Jinsi mtafiti anavyotumia Codex na ChatGPT kutafuta molekuli mpya za kuua vijidudu

Vijidudu sugu kwa dawa, vikiwemo bakteria, kuvu, vimelea na virusi, ni tishio linaloongezeka duniani. Takriban vifo milioni tano mwaka 2021 vilihusishwa⁠(fungua katika dirisha jipya) na usugu wa bakteria dhidi ya dawa za kuua vijidudu—idadi ya kila mwaka inayotarajiwa kuongezeka takriban mara mbili kufikia 2050. Inaweza kuchukua miaka kupata molekuli zenye uwezo wa kuwa dawa za kuua vijidudu. Watafiti wanatumia AI kuharakisha hatua hii ya awali ya ugunduzi.

“Kwa maoni yangu, usugu dhidi ya dawa za kuua vijidudu ni mojawapo ya matishio makubwa zaidi kwa uwepo wa binadamu,” alisema César de la Fuente⁠(fungua katika dirisha jipya), mhandisi wa kibayolojia ambaye maabara yake ya taaluma mtambuka hutafuta molekuli zinazoweza kuua vijidudu. “Hata hivyo, hatujapata aina mpya ya antibiotiki kwa miaka 50.”

Sehemu kubwa ya uundaji wa kisasa wa dawa za kuua vijidudu hulenga kurekebisha dawa zilizopo au kutafuta katika makundi yanayofahamika ya kemikali. Lakini mbinu hiyo inazidi kutoa matokeo madogo.

Maabara ya de la Fuente huanzia sehemu ambayo haijachunguzwa sana: msimbo wa uhai. Wazo kuu la kazi hii ni kwamba biolojia ni mfumo wa taarifa. “Nukleotidi zinazounda DNA, pamoja na asidi amino zinazounda protini na peptidi, ni kama alfabeti,” alisema de la Fuente. “Kuichukulia biolojia kama taarifa kulitusaidia kubuni mbinu zinazoweza kuanza kufumbua kanuni za mpangilio wa uhai zilizozaa molekuli yenye utendaji.”

Miundo ya maabara ya ujifunzaji wa kina hufunzwa kutambua mifumo katika mfuatano wa kibayolojia, na hivyo kuiwezesha kuchunguza hifadhidata kubwa za jenomu na protini ili kupata molekuli zinazoweza kuua vijidudu. Mbinu hiyo inaweza kupunguza muda wa utafutaji wa awali wa molekuli tarajiwa kutoka miaka hadi saa chache.

Pamoja na miundo yake ya AI, maabara hutumia ChatGPT na Codex kubuni nadharia tete, kuandika na kuboresha msimbo, kuchakata hifadhidata, kuchanganua matokeo na kuunganisha mawazo kutoka taaluma mbalimbali za kisayansi.

Ni sehemu ndogo tu ya jenomu ambayo utendaji wake unaeleweka wazi, na ni sehemu ndogo zaidi inayosimba molekuli zinazoweza kupambana na vijidudu vinavyosababisha maambukizi. Changamoto ni kutambua mifumo inayofanya molekuli iwe na utendaji au shughuli za kibayolojia, kisha kubaini ni ipi yenye uwezo wa kupambana na vijidudu vinavyosababisha maambukizi.

Kwa muda mrefu, wanasayansi wametafuta dawa za kuua vijidudu katika mimea, wanyama, vijidudu, wadudu, maji na udongo. Hukusanya sampuli, hutenga au kutabiri molekuli tarajiwa, kisha kuzijaribu kwa mchakato unaorudiwa ambao unaweza kuchukua miaka.

Hifadhidata za kidijitali za jenomu na protini sasa huwawezesha wanasayansi kutafuta misombo mipya katika mti mzima wa uhai, na kupanua kwa kiasi kikubwa hifadhidata zinazoweza kuchunguzwa. Lakini wingi huo wa taarifa una changamoto zake: kupata viashiria vyenye matumaini kati ya uwezekano mwingi sana.

AI inafaa hasa kwa kazi hii ya kutafuta sindano kwenye rundo la nyasi. Inaweza kukagua hifadhidata kubwa, kutambua mifumo ambayo huenda ikawa vigumu kwa watafiti kuiona, na kuchagua idadi inayoweza kudhibitiwa ya molekuli tarajiwa kwa ajili ya majaribio.

Lakini kutambua molekuli tarajiwa yenye matumaini hakumaanishi kwamba itakuwa dawa yenye ufanisi.

Kwanza, wanasayansi lazima wathibitishe kuwa molekuli tarajiwa inaua kijidudu kinacholengwa, wabaini kiasi kinachohitajika ili iwe na ufanisi, na kupima athari zake kwa seli za binadamu. Kisha wanakemia wanaweza kuiboresha ili kuongeza ufanisi, usalama au uthabiti wake.

Majaribio zaidi hutathmini kiwango ambacho molekuli tarajiwa huwa na sumu, kasi ambayo vijidudu hujenga usugu dhidi yake, na jinsi inavyosambaa mwilini. Timu pia hubaini njia ya kuaminika ya kutengeneza molekuli hiyo. Molekuli tarajiwa zinazopita vikwazo hivi bado lazima zikaguliwe na wadhibiti na kufanyiwa majaribio ya kitabibu kabla ya kuwafikia wagonjwa kama dawa zilizoidhinishwa za kuua vijidudu.

Kwa de la Fuente, hii ndiyo sababu AI na biolojia ya maabara lazima ziendelee pamoja. “Majaribio halisi ni muhimu ili kuthibitisha utabiri wa AI,” alisema. “Hili litakuwa muhimu sana katika sayansi za uhai katika miaka ijayo ikiwa tutaendelea kupanua uelewa wetu mdogo wa biolojia, ambayo ndiyo kitu changamano zaidi kilichopo.”

Maabara yake huchunguza jenomu za viumbe hai na waliotoweka ili kupata molekuli tarajiwa. Kuchunguza jenomu hizo, kuelewa jinsi protini zilizosimbwa zinavyoundwa na kufanya kazi, na kubaini kazi ya molekuli hizo kunahitaji utaalamu kutoka nyanja kadhaa.

“Sisi ni kundi lenye taaluma nyingi sana, kwa hiyo tuna wataalamu wa biolojia, kemia, sayansi ya kompyuta na uhandisi,” alisema de la Fuente. Baadhi ya wanamaabara ni mahiri katika programu lakini wana ufahamu mdogo wa biolojia au kemia, na kinyume chake. Codex na ChatGPT husaidia kuziba mapengo hayo, na kuwawezesha wanabiolojia kuunda programu huku watayarishaji programu wakitatua matatizo ya kibayolojia. Kwa maana hiyo, AI hupunguza vikwazo kati ya taaluma za kisayansi.

Huwasaidia wanamaabara kupitia mada wasizozifahamu wanazohitaji katika kazi zao za taaluma mtambuka, kufafanua istilahi, kulinganisha mbinu za nyanja mbalimbali na kupanga mawazo ya ugunduzi wa dawa. Wengine hutumia AI kupakua, kupanga na kuchakata awali hifadhidata kubwa za jenomu. ChatGPT pia huwawezesha wanamaabara kufanya kazi kwa lugha zao za asili, hivyo kuondoa vikwazo na kuharakisha michakato yao ya kazi.

De la Fuente hutumia ChatGPT kama mshirika wa kubuni mawazo. Anaendelea kukuza mawazo pamoja na wenzake, lakini anathamini uwezo wa AI wa kumsaidia kuunda nadharia tete. Pia anapenda kuwa anaweza kufikia taarifa za ulimwengu kwa kubofya kitufe tu.

“Eneokazi yetu ya ChatGPT inapokea maoni kutoka kwa watu hawa wote wenye mitazamo tofauti kuhusu matatizo tunayojaribu kutatua,” alisema de la Fuente. Wanamaabara huiwasilisha mawazo yao mazuri na mabaya, na kuifanya kuwa kama jukwaa la pamoja la kupima mawazo.

Lakini anaonya dhidi ya kutegemea AI pekee. “Bila shaka, lazima kila wakati uhakikishe usahihi,” alisema de la Fuente.

Hata hivyo, anathamini uwezo wa AI wa kuwasaidia watafiti kuchunguza mipaka kati ya taaluma za kisayansi. “Huko ndiko mafanikio makubwa yanasubiri kugunduliwa. Kimsingi, yako kwenye mipaka kati ya nyanja ambazo ni watu wachache sana hufika.”

Anaiona kazi hii kuwa sehemu ya utamaduni wa kisayansi ulioanza zamani sana. “Daima tumetegemea zana na mashine kuelewa ulimwengu unaotuzunguka,” alisema de la Fuente. “Darubini ya mbali iliangazia ulimwengu, nayo darubini ya karibu ikafichua ulimwengu usioonekana.” Sasa mashine huwasaidia watafiti kuelewa, kutabiri na kuunda mifumo ya kibayolojia. “Hicho ndicho kiini cha kazi yetu,” alisema.