Судлаач Codex, ChatGPT ашиглан нянгийн эсрэг шинэ молекул хэрхэн хайдаг вэ

Бактери, мөөгөнцөр, шимэгч, вирус зэрэг эмэнд тэсвэртэй бичил биетнүүд дэлхий дахинд улам бүр ноцтой аюул учруулж байна. 2021 онд тав орчим сая хүний нас баралт бактерийн нянгийн эсрэг эмд тэсвэржилттэй холбоотой⁠(шинэ цонхонд нээгдэнэ) байсан бөгөөд энэ үзүүлэлт 2050 он гэхэд жилд бараг хоёр дахин өсөх төлөвтэй байна. Нянгийн эсрэг эм болох боломжтой молекулыг олоход олон жил шаардагдаж болно. Судлаачид нээлтийн энэ эхний үе шатыг хурдасгахын тулд хиймэл оюун ухаан ашиглаж байна.

“Миний бодлоор нянгийн эсрэг эмд тэсвэржилт нь хүн төрөлхтний оршин тогтнолд тулгарч буй хамгийн том аюулуудын нэг” гэж нянгийн эсрэг боломжит бодис эрэлхийлдэг салбар дундын лабораторийг удирддаг биоинженер Сезар де ла Фуэнте⁠(шинэ цонхонд нээгдэнэ) хэлэв. “Гэтэл сүүлийн 50 жилд антибиотикийн нэг ч шинэ ангилал бий болоогүй.”

Орчин үеийн нянгийн эсрэг эмийн хөгжүүлэлт голчлон одоо байгаа эмийг өөрчлөх эсвэл танил химийн бодисын ангиллуудаас хайхад төвлөрдөг. Гэвч энэ аргаас гарах үр өгөөж улам буурч байна.

Харин де ла Фуэнтегийн лаборатори амьдралын код хэмээх хавьгүй бага судлагдсан цэгээс эхэлдэг. Энэ ажлын үндсэн санаа нь биологи бол мэдээллийн систем гэх ойлголт юм. “ДНХ-ийг бүрдүүлдэг нуклеотидууд, уураг болон пептидийг бүрдүүлдэг амин хүчлүүд нь нэг төрлийн цагаан толгойтой адил” гэж де ла Фуэнте хэлэв. “Биологийг мэдээлэл гэж үзсэнээр үйл ажиллагаатай молекул үүсэхэд хүргэсэн амьдралын зохион байгуулалтын зарчмуудыг тайлж эхлэх аргуудыг боловсруулах боломжтой болсон.”

Лабораторийн гүн сургалтын загваруудыг биологийн дараалал дахь зүй тогтлыг танихаар сургаснаар геном болон уургийн асар их өгөгдлөөс нянгийн эсрэг боломжит бодис хайх боломжтой болдог. Энэ арга боломжит молекулын эхний хайлтыг олон жилээс хэдхэн цаг болгон богиносгож чадна.

Лаборатори өөрийн хиймэл оюун ухааны загваруудаас гадна ChatGPT, Codex-ийг таамаглал дэвшүүлэх, код бичиж сайжруулах, өгөгдөл боловсруулах, үр дүн шинжлэх, шинжлэх ухааны салбаруудын санааг холбохдоо ашигладаг.

Геномын өчүүхэн хэсгийн үүргийг л тодорхой ойлгосон бөгөөд халдварт бичил биетэнтэй тэмцэх молекулыг кодолдог хэсэг бүр ч цөөн. Гол сорилт нь молекулыг үйл ажиллагаатай буюу биологийн идэвхтэй болгодог зүй тогтлыг тодорхойлж, улмаар аль нь халдварт бичил биетэнтэй тэмцэх боломжтойг тогтоох явдал юм.

Эрдэмтэд ургамал, амьтан, бичил биетэн, шавж, ус, хөрснөөс нянгийн эсрэг бодисыг эртнээс хайж ирсэн. Тэд дээж цуглуулж, боломжит молекулыг ялган авах эсвэл таамаглахын зэрэгцээ олон жил үргэлжилж болох давталттай үйл явцаар туршдаг.

Геном болон уургийн цахим сангуудын ачаар эрдэмтэд амьдралын бүхий л хүрээнээс шинэ нэгдэл хайх боломжтой болж, судлах боломжтой өгөгдлийн цар хүрээ үлэмж тэлсэн. Гэхдээ ийм их мэдээлэл өөрийн гэсэн сорилт дагуулдаг: тоо томшгүй олон хувилбараас ирээдүйтэй дохиог олох хэрэгтэй.

Өвсөн дундаас зүү хайхтай адил энэ ажилд хиймэл оюун ухаан нэн тохиромжтой. Энэ нь асар их өгөгдлийг шүүж, судлаачдын анзаарахад хэцүү зүй тогтлыг илрүүлэн, туршилтаар шалгах боломжит бодисуудыг ажиллахад дөхөм тоонд эрэмбэлж чадна.

Гэхдээ ирээдүйтэй бодис илрүүллээ гээд заавал үр дүнтэй эм болно гэсэн үг биш.

Эрдэмтэд эхлээд тухайн молекул зорилтот бичил биетнийг устгадаг эсэхийг баталж, үр дүнтэй байх тунг тогтоон, хүний эсэд хэрхэн нөлөөлдгийг турших ёстой. Дараа нь химичид үр нөлөө, аюулгүй байдал эсвэл тогтвортой чанарыг нь сайжруулахын тулд молекулыг оновчтой болгож болно.

Нэмэлт туршилтаар боломжит бодис ямар тунд хортой болдог, бичил биетнүүд уг молекулд хэр хурдан тэсвэртэй болдог, мөн бодис биеэр хэрхэн тархдагийг үнэлнэ. Багууд мөн уг молекулыг найдвартай үйлдвэрлэх аргыг тогтоодог. Эдгээр шалгуурыг давсан бодисууд ч зөвшөөрөгдсөн нянгийн эсрэг эм болж өвчтөнд хүрэхээсээ өмнө зохицуулалтын хяналт болон эмнэлзүйн туршилтыг давах ёстой.

Де ла Фуэнтегийн үзэж буйгаар хиймэл оюун ухаан болон лабораторийн биологи хамтдаа хөгжих ёстойн учир энэ юм. “Хиймэл оюун ухааны таамаглалыг баталгаажуулахад бодит туршилт зайлшгүй шаардлагатай” гэж тэр хэлэв. “Хамгийн нарийн төвөгтэй зүйл болох биологийн талаарх ойлголтынхоо өнгөн хэсгийг ч болов цаашид нээхийг хүсвэл ирэх жилүүдэд энэ нь амьдралын шинжлэх ухаанд нэн чухал болно.”

Түүний лаборатори амьд болон устаж үгүй болсон организмуудын геномоос боломжит молекул хайдаг. Тэдгээр геномыг судлах, кодлогдсон уургууд нь хэрхэн үүсэж, ажилладгийг ойлгох, мөн тухайн молекулуудын үүргийг тодорхойлоход хэд хэдэн салбарын мэдлэг шаардагдана.

“Манайх олон салбарыг нягт уялдуулсан баг учраас биологи, хими, компьютерын шинжлэх ухаан, инженерчлэлийн мэргэжилтнүүдтэй” гэж де ла Фуэнте хэлэв. Лабораторийн зарим гишүүн программчлалд сайн ч биологи, химийн мэдлэг багатай байдаг бол зарим нь эсрэгээрээ. Codex болон ChatGPT эдгээр зөрүүг нөхөж, биологичдод программ бүтээх, программистуудад биологийн асуудал шийдэх боломж олгодог. Энэ утгаараа хиймэл оюун ухаан шинжлэх ухааны салбар хоорондын саадыг бууруулдаг.

Энэ нь лабораторийн гишүүдэд салбар дундын ажилдаа хэрэгтэй танил бус сэдвүүдийг судлах, нэр томьёог тодруулах, өөр өөр салбарын аргуудыг харьцуулах, эмийн нээлтэд зориулсан санаануудаа цэгцлэхэд тусалдаг. Зарим нь хиймэл оюун ухааныг геномын том өгөгдлийн багцыг татаж авах, цэгцлэх, урьдчилан боловсруулахад ашигладаг. ChatGPT лабораторийн гишүүдэд төрөлх хэлээрээ ажиллах боломж олгож, ажлын явцыг нь хурдасгахад тулгардаг саадыг багасгадаг.

Де ла Фуэнте ChatGPT‑г санаа боловсруулах хамтрагч болгон ашигладаг. Тэрээр хамтран ажиллагсадтайгаа санаагаа үргэлжлүүлэн хөгжүүлдэг ч таамаглалаа боловсронгуй болгоход хиймэл оюун ухаан тусалдгийг өндрөөр үнэлдэг. Мөн ганц товшилтоор дэлхийн мэдээлэлд хандах боломжтой нь түүнд таалагддаг.

“Бидний шийдэхээр зорьж буй асуудлыг өөр өөрөөр сэтгэдэг олон хүн ChatGPT ажлын талбарт маань саналаа оруулж байна” гэж де ла Фуэнте хэлэв. Лабораторийн гишүүд сайн, муу санаануудаа түүнд өгдөг тул энэ нь хамтдаа санаагаа сорих талбар болдог.

Гэхдээ тэрээр зөвхөн хиймэл оюун ухаанд найдахаас сэрэмжлүүлдэг. “Мэдээж үнэн зөв эсэхийг үргэлж давхар шалгах ёстой” гэж де ла Фуэнте хэлэв.

Гэсэн ч хиймэл оюун ухаан судлаачдад шинжлэх ухааны салбаруудын заагийг судлахад тусалдгийг тэрээр үнэлдэг. “Нээлтүүд яг тэнд олдохоо хүлээж байдаг. Тэд үндсэндээ цөөн хүн зорьдог салбаруудын зааг дээр оршдог.”

Тэрээр энэ ажлыг шинжлэх ухааны урт удаан уламжлалын нэг хэсэг гэж үздэг. “Бид эргэн тойрныхоо ертөнцийг ойлгохын тулд багаж хэрэгсэл, машинд үргэлж түшиглэсээр ирсэн” гэж де ла Фуэнте хэлэв. “Дуран авай сансар огторгуйг гэрэлтүүлж, микроскоп үл үзэгдэх ертөнцийг нээсэн.” Харин одоо машинууд биологийг ойлгох, таамаглах, инженерчлэхэд судлаачдад тусалж байна. “Бидний ажил бүхэлдээ үүнд чиглэдэг” гэж тэр хэлэв.