விஞ்ஞான முன்னேற்றத்தை வேகப்படுத்துவது AI ஆனது மனிதகுலத்திற்கு பயனளிக்கும் மிகவும் மதிப்புமிக்க வழிகளில் ஒன்றாகும். ஆராய்ச்சியாளர்கள் அறிவியல் இலக்கியத்தில் வேகமாக முன்னேற உதவுவதில் மட்டுமல்லாமல், எதிர்பாராத தொடர்புகளை வெளிப்படுத்துதல், ஆதார உத்திகளை முன்மொழிதல் அல்லது நிபுணர்கள் மதிப்பீடு செய்து சோதிக்கக்கூடிய நம்பத்தகுந்த வழிமுறைகளை பரிந்துரைத்தல் போன்ற புதிய வடிவிலான அறிவியல் பகுத்தறிவை ஆதரிப்பதிலும் இதன் ஆரம்ப அறிகுறிகளை நாங்கள் GPT‑5 மூலம் காணத் துவங்குகிறோம்.
கணிதம், கோட்பாட்டியல் இயற்பியல் மற்றும் கோட்பாட்டுக் கணினி அறிவியல் போன்ற துறைகளில் இன்றுவரை முன்னேற்றம் மிகவும் தெளிவாகக் காணப்படுகிறது, இங்கு யோசனைகளை உடனடி பரிசோதனைகள் இல்லாமல் கடுமையாகச் சரிபார்க்க முடியும். உயிரியல் என்பது வேறுபட்டது: பெரும்பாலான முன்னேற்றங்கள் பரிசோதனை செயல்பாடு, மீண்டும் செய்தல் மற்றும் ஆய்வகத்தில் அனுபவ அடிப்படையிலான சரிபார்ப்பு ஆகியவற்றைச் சார்ந்திருக்கின்றன.
நவீன மாதிரிகள் இந்த அமைப்புகளில் எவ்வாறு செயல்படுகின்றன என்பதைப் புரிந்துகொள்வதற்காக, Red Queen Bio என்ற உயிரியல் பாதுகாப்பு தொடக்க நிறுவனத்துடன் இணைந்து, மாதிரியின் யோசனைகளை முன்மொழிந்து, பகுப்பாய்வு செய்து, ஈரமான ஆய்வகத்தில் கருத்துக்களை மீண்டும் மீண்டும் பரிசோதிக்கும் ஒரு மதிப்பீட்டுக் கட்டமைப்பை உருவாக்கினோம். ஒரு எளிய மூலக்கூறு உயிரியல் பரிசோதனை அமைப்பை நாங்கள் உருவாக்கினோம் மற்றும் GPT‑5 மூலக்கூறு கிளோனிங் நெறிமுறையை திறன் மேம்படுத்த GPT‑5 ஐப் பயன்படுத்தினோம்.
GPT‑5 ஒரு புதிய முறைமையை பல சுற்று பரிசோதனைகளின் மூலம், அறிமுகப்படுத்தியது, இது கிளோனிங் திறனை 79 மடங்காக மேம்படுத்தியது. குளோனிங் என்பது அடிப்படையான மூலக்கூறு உயிரியல் கருவியாகும். புரத பொறியியல்(புதிய சாளரத்தில் திறக்கும்), மரபணு திரைகள்(புதிய சாளரத்தில் திறக்கும்) மற்றும் உயிரின இன பொறியியல்(புதிய சாளரத்தில் திறக்கும்) ஆகியவற்றிற்கு மையமாக உள்ள பெரிய, சிக்கலான நூலகங்களை உருவாக்க குளோனிங் முறைகளின் செயல்திறன் முக்கியமானதாகும். உயிரியல் நிபுணர்களுடன் AI இணைந்து செயல்பட்டு ஆராய்ச்சியை வேகமாக்கும் விதத்தைப் பற்றிய ஒரு கண்ணோட்டத்தை இந்தத் திட்டம் வழங்குகிறது. ஆய்வு முறைகளை மேம்படுத்துவது மனித ஆராய்ச்சியாளர்களை வேகமாக செயல்பட வைக்கவும், செலவுகளைக் குறைக்கவும், கண்டுபிடிப்புகளை நிஜ உலக தாக்கமாக மொழிபெயர்க்கவும் உதவும்.
எங்கள் தயார்நிலை கட்டமைப்பில்(புதிய சாளரத்தில் திறக்கும்) குறிப்பிடப்பட்டுள்ளபடி, உயிரியல் பாதுகாப்பு விளைவுகளை உயிரியல் காரணவிளக்கமளித்தல் முன்னேற்றங்கள் ஏற்படுத்துவதால், நாங்கள் இந்தப் பணியை மிகவும் கட்டுப்படுத்தப்பட்ட சூழலில் மேற்கொண்டோம், ஒரு நலிவற்ற பரிசோதனை அமைப்பைப் பயன்படுத்தி, பணி வரம்பை குறைத்து, மாதிரியின் நடத்தையை மதிப்பீடு செய்து, எங்கள் உயிரியல் பாதுகாப்பு ஆபத்து மதிப்பீடுகள் மற்றும் மாதிரி மற்றும் அமைப்பு நிலை பாதுகாப்பு நடவடிக்கைகள் ஆகியவற்றை உருவாக்குவதற்கான தகவல்களை வழங்கினோம்.
கிளோனிங் நெறிமுறையைப் பற்றி இந்த அமைப்பில் GPT‑5 தன்னிச்சையாக காரணவிளக்கமளித்தது , மாற்றங்களை முன்மொழிந்தது, மேலும் புதிய பரிசோதனைகளில் கிடைத்த தரவுகளை இணைத்து கூடுதல் மேம்பாடுகளை பரிந்துரைத்தது. மாற்றியமைக்கப்பட்ட நெறிமுறையை விஞ்ஞானிகள் செயல்படுத்தி, பரிசோதனை தரவுகளை பதிவேற்றுவதே மனித குறுக்கீடாக இருந்தது.
கிளோனிங் செயல்முறையை GPT‑5 பல சுற்றுகளில் 79 மடங்கு மேம்படுத்தியது. அதாவது, ஒரு நிலையான அளவிலான உள்ளீடு DNA க்காக, அடிப்படை நெறிமுறையை விட 79 மடங்கு அதிகமான வரிசை-சரிபார்க்கப்பட்ட கிளோன்களை மீட்டெடுத்தோம். மிக முக்கியமாக, இது ஒரு புதிய செயல்முறையை உருவாக்கும் இரண்டு என்சைம்களை அறிமுகப்படுத்தியது: E. coli இல் இருந்து மீண்டும் இணைக்கப்பட்ட RecA மற்றும் பேஜ் T4 மரபணு 32 ஒற்றை இழை DNA-பிணைப்பு புரதம் (gp32). gp32 ஒன்றாகச் செயல்படுவதன் மூலம் தளர்வான DNA முனைகளை சீராக்கி, மிருதுவாக்குகிறது, அதன்பிறகு RecA ஒவ்வொரு நூலையும் அதன் சரியான பொருத்தத்திற்கு வழிநடத்துகிறது.
RecA-மூலமான ஜோடி-முடித்து HiFi அசெம்பிளி (RAPF) மற்றும் மாற்றம் 7 (T7) ஆகியவற்றை முறையே சிறந்த என்சைமாட்டிக் மற்றும் மாற்ற நெறிமுறைகளாக ஆரம்ப பரிசோதனை மற்றும் இரண்டாம் கட்ட பரிசோதனைகள் அடையாளம் கண்டன. RAPF அசெம்பிளி மற்றும் T7 மாற்றம் இரண்டும், அடிப்படை HiFi எதிர்வினை குளோனிங் நெறிமுறையுடன் ஒப்பிடும்போது, குளோனிங் செயல்திறனை முறையே 2.6 மடங்கு மற்றும் 36 மடங்கு மேம்படுத்தின; மேலும் இணைந்து 79 மடங்கு செயல்திறனில் கூடுதல் முன்னேற்றத்தை அளித்தன. அனைத்து குளோன்களும் வரிசை நிரலால் உறுதிப்படுத்தப்பட்டன. (பிழைப் பட்டைகள்: n=3 சுயாதீன சரிபார்ப்பு பரிசோதனைகளின் SD).
இந்த முடிவுகள் ஆரம்ப நிலையில் இருந்தாலும் ஊக்கமளிப்பவையாக உள்ளன. எங்கள் மாதிரி அமைப்பில் பயன்படுத்தப்படும் குறிப்பிட்ட கிளோனிங் அமைப்புக்கு இந்த மேம்பாடுகள் தனித்துவமானவையாக உள்ளன, மேலும் மனித விஞ்ஞானிகள் நெறிமுறைகளை அமைத்து இயக்க வேண்டும். ஆனாலும், இந்த ஆய்வுகள் AI அமைப்புகள் உண்மையான ஆய்வக பணிகளில் அர்த்தமுள்ள உதவியை வழங்க முடியும் மற்றும் எதிர்காலத்தில் மனித விஞ்ஞானிகளை வேகப்படுத்தலாம் என்பதைக் காட்டுகின்றன.
முக்கியமாக, AI-ஆய்வக வளையம் நிரந்தர தூண்டலுடன் மற்றும் மனித தலையீடு இன்றி இயக்கப்பட்டது. மனித வழிகாட்டுதலின்றி உண்மையில் புதுமையான நெறிமுறை மாற்றங்களை முன்மொழிய மாதிரியின் திறனை வெளிப்படுத்த இந்த தற்காலிக அமைப்பு உதவியது, ஆனால் இது அமைப்பை ஆராய்ச்சியில் தடுத்தது மற்றும் புதிதாக கண்டுபிடிக்கப்பட்ட யோசனைகளின் செயல்திறனை அதிகரிக்க அதன் திறனை மட்டுப்படுத்தியது. ஆய்வுக்கும் பயன்பாட்டிற்கும் இடையிலான சிறந்த இயக்க சமநிலை பெரிதும் நன்மைகளை அளிக்கக்கூடும், ஏனென்றால் என்சைம்கள் மற்றும் மாறும் மேம்பாடுகளில் செம்மைப்படுத்துவதற்கு போதிய இடம் உள்ளது. நாங்கள் கண்டுபிடிப்பு மற்றும் அதைத் தொடர்ந்து மேம்படுத்துதல் இரண்டையும் ஆதரிக்கும் எளிய நிலையான தூண்டிகளின் திறனை மேம்படுத்த, திட்டமிடல் மற்றும் பணி-தொலைநோக்கு காரணவிளக்கமளித்தல் முன்னேற்றங்களை எதிர்பார்க்கிறோம்.
2009 ஆம் ஆண்டில் கண்டுபிடிக்கப்பட்டதிலிருந்து கிப்சன் அசெம்ப்ளி(புதிய சாளரத்தில் திறக்கும்) எதிர்வினையானது முக்கியமான கிளோனிங் முறையாக இருந்து வருகிறது, மேலும் மூலக்கூறு உயிரியல் துறையில் பரவலாக ஏற்றுக்கொள்ளப்பட்டுள்ளது. மூலக்கூறு உயிரியல் நிபுணர்களுக்கு DNA துண்டுகளை "ஒட்ட" அவற்றின் நுனிகளை சற்று உருக்கி, பொருந்தும் வரிசைகளை ஒற்றை மூலக்கூறாக இணைக்க கிப்சன் அசெம்ப்ளி உதவுகிறது. கிப்சன் அசெம்ப்ளியின் ஒரு முக்கிய கவர்ச்சி அதன் எளிமையாகும்: எல்லாம் ஒரே குழாயில், ஒரே வெப்பநிலையில் நடைபெறுகிறது. இயல்பாகவே மேம்பாட்டுக்கான வாய்ப்பை அந்தத் தடைகள் உருவாக்குகின்றன. இது தவிர, ஈரமான ஆய்வக நுட்பங்களை மேம்படுத்த AI மாதிரிகளின் திறன்களை மதிப்பீடு செய்ய பின்வரும் பண்புகள் ஏற்றதாக உள்ளன:
- அணு அடிப்படையிலான அமைப்பை விட கட்டுப்படுத்தப்பட்ட பாகங்களுடன் நன்கு வரையறுக்கப்பட்டதாக உள்ளது
- ஒரு தெளிவான மேம்பாட்டு செயல்பாடு உள்ளது: நிலையான அளவிலான நேரியல் DNA உள்ளீடுகளிலிருந்து மாற்றக்கூடிய வட்ட DNA உருவாக்கம்
- ஓரளவு வேகமான பரிசோதனை சுழற்சிகள் (1-2 நாட்கள்)
- இயந்திரவியல் காரணவிளக்கத்தை மேம்படுத்த உயர் பரிமாண வடிவமைப்பு இடம் தேவைப்படுகிறது: சிறந்த பஃபர்கள், ரியாக்டன்கள் மற்றும் வெப்பநிலைகள் அனைத்தும் ஒன்றுக்கொன்று தொடர்புடையவையாகும்.
நாங்கள் நியூ இங்கிலாந்து பயோலேப் நிறுவனத்தால் உருவாக்கப்பட்ட மற்றும் கிப்சன் அசெம்பிளியை அடிப்படையாகக் கொண்ட தனியுரிம நொதி அமைப்பான HiFi அசெம்பிளியை(புதிய சாளரத்தில் திறக்கும்) மேம்பாட்டுத் தொடக்கப் புள்ளியாக பயன்படுத்தினோம். ஒரு AI ஆல் புதுமைகளை உருவாக்கி, பரிசோதனை பின்னூட்டத்திலிருந்து கற்றுக்கொள்ள முடியும் என்பதையும், ஒரே படிநிலை மற்றும் ஒரே வெப்பநிலை கட்டுப்பாடுகள் நீக்கப்பட்ட பிறகு, இந்தச் சூழலில் நெறிமுறை மேம்பாடுகளை அடையாளம் காண முடியும் என்பதையும் நாங்கள் ஆராய்ந்தோம்.
முக்கியமாக, பச்சை ஃப்ளோரசன்ட் புரதத்திற்கான (GFP) மரபணுவையும், பரவலாகப் பயன்படுத்தப்படும் pUC19 பிளாஸ்மிட்டையும் பயன்படுத்தி இரண்டு துண்டு குளோனிங் எதிர்வினையைச் செய்தோம், இது மரபணுக்களை பாக்டீரியாவிற்குள் கொண்டு செல்லப் பயன்படும் ஒரு நிலையான DNA "வாகனம்" ஆகும், இதனால் அவை நகலெடுக்கப்படும். குளோன்களின் எண்ணிக்கையை வெற்றிகரமாக அதிகரிப்பதே இலக்காக இருந்தது.
குளோனிங் எதிர்வினையை மேம்படுத்த, முன்மொழிவுகளை மீண்டும் மீண்டும் பரிசீலிக்க ஒரு பரிணாம கட்டமைப்பை நாங்கள் அறிமுகப்படுத்தினோம், இதனால் மாதிரி அதன் முந்தைய பரிசோதனைகள் மூலம் "ஆன்லைனில்" கற்றுக்கொள்ள முடிகிறது. GPT‑5 ஒவ்வொரு சுற்றிலும் 8-10 வெவ்வேறு எதிர்வினைகளின் தொகுப்பை முன்மொழிந்தது, ஆய்வகத்தில் உடனடியாக இல்லாத தனிப்பயன் எதிர்வினைப் பொருட்கள் தேவைப்பட்டால் வினைகள் பிந்தைய சுற்றுகளுக்கு தள்ளப்பட்டன. அதன்பின் மனித விஞ்ஞானிகள் எதிர்வினைகளைச் செய்து, ஆரம்பத் திரையில் அடிப்படை HiFi கிப்சன் அசெம்பிளியுடன் தொடர்புடைய காலனி எண்ணிக்கையை அளவிட்டனர். முந்தைய சுற்றில் சிறந்த செயல்திறன் கொண்ட தரவுகள் பின்னர் அடுத்த சுற்றில் சேர்க்கப்பட்டன. மிகவும் முக்கியமாக, கேள்விகளை தெளிவுபடுத்துவதைத் தவிர வேறு எந்த மனித உள்ளீடும் இல்லாமல் தூண்டி தரப்படுத்தப்பட்டது, இது மனித வழிகாட்டுதலை விட நேரடியாக AI க்கு புதிய இயந்திர நுண்ணறிவுகளைக் கூற அனுமதிக்கிறது.
பரந்த அளவிலான DNA நீர்த்தல்களைப் பயன்படுத்தி முழு மேம்பாட்டுத் தொடரிலிருந்து முதல் எட்டு எதிர்வினைகளை மீண்டும் சோதித்தோம், மேலும் பல ஆரம்பத் திரையை விட சிறிய விளைவுகளைக் காட்டியதைக் கண்டறிந்தோம்; இறுதியில், வலுவான சரிபார்க்கப்பட்ட நபர் சுற்று-5 இன் எதிர்வினையாகும், அது அதன் அசல் செயல்திறனை மீண்டும் உருவாக்கியது. லிகேஸ்-பாலிஷ் குடும்பத்தில் பல உயர்தர செயல்திறன் கொண்டவர்கள் வந்தனர், இது திறமையான செல்களின் நிலை மற்றும்/அல்லது பிந்தைய எதிர்வினை DNA கையாளுதல் ஆகியவற்றில் சிறிய மாற்றங்களில் மிகவும் உணர்திறன் கொண்டதாகத் தெரிகிறது. குறுகிய HiFi படியை இந்த எதிர்வினைகள் பயன்படுத்தியதால், பல தயாரிப்புகள் E. coli இல் ஒரு சந்திப்பு மட்டும் மூடப்பட்டு மற்றொன்று இணைப்பதன் மூலம் தாங்கப்பட்டு செல்கின்றன என்று நாங்கள் கருதுகிறோம், இதனால் செல்லுலார் பழுது பார்க்கும் பாதைகள் கீழ்நோக்கி மீட்பை விடுகின்றன. அதிக மாறுபாட்டையும் 'ஜாக்பாட்' இயக்கத்தையும் இது உருவாக்குகிறது: பெரும்பாலான நேரங்களில் இந்த எதிர்வினையின் மாறுபாடுகள் அதிக செயல்திறனைக் காட்டாவிட்டாலும், ஒரு வலுவான வெளிப்பாடானது குடும்பத்தை அடுத்த சுற்றுகளுக்கு கொண்டு செல்ல முடியும்.
கிளோனிங் வினையை அதன் இயந்திர சிக்கல்களால் பல சுற்றுகளில் மேம்படுத்துவதில் நாங்கள் கவனம் செலுத்தியபோது, ஒரே "ஒன்-ஷாட்" சுற்றை பயன்படுத்தி மாற்றும் செயல்முறையை இணையாக மேம்படுத்தினோம், இங்கு பல சுயாதீன மாற்றங்களை மாதிரி முன்மொழிந்தது, மேலும் சிறந்த செயல்திறன் கொண்ட எதிர்வினையை நாங்கள் தேர்ந்தெடுத்தோம்.
இரு படிநிலை குளோனிங் பணியின் ஆரம்ப மேம்பாட்டுத் திரைகள்: நொதி அசெம்பிளி மற்றும் மாற்றம். (இடது) ஐந்து சுற்றுகளில் நொதி அசெம்பிளியின் மறுபயன்பாட்டு மேம்பாடு (மொத்தம் 44 எதிர்வினைகள்). HiFi அசெம்பிளி அடிப்படையிலிருந்து தொடங்கி, GPT‑5 ஒரு சுற்றுக்கு 8-10 அசெம்பிளி நெறிமுறை வகைகளை முன்மொழிந்தது; சிறந்த செயல்திறன் கொண்ட முடிவுகளின் தரவு அடுத்தடுத்த அறிவுறுத்தல்களில் இணைக்கப்பட்டது. நாங்கள் ஒவ்வொரு சுற்றிலும், இதுவரை (முந்தைய சுற்றுகளைச் சேர்த்து) சிறந்த செயல்திறன் கொண்ட எதிர்வினையை வரைபடமாக்குகிறோம். (வலது) 13 வெவ்வேறு நெறிமுறைகளைப் பரிசோதிக்கும் உருமாற்ற நிலைமைகளின் ஒரு-ஷாட் மேம்பாடு. இரண்டு மேம்பாட்டு பரிசோதனைகளும், தரவு ஒரு நிபந்தனைக்கு ஒற்றை அளவீடுகளை (n=1) குறிக்கிறது; சிறந்த நபர்களிடம் பிரதி சரிபார்ப்பு தனித்தனியாக செய்யப்பட்டது.
GPT5 மனித உள்ளீடு இல்லாமல் தரநிலைப்படுத்தப்பட்ட தூண்டிகளைப் பயன்படுத்தி, முழுமையான நகலெடுக்கும் திறனை 79 மடங்கு மேம்படுத்தியது, இது பரிசோதனை நகல்களில் உறுதிப்படுத்தப்பட்டது.
முக்கியமாக, ஒரு புதிய நொதியியல் மாதிரி செயல்முறையை முன்மொழிந்தது, இதனை மாதிரி RecA-உதவிய ஜோடி-முடித்தல் HiFi அசெம்பளி (RAPF-HiFi) என்று அழைத்தது, இது இரு புதிய புரதங்களை வினையில் சேர்க்கிறது: E. coli இல் இருந்து மீண்டும் இணைக்கப்பட்ட RecA, மற்றும் பாக் T4 ஜீன் 32 ஒற்றை-சரம் DNA-பிணைப்புப் புரதம் (gp32). இது தவிர, இந்த மாதிரி அடைகாக்கும் வெப்பநிலை மற்றும் நேரம் மற்றும் நொதி சேர்க்கைகளின் நேரம் ஆகியவற்றில் வேண்டுமென்றே மாற்றங்களைச் செய்தது: ஆரம்ப 50°C HiFi எதிர்வினைக்குப் பிறகு RecA மற்றும் gp32 ஐச் சேர்ப்பதை இது முன்மொழிந்தது, இந்தப் புரதங்கள் 37°C இல் வேலை செய்ய அனுமதித்தது, பின்னர் அசெம்பளியை முடிக்க 50°C க்குச் சென்றது. இந்தப் புதிய மாற்றங்கள் இணைந்து செயல்திறனை 2.5 மடங்குக்கு மேம்படுத்தின. எதிர்வினை நிலைமைகள் மற்றும் நேரத்தின் மறு மேம்பாடு இல்லாமல் இது ஆரம்ப செயல்திறனைக் குறிக்கிறது என்பதை கவனத்தில் கொள்ள வேண்டும்.
மாறும் பக்கத்தில், மிகவும் பயனுள்ள மாற்றமானது எதிர்பாராத விதமாக எளிமையானது என்று நிரூபிக்கப்பட்டது: அனைத்தும் 4°C இல் செல்களைத் துளைத்தல் (குழாயின் அடிப்பகுதியில் அவை சேகரிக்கும் வகையில் ஒரு மையவிலக்கில் அவற்றைச் சுழற்றுதல்), வழங்கப்பட்ட அளவின் பாதியை அகற்றுதல் மற்றும் DNA ஐச் சேர்ப்பதற்கு முன்பு செல்களை மீண்டும் தொகுத்தல். பொதுவாக அதிக செயல்திறன் கொண்ட வேதியியல் ரீதியாக திறமையான செல்கள் உடையக்கூடியதாகக் கருதப்பட்டாலும், செல்கள் செறிவை நன்கு பொறுத்துக்கொண்டன, மேலும் அதிகமான மூலக்கூறு மோதல்கள் உருமாற்றத் திறனைக் கணிசமாக அதிகரித்தன (இறுதி சரிபார்ப்பில் 30 மடங்கு அதிகரித்தன).
T5 எக்ஸோநியூக்லீஸ் ஆனது 3′ ஓவர்ஹேங்குகளை உருவாக்குகிறது, இது gp32 இரண்டாம் நிலை கட்டமைப்பை அடக்குவதன் மூலம் உறுதிப்படுத்துகிறது. அதன் பிறகு 3′ முனைகளிலிருந்து RecA படையெடுத்து, gp32 ஐ இடமாற்றம் செய்து, ஹோமோலஜி தேடல் மற்றும் அனீலிங்கை ஊக்குவிக்கிறது. 50 °C க்கு சூடேற்றுவது இரண்டு புரதங்களையும் நீக்குகிறது, இதனால் பாலிமரேஸ் இடைவெளி நிரப்புதல் மற்றும் பிணைப்பு ஏற்படுகிறது.
DNA துண்டுகளுக்கு பொருந்தும் "ஒட்டும்" முனைகளை கிப்சன் அசெம்ப்ளி வழங்கி, அவை ஒன்றை ஒன்று கண்டுபிடித்து இணைக்கிறது. இரண்டு வேறுபட்ட நொதிகளை (ஒரு பாலிமரேஸ் மற்றும் ஒரு லிகேஸ்) இந்த எதிர்வினை பயன்படுத்தி இணைக்கப்பட்ட துண்டுகளை மூடுகிறது. பொருத்தும் செயல்முறையை மேம்படுத்த RAPF-HiFi-இல் இரண்டு புரதங்களை அறிமுகப்படுத்தினோம். gp32 முதலில் சிதறிய DNA நுனிகளைச் சீர்செய்து, சிக்கல்களைத் அவிழ்க்கும் சீப்பாக செயல்படுகிறது. இரண்டாவதாக, RecA ஆனது ஒவ்வொரு இழைக்கும் சரியான துணையைத் தேடி, பொருந்தும் துண்டுகளை ஒன்றாக இழுக்கும் வழிகாட்டியாகச் செயல்படுகிறது. DNA-இல் இருந்து இரு உதவியாளர்களையும் அதிக வெப்பநிலை விலகச் செய்கிறது, இதனால் சாதாரண கிப்சன் நொதிகள் வினையை முடிக்க அனுமதிக்கின்றன.
சுருங்கச் சொன்னால், பின்வரும் செயல்முறையின் மூலம் மேம்பட்ட செயல்திறன் நடாத்தப்படுகிறது என்று நாங்கள் கருதுகிறோம்:
- வருடப்படாத ஒற்றை இழை DNA (ssDNA) வால்களை Gp32 பூசி, இரண்டாம் நிலை அமைப்பை நீக்குகிறது.
- பொதுவாக RecA ஆனது கட்டமைப்பால் தடுக்கப்படுகிறது, 3’ இருந்து நுழைந்து gp32 நூலிழையை மாற்றுகிறது
- ஒரு ssDNA:ssDNA ஹோமோலஜி தேடலை(புதிய சாளரத்தில் திறக்கும்) RecA மத்தியஸ்தம் செய்து, அனீலிங்கை இயக்குகிறது
- recA மற்றும் gp32 இழைகள் இரண்டையும் 50°C க்கு திரும்புவது இடமாற்றம் செய்து, பாலிமரேஸ் மற்றும் லிகேஸ் எதிர்வினையை முடிக்க அனுமதிக்கிறது.
நாங்கள் புதிய நொதிகள் செயல்படுகிறதா என்பதை சோதிக்க, மேலும் செயல்திறன் மேம்பாடு வெறும் வெப்பநிலை படிகள் அல்லது பஃபர்கள் மாற்றங்களால் மட்டுமே ஏற்படுகிறதா என்பதைத் தவிர்க்க, RecA இல்லாமல், மேலும் RecA மற்றும் gp32 இரண்டும் இல்லாமல் RAPF-HiFi செயல்திறனை சோதித்தோம். RAPF-HiFi உடன் ஒப்பிடும்போது இரண்டு எதிர்வினைகளின் செயல்திறன் குறைக்கப்பட்டது, இது RAPF-HiFi இன் செயல்பாட்டு முறைக்கு இரண்டு புரதங்களும் அவசியம் என்பதைக் குறிக்கிறது.
அடிப்படையான செய்முறையைப் பரிசோதிக்க, எதிர்வினையில் உள்ள இரண்டு புதிய நொதிகளைப் பிரிக்கிறோம்: RecA மற்றும் gp32. நாங்கள் இவற்றில் ஏதேனும் ஒன்று மட்டுமே HiFi அடிப்படையுடன் ஒப்பிடும்போது செயல்திறனைக் குறைக்கிறது என்பதைக் காட்டுகிறோம். இவை இணைந்து, அடிப்படையை விட 2.6 மடங்கு செயல்திறன் அதிகரிப்புடன் மேம்பட்ட முறையில் செயல்படுகின்றன. (பிழை பட்டைகள்: SD n=3 பாரபட்சமற்ற பரிசோதனைகள்)
GPT‑5 சிக்கலான, பல பரிமாண பகுத்தறிவைச் செய்யும் திறன் கொண்டது என்பதை RAPF-HiFi மேம்பாடு குறிக்கிறது:
- DNA அமைப்பால் RecA தடுக்கப்படுகிறது(புதிய சாளரத்தில் திறக்கும்), மேலும் ஒரே நேரத்தில் இரண்டு ஒத்துழைப்பு மாற்றங்களை மாதிரி அறிமுகப்படுத்தியது குறிப்பிடத்தக்கது: RecA ஐச் சேர்த்து, மற்றும் DNA இரண்டாம் நிலை அமைப்பை அகற்ற gp32 உடன் அதை நிறைவேற்றியது.
- E. coli RecA க்கு இயல்பான கூட்டாளி E. coli ஒற்றைப் பிரிவு பிணைப்புப் புரதம் (SSB) ஆகும். மரபணு நகலெடுக்கல், மறுசேர்க்கை மற்றும் பழுது பார்க்கும் செயல்களில் gp32 போலவே SSB ஒரு பங்கு வகிக்கிறது. இருப்பினும், DNA-இல் இருந்து தன்னிச்சையாக விரைவாக E. coli SSB விலகுவதில்லை, இதனால் RecA நூலிழை வளர்ச்சி தாமதமாகிறது, RecFOR காம்ப்ளெக்ஸ் உயிருள்ள நிலையில் SSB இழையில் RecA அணுக்கருவாக்கத்தை ஊக்குவிக்கிறது(புதிய சாளரத்தில் திறக்கும்). மிக மெதுவான விலகல் வீதத்துடன்(புதிய சாளரத்தில் திறக்கும்) நிலையான நான்கு அலகுகளாக SSB பிணைக்கிறது. மாறாக, gp32 இழை மிகவும் ஆற்றல் வாய்ந்தது(புதிய சாளரத்தில் திறக்கும்), இது RecA இடப்பெயர்ச்சியை அனுமதிக்கிறது.
எங்களுக்குத் தெரிந்த வரை, RecA மற்றும் gp32 மூலக்கூறு உயிரியல் முறைகளில் செயல்பாடுகளுடன் இணைந்து பயன்படுத்தப்படவில்லை. பல புதுமையான மூலக்கூறு உயிரியல் நுட்பங்கள் போலவே, அடிப்படை உயிர்வேதியியல் செயல்பாடுகள் ஏற்கனவே ஆய்வு செய்யப்பட்டிருந்தன, ஆனால் அவற்றை ஒரு நடைமுறையான, பொதுவான முறையாகப் பயன்படுத்துவது முன்னேற்றமாகும்.
எடுத்துக்காட்டாக, RecA மற்றும் gp32 இன் தொடர்பு, இயந்திரவியல் இன் விட்ரோ மறுசீரமைப்பு மதிப்பீடுகளில் ஆய்வு செய்யப்பட்டுள்ளது: D லூப் உருவாக்கம் பற்றிய ஆய்வுகளில், RecA செயல்பாட்டை மேம்படுத்தும் திறன் கொண்டதாக gp32 காட்டப்பட்டது(புதிய சாளரத்தில் திறக்கும்) . Gp32 ஆனது தனது இயற்கையான T4 ரீகாம்பினேஸ் கூட்டாளியான UvsX மற்றும் ரீகாம்பினேஸ் ஏற்றுதல் காரணி uvsY உடன் இணைந்து ரீகாம்பினேஸ் பாலிமரேஸ் பெருக்கத்தில் (RPA(புதிய சாளரத்தில் திறக்கும்)) பயன்படுத்தப்படுகிறது. சமரசம் செய்யப்பட்ட (அதாவது, பொறிக்கப்பட்ட, காட்டு-வகை அல்லாத) gp32 புரதத்தைக் கொண்ட ஒரு ஹீட்டோரோலாஜஸ் அமைப்பில் E. coli RecA ஐப் பயன்படுத்தி பயனுள்ள RPA எதிர்வினைகள் நிரூபிக்கப்பட்டுள்ளன என்று ஒரு RPA காப்புரிமை விவரக்குறிப்பு(புதிய சாளரத்தில் திறக்கும்) கூறினாலும், இந்த கூற்று சில காப்புரிமை வெளிப்பாடுகளில் ஒரு தொடுகோடாக மட்டுமே தோன்றுகிறது, மேலும் எங்கள் அறிவுக்கு எட்டியபடி, வெளியிடப்பட்ட தரவுகளால் ஆதரிக்கப்படவில்லை அல்லது வலுவான RecA- அடிப்படையிலான RPA அமைப்பாக ஏற்றுக்கொள்ளப்படவில்லை. SLiCE(புதிய சாளரத்தில் திறக்கும்) எனப்படும் ஒரு குளோனிங் முறை, λ ரெட் மறுசீரமைப்பு அமைப்பைக் கொண்ட E. coli இலிருந்து ஒரு முழு செல் சாற்றைப் பயன்படுத்துகிறது, இதில் ரெட் பீட்டா DNA- பிணைப்புப் புரதம் மற்றும் மறுசீரமைப்பு என இரட்டைப் பணிகளைச் செய்யக்கூடும் (இருப்பினும் எங்கள் தூண்டியில் செல் சாற்றைப் பயன்படுத்துவதை நாங்கள் வெளிப்படையாகத் தடை செய்துள்ளோம்). வேறொரு பயன்பாட்டில், Ferrin & Camerini-Otero(புதிய சாளரத்தில் திறக்கும்) RecA-ஐ மட்டும் பயன்படுத்தி பொருந்தும் வரிசைகளின் அடிப்படையில் DNA மூலக்கூறுகளைத் தேர்ந்தெடுத்தார். இரண்டாம் நிலை அமைப்பை குறைக்க gp32 ஒரு DNA பெருக்கல் செயல்முறையான PCR இல் தனிச் சேர்க்கையாக பயன்படுத்தப்பட்டுள்ளது(புதிய சாளரத்தில் திறக்கும்). RecA மற்றும் gp32 இரண்டாலும் மேம்படுத்தப்பட்டதாக NABSA பெருக்கம் காட்டப்பட்டது(புதிய சாளரத்தில் திறக்கும்) , இருப்பினும் ஒவ்வொன்றும் தனித்தனியாக எதிர்வினையை மேம்படுத்த முடியும் மற்றும் எந்த சினெர்ஜியும் அடையாளம் காணப்படவில்லை. மிகவும் பரவலாக, அடிப்படை கிப்சன்-பாணி DNA தொகுப்பு வினைகளில் மேம்பாடுகள் குறைவாகவே அறிவிக்கப்பட்டுள்ளன, அதில் குறிப்பிடத்தக்க உதாரணம் வெப்பத்திற்கேற்ப நிலைத்த DNA-பிணைப்பு புரதம் (ET SSB) ஆகும், இது தொகுப்பு செயல்திறனை சுமார் 2.5 மடங்கு மேம்படுத்துகிறது(புதிய சாளரத்தில் திறக்கும்).
HiFi/கிப்சன் கிளோனிங்கின் எளிமை மற்றும் வலிமையுடன் போட்டியிட RAPF-HiFi ஐ நாங்கள் பெரும்பாலான பயன்பாடுகளில் எதிர்பார்ப்பதில்லை. இருப்பினும், இயந்திர ரீதியாக தனித்துவமான ஒன்றுகூறல் பாதை தோன்றியிருப்பது குறிப்பிடத்தக்கது: புதிய மறுசேர்க்கை புரதங்கள் மற்றும் எதிர்வினை இயக்கவியல் சேர்க்கையை உள்ளடக்கிய ஒரு தீர்வை GPT‑5 கண்டுபிடித்தது. அடிப்படை செயல்முறையானது மட்டுப்படுத்தப்பட்டதாக நிரூபிக்கப்படலாம், இது பிற மூலக்கூறு பணிகளில் மீண்டும் பயன்படுத்தக்கூடிய அல்லது மீண்டும் இணைக்கக்கூடிய கூறுகளை வழங்குகிறது. நாங்கள் RAPF-HiFi க்கான மேம்பாடுகளையும் தொடர்ந்து ஆராய்ந்து வருகிறோம். RecA மற்றும் gp32 செயல்பாட்டை சமநிலைப்படுத்த எக்ஸோநியூக்லீஸ் அதிகப்படியான செரிமானத்திற்கு எதிராக எதிர்வினை வெப்பநிலைகள் மற்றும் படி கால அளவுகளை சரிசெய்ய முடியும், மேலும் இரண்டு புரதங்களின் அளவுகளும் இன்னும் உகந்ததாகவே உள்ளன. மேலும் ஒரு அதிக செயல்பாட்டுள்ள RecA மாறுபாட்டை GPT‑5 முன்மொழிந்துள்ளது, இதை நாங்கள் தற்போது சுத்திகரித்து வருகிறோம்.
மாற்ற நெறிமுறையைப் பொறுத்தவரை, வெற்றிகரமான தேர்வுமுறை நிலைமைகள் வணிக ரீதியான 10-பீட்டா திறமையான செல்களின்(புதிய சாளரத்தில் திறக்கும்) வெப்ப-அதிர்ச்சி செயல்திறனை மேம்படுத்தும் நோக்கில் பல்வேறு சேர்க்கைகள் மற்றும் வெப்பக் குழப்பங்களை உள்ளடக்கியதாகும். AI உருவாக்கிய 13 ஒரு-ஷாட் மாற்றங்கள் சோதிக்கப்பட்டதில், மிகவும் பயனுள்ள மாற்றமான மாற்றம் 7 (T7), செல்களைத் துளைத்து, வழங்கப்பட்ட அளவின் பாதியை நீக்கி, DNA வைச் சேர்ப்பதற்கு முன்பு செல்களை மீண்டும் இணைத்தது, அனைத்தும் 4°C இல் செய்யப்பட்டது. பொதுவாக உயர் செயல்திறன் கொண்ட வேதியியல் ரீதியாக திறமையான செல்கள் உடையக்கூடியதாகக் கருதப்படுகின்றன, மேலும் இதுபோன்ற கையாளுதல் படிகள் பொதுவாக தவிர்க்கப்படுகின்றன. ஆனாலும், செல்கள் செறிவை நன்றாக சகித்துக்கொண்டன. ஒரு செல்லிற்கு அதிகமா DNA வெளிப்பாடு மற்றும் குறைவான தடுப்பு இடையகத்தின் ஒருங்கிணைந்த விளைவுகள் கூர்மையான வெப்ப அதிர்ச்சிக்கு வழிவகுத்தன, இது உருமாற்ற செயல்திறனில் கணிசமான அதிகரிப்பை அளித்தது (30 மடங்கு அதிகரித்தது).
செல்கள் முந்தைய கட்டத்தில் குவிக்கப்பட்ட ஒரு கருத்தியல் ரீதியாக ஒத்த அணுகுமுறையைப்(புதிய சாளரத்தில் திறக்கும்) பதிவு செய்திருந்தாலும் இந்த உருமாற்ற நெறிமுறை புதுமையானதாகும். முக்கியமாக, இங்கு GPT‑5 மூலம் உருவாக்கப்பட்ட முறை, வணிக ரீதியாக கிடைக்கும் வேதியியல் திறன் கொண்ட செல்களுடன் இணக்கமாக உள்ளது, உள்ளக செல்கள் தயாரிப்பைத் தேவையற்றதாக்குகிறது, மேலும் ஒத்த செல்கள் வகைகளில் இதே போன்ற அணுகுமுறையின் அறிவிக்கப்பட்ட செயல்திறன் மேம்பாடுகளை மீறுகிறது.
சோதனை அமைப்பின் செயல்திறனை அதிகரிக்க, ரோபோட் ஆன் ரெயில்ஸ் மற்றும் ரெட் குயின் பயோ இணைந்து ஒரு இயற்கை மொழி குளோனிங் நெறிமுறையை எடுத்து ஈரமான ஆய்வகத்தில் செயல்படுத்தும் ஒரு ரோபோ அமைப்பை இந்த மாதிரி உருவாக்கியது.
இந்த அமைப்பில் மூன்று கூறுகள் உள்ளன: 1) மனிதனிடமிருந்து ரோபோட்டிற்கு LLM, இது சாதாரண ஆங்கிலத்தை ரோபோட்டின் செயல்களாக மாற்றுகிறது; 2) ஆய்வகப் பொருட்களை நேரடியாக அடையாளம் காணும் மற்றும் இடம் நிர்ணயிக்கும் பார்வை அமைப்பு; மற்றும் 3) ஒவ்வொரு நடவடிக்கையையும் பாதுகாப்பாகவும் துல்லியமாகவும் மேற்கொள்ளும் வழியை தீர்மானிக்கும் ரோபோடிக் பாதை திட்டமிடும் அமைப்பு. இறுதியாக, ஜிப்சன் கிளோனிங் நெறிமுறையின் மாறுபாடுகளுக்காக மேலும் மேம்படுத்தப்பட்ட, நெகிழ்வான, பொது ஆய்வக ரோபோட் உருவாக்கப்பட்டது.
தானியங்கி ரோபோ ஒரு முழுமையான கிளோனிங் பரிசோதனையை செயல்படுத்த முடியுமா என்பதை நாங்கள் பரிசோதித்தோம், அதற்காக இரண்டு நெறிமுறைகளை ஒரே நேரத்தில் இயக்கினோம்: நிலையான HiFi முறை மற்றும் முதல் மேம்பாட்டு சுற்றில் சிறந்த செயல்திறன் கொண்ட AI-மாற்றியமைக்கப்பட்ட R8 நெறிமுறை.
ரோபோட்டின் பணியை நாங்கள் ஒவ்வொரு கட்டத்திலும் மனிதர்களால் செய்யப்படும் பரிசோதனைகளுடன் ஒப்பிட்டோம். திரவங்களை மாற்றுதல் மற்றும் கலத்தல், மாதிரி குழாய்களை நகர்த்துதல், செல்களுக்கு கட்டுப்படுத்தப்பட்ட வெப்பத்தைப் பயன்படுத்துதல் மற்றும் செல்களை வளர்ச்சித் தட்டுகளில் பரப்புதல் போன்ற பல்வேறு உடல் சார்ந்த செயல்பாடுகள் தேவைப்படும் உருமாற்ற செயல்முறையை ரோபோ வெற்றிகரமாகக் கையாண்டது. மனிதர்களால் செய்யப்படும் மாற்றங்களுடன் நேரடியாக ஒப்பிடும்போது, ரோபோ உருவாக்கிய தரவுகள் அடிப்படை நிலையை விட சமமான தரத்தை வழங்கின, இது உயிரியல் பரிசோதனை மேம்பாட்டை தானாகச் செய்யவும், துரிதப்படுத்தவும் ஆரம்பத்திலேயே திறனை காட்டுகிறது.
ரோபோவுக்கும் மனித பரிசோதனைகளுக்கும் இடையிலான மடிப்பு மாற்றங்கள் ஒரே மாதிரியானவை என்றாலும், ரோபோவில் இருந்து கிடைக்கும் முழுமையான காலனி எண்ணிக்கைகள் கையேடு செயல்பாட்டை விட சுமார் பத்து மடங்கு குறைவாக இருந்தன, இது திருத்த வேண்டிய பகுதிகளை குறிக்கிறது, உதாரணமாக திரவ கையாளுதல் துல்லியம், வெப்பநிலை கட்டுப்பாடு அளவீடு மற்றும் கையேடு செல்கள் கையாளுதல் நுட்பங்களைப் பின்பற்றுதல் போன்றவற்றைக் குறிக்கிறது.
நிலையான HiFi முறை (அடிப்படையானது) மற்றும் மேம்படுத்தப்பட்ட R8 முறை இரண்டும் மனித ஆராய்ச்சியாளர்களாலும் தன்னாட்சி ரோபோவாலும் செயல்படுத்தப்பட்டன, உருமாற்ற செயல்திறன் அந்தந்த HiFi அடிப்படைக் கட்டுப்பாடுகளுக்கு இயல்பாக்கப்பட்டது (1.0 ஆக அமைக்கப்பட்டது). மனிதர்களால் செயல்படுத்தப்பட்ட R8 2.39 மடங்கு முன்னேற்றத்தைக் காட்டியது; ரோபோவால் செயல்படுத்தப்பட்ட R8 ஆனது 2.13 மடங்கு முன்னேற்றத்தை (மனித செயல்திறனில் 89%) அடைந்தது, முழுமையான பலன் குறைவாக இருந்தபோதிலும் ஒப்பிடக்கூடிய நெறிமுறை தரவரிசையை நிரூபிக்கிறது.
எதிர்கால AI-ஐ வேகப்படுத்திய அறிவியல் எப்படி இருக்கும் என்பதற்கான ஒரு ஸ்னாப்ஷாட்டை இந்த ஆய்வுகள் வழங்குகின்றன என்று நாங்கள் நம்புகிறோம்: மாதிரிகள் தொடர்ந்து கற்றுக்கொண்டு நிஜ உலகத்துடன் தொடர்பு கொள்கின்றன. மாதிரி திறன்களை மட்டுமே அளவிட மனித தலையீட்டை எங்கள் பரிசோதனைகள் தவிர்த்தாலும், AI மனித விஞ்ஞானிகளுக்கு உதவுவது பரிசோதனைகளை வடிவமைக்கவும், ஆராய்ச்சி முன்னேற்றங்களில் பங்களிக்கவும் நாங்கள் மிகவும் உற்சாகமாக உள்ளோம்.
அறிவியல் முன்னேற்றத்தை பாதுகாப்பாகவும் பொறுப்புடன் வேகப்படுத்த முயற்சிக்கும் போது, குறிப்பாக உயிரியல் பாதுகாப்பு தொடர்பான அபாயங்களை மதிப்பீடு செய்து குறைப்பதற்கும் நாங்கள் முயல்கிறோம். மாதிரிகள் நெறிமுறைகளை மேம்படுத்த ஈரமான ஆய்வகத்தில் பகுத்தறிவு செய்ய முடியும் என்பதை இந்த மதிப்பீட்டு முடிவுகள் காட்டுகின்றன, மேலும் எங்கள் ஆயத்த கட்டமைப்பில்(புதிய சாளரத்தில் திறக்கும்) விவரிக்கப்பட்டுள்ளபடி உயிரியல் பாதுகாப்பிற்கான தாக்கங்களை ஏற்படுத்தக்கூடும். இந்த ஆபத்துகளைக் குறைப்பதற்கும், தற்போதைய நிலைகளைக் கண்காணிக்க மதிப்பீடுகளை உருவாக்குவதற்கும் மாதிரி மற்றும் அமைப்பு மட்டத்தில் தேவையான மற்றும் நுணுக்கமான பாதுகாப்புகளை உருவாக்க நாங்கள் உறுதிபூண்டுள்ளோம் .
