay isa lamang code. Tinutulungan sila ng mga tool tulad ng ChatGPT na bumuo ng mga algorithm na mabilis na makapagsusuri sa mga komplikadong sistemang humuhubog sa ating mundo at makatukoy ng mga bagong kandidatong antibiyotiko sa loob ng ilang oras sa halip na ilang taon.
“Makatutuklas na kami ngayon ng mga bagong molecule na antibiyotiko sa loob ng ilang oras sa halip na lima o anim na taon.”
“Sa Codex, magagawa na ito ng isang taong hindi pa kailanman nakapag-program at hindi nakauunawa sa wika ng computer science.”
—Dr. César de la Fuente
Nagtatrabaho si Angela sa wet lab upang lumikha ng mga molecule na susuriin.
Naging mahalagang bahagi ng workflow ng de la Fuente Lab ang ChatGPT. “Naging iisang utak ito ng lab. Alam nito kung paano mag-isip tungkol sa agham ang iba’t ibang miyembro ng team dahil inilalagay namin dito ang marami sa aming mga ideya,” sabi ni Dr. de la Fuente. “Talagang nasasalamin nito ang paraan ng aming pag-iisip: ang pagbuo namin ng mga ideya, ang aming pagkamalikhain, at ang mga ambag namin bilang tao.”
Inalis ng Codex ang mga hadlang sa pagitan ng mga miyembro ng team, mula sa mga tradisyonal na siyentipiko hanggang sa mga computational biologist at machine learning engineer. “Ang mga taong limang taon na ang nakalipas ay hindi gagamit ng computer maliban sa pagsusuri ng data ay nakagagawa na ngayon ng computational biology. Nakakasulat na sila ng mga algorithm upang matukoy ang mga pattern sa kanilang data o mailarawan ang mga resulta sa mga paraang imposible noon.”
“Napakadiverse ng aming lab: mayroon kaming mga chemist, biologist, at computer scientist. Napakarami naming mahuhusay na taong nagtatrabaho sa iba’t ibang larangan.”
—Jianing Bai
Biswalisasyon ng mga molecular structure na malawakang sinusuri ng de la Fuente Lab.
“Kayang pag-ugnayin ng AI ang kaalaman mula sa iba’t ibang disiplina, kaya nakapagtatanong kami nang mas mahusay at nakakabuo ng mas mahuhusay na paraan upang lutasin ang napakahihirap na problema.”
—Tianang Leng
“Hindi ko nagagawa ang trabaho ko kung hindi namin sinusubukang harapin ang malalaking problema.”
Ang kinabukasan ng mga antibiyotiko
Tumutulong ang pagsasanib ng pagkamalikhain ng tao at intelligence ng makina na maglatag ng kapana-panabik na landas para sa medisina. “Kahit ilang taon lang ang nakalipas, negatibo ang pananaw ko sa kakayahan nating makasabay sa tunggalian sa pagitan ng AMR at ng kakayahan ng sangkatauhang bumuo ng mga bagong molecule,” sabi niya. “Ngunit ngayon, higit na umaasa ako kaysa sa inaasahan ko dahil sa ilan sa mga sistemang binuo namin kamakailan gamit ang mga tool tulad ng ChatGPT.” Para kay Dr. de la Fuente, nakatuon ang lahat ng kanyang ginagawa sa iisang layunin: bawasan ang paghihirap at magligtas ng mga buhay. “Buong buhay kong hinintay ang mga tool na nagbibigay-daan sa aming gawin ang nagagawa namin ngayon.”
“Nakita naming marami sa mga molecule na natuklasan namin ang talagang kayang pumatay ng mga pathogen sa kasalukuyan.”
—Dr. César de la Fuente
“Isipin ang isang molecule na nilikha mo sa computer at kayang magligtas ng buhay. Sa palagay ko, nabubuhay ang mga siyentipiko para sa mga sandaling nakatutuklas sila ng bagay na wala pang sinuman sa kasaysayan ng mundo ang nakatuklas.”