ویٹ لیب میں حیاتیاتی تحقیق کو تیز کرنے میں AI کی صلاحیت کی پیمائش کرنا

سائنسی ترقی کو تیز کرنا انسانیت کو فائدہ پہنچانے کے لیے AI کے سب سے قابل قدر طریقوں میں سے ایک ہے۔ GPT‑5 کے ساتھ، ہم اس کی ابتدائی علامات⁠ کو دیکھنا شروع کر رہے ہیں—نہ صرف محققین کو سائنسی لٹریچر کے ذریعے تیزی سے آگے بڑھنے میں مدد دینے کے سلسلے میں، بلکہ سائنسی استدلال کی نئی اشکال کی حمایت میں بھی، جیسا کہ غیر متوقع روابط کو اجاگر کرنا، ثبوت کی حکمت عملیوں کی تجویز دینا، یا ممکنہ میکینزم کی تجویز دینا جن کا ماہرین جائزہ لے سکتے ہیں اور جانچ سکتے ہیں۔

اب تک کی پیش رفت ریاضی، نظریاتی طبیعیات، اور نظریاتی کمپیوٹر سائنس جیسے شعبوں میں نمایاں ترین رہی ہے، جہاں خیالات کو کسی مادی تجربات کے بغیر سختی سے جانچا جا سکتا ہے۔ حیاتیات مختلف ہے: زیادہ تر پیش رفت تجرباتی عمل درآمد، تکرار اور لیبارٹری میں تجرباتی توثیق پر منحصر ہوتی ہیں۔

ان ترتیبات میں فرنٹیئر ماڈلز کے رویے کو سمجھنے میں مدد کے لیے، ہم نے Red Queen Bio، ایک بائیو سیکیورٹی اسٹارٹ اپ، کے ساتھ مل کر ایک تشخیصی فریم ورک تیار کیا جو یہ جانچ کرتا ہے کہ ایک ماڈل خیالات کو ویٹ لیب میں کیسے پیش کرتا، تجزیہ کرتا اور ان پر دوبارہ کام کرتا ہے۔ ہم نے ایک سادہ مالیکیولر بائیولوجی تجرباتی نظام قائم کیا اور GPT‑5 کو مالیکیولر کلوننگ پروٹوکول کی کارکردگی کو بہتر بنانے کے لیے استعمال کیا۔

کئی تجرباتی مراحل کے دوران، GPT‑5 نے ایک نیا طریقہ کار متعارف کرایا جس نے کلوننگ کی کارکردگی کو 79 گنا بہتر بنایا۔ کلوننگ ایک بنیادی مالیکیولر بائیولوجی کا ٹول ہے۔ کلوننگ کے طریقوں کی کارکردگی بڑے، پیچیدہ لائبریریوں کو بنائیں کے لئے اہم ہے جو پروٹین انجینئرنگ⁠(نئی ونڈو میں کھلتا ہے), جینیاتی اسکرینز⁠(نئی ونڈو میں کھلتا ہے) اور آرگنزم کی قسم کی انجینئرنگ⁠(نئی ونڈو میں کھلتا ہے) کے لئے مرکزی حیثیت رکھتی ہیں۔ یہ پروجیکٹ اس بات کی جھلک پیش کرتا ہے کہ AI کس طرح حیاتیات کے ماہرین کے ساتھ مل کر تحقیق کی رفتار تیز کرنے میں مدد کر سکتی ہے۔ تجرباتی طریقوں کو بہتر بنانا انسانی محققین کو تیزی سے آگے بڑھنے، اخراجات کو کم کرنے اور دریافتوں کو حقیقی دنیا کے اثرات میں تبدیل کرنے میں مدد دے گا۔

چونکہ حیاتیاتی استدلال میں پیش رفت بائیوسیکیورٹی کے مضمرات کی حامل ہے، ہم نے اس کام کو ایک سخت کنٹرول شدہ ماحول میں انجام دیا—ایک بے ضرر تجرباتی نظام استعمال کرتے ہوئے، ٹاسک کے دائرہ کار کو محدود کرتے ہوئے، اور ہمارے بائیوسیکیورٹی خطرے کی تشخیصات اور ماڈل اور نظام کی سطح پر حفاظتی تدابیر کی ترقی کو مطلع کرنے کے لیے ماڈل کے رویے کا جائزہ لیتے ہوئے، جیسا کہ ہمارے تیار ہونے کے فریم ورک⁠(نئی ونڈو میں کھلتا ہے) میں بیان کیا گیا ہے۔

اس سیٹ اپ میں، GPT‑5 نے کلوننگ پروٹوکول، مجوزہ ترامیم، اور مزید بہتری تجویز کرنے کے لیے نئے تجربات سے ڈیٹا شامل کرنے کے بارے میں خود مختاری سے استدلال کیا۔ واحد انسانی مداخلت یہ تھی کہ سائنسدانوں نے ترمیم شدہ پروٹوکول کو انجام دیا اور تجرباتی ڈیٹا اپ لوڈ کیا۔

متعدد راؤنڈز کے دوران، GPT‑5 نے کلوننگ کے طریقہ کار کو بہتر بنایا تاکہ کارکردگی میں 79 گنا سے زیادہ اضافہ ہو سکے—اس کا مطلب ہے کہ ان پٹ DNA کی ایک مقررہ مقدار کے لیے، ہم نے بیس لائن پروٹوکول سے 79x زیادہ ترتیب سے تصدیق شدہ کلون برآمد کیے ہیں۔ خاص طور پر، اس نے دو انزائمز متعارف کرائیں جو ایک نیا میکانزم تشکیل دیتی ہیں: ای کولی سے ریکومبینیز RecA، اور فاج T4 جین 32 سنگل اسٹرینڈڈ DNA-بائنڈنگ پروٹین (gp32)۔ ہم آہنگی سے کام کرتے ہوئے، gp32 ڈھیلے DNA کے سروں کو ہموار کرتا اور سلجھاتا ہے، اور پھر RecA ہر دھاگے کو اس کے صحیح جوڑ تک رہنمائی کرتا ہے۔

اگرچہ یہ ابتدائی ہیں، یہ نتائج حوصلہ افزا ہیں۔ بہتریاں خاص طور پر ہمارے ماڈل سسٹم میں استعمال ہونے والے کلوننگ سیٹ اپ کے لیے مخصوص ہیں، اور ابھی بھی انسانی سائنسدانوں کی ضرورت ہوتی ہے کہ وہ پروٹوکولز کو ترتیب دیں اور چلائیں۔ پھر بھی، یہ تجربات ظاہر کرتے ہیں کہ AI نظام حقیقی لیبارٹری کے کام میں بامعنی طور پر مدد کر سکتے ہیں اور مستقبل میں انسانی سائنسدانوں کی رفتار کو تیز کر سکتے ہیں۔

خاص طور پر، AI-لیب لوپ کو مقررہ پرامپٹنگ کے ساتھ اور بغیر کسی انسانی مداخلت کے چلایا گیا۔ اس سہارے نے ماڈل کی صلاحیت کو ظاہر کرنے میں مدد کی کہ وہ انسانی رہنمائی کے بغیر واقعی نئے پروٹوکول تبدیلیاں تجویز کر سکتا ہے، لیکن اس نے نظام کو دریافت میں مقید کر دیا اور نئے دریافت شدہ خیالات کی کارکردگی کو زیادہ سے زیادہ کرنے کی اس کی صلاحیت کو محدود کر دیا۔ تلاش اور استحصال کے درمیان ایک بہتر متحرک توازن ممکنہ طور پر زیادہ فوائد فراہم کر سکتا ہے، کیونکہ انزائمی اور تبدیلی کی بہتری میں کافی گنجائش موجود ہے۔ ہم منصوبہ بندی اور ٹاسک-ہورائزن استدلال میں ترقی کی توقع کرتے ہیں تاکہ سادہ مقررہ پرامپٹس کی صلاحیت کو دریافت اور بعد کی اصلاح دونوں میں سپورٹ کرنے کی صلاحیت کو بہتر بنایا جا سکے۔

2009 میں اس کی ایجاد کے بعد سے گبسن اسمبلی⁠(نئی ونڈو میں کھلتا ہے) کا ردعمل کلوننگ کا ایک بنیادی طریقہ رہا ہے اور یہ مالیکیولر بائیولوجی میں وسیع پیمانے پر اپنایا گیا ہے۔ گبسن اسمبلی مولیکیولر بائیولوجسٹوں کو DNA کے ٹکڑوں کو "جوڑنے" کی اجازت دیتی ہے، جس میں ان کے سروں کو مختصر طور پر پگھلا کر ملتے جلتے سلسلوں کو ایک واحد مالیکیول میں بند کیا جا سکتا ہے۔ گبسن اسمبلی کی ایک بڑی کشش اس کی سادگی ہے: تمام عمل ایک ہی ٹیوب میں ایک ہی درجہ حرارت پر مکمل ہوتا ہے۔ یہ پابندیاں قدرتی طور پر بہتری کی گنجائش چھوڑتی ہیں۔ مزید برآں، درج ذیل خصوصیات اسے AI ماڈلز کی صلاحیتوں کا جائزہ لینے کے لیے موزوں بناتی ہیں تاکہ ویٹ لیب تکنیکوں کو بہتر بنایا جا سکے۔

• اچھی طرح وضاحت شدہ اور کنٹرول شدہ اجزاء کے ساتھ، سیل پر مبنی نظام کے برعکس
• ایک واضح اصلاحی فنکشن ہے: ایک مقررہ مقدار کے لینئیر DNA ان پٹ سے بنایا گیا قابل تبدیل دائرہ نما DNA
• نسبتاً تیز تجرباتی ادوار (1-2 دن)
• اعلیٰ جہتی ڈیزائن کی جگہ جو میکانیکی استدلال کی ضرورت رکھتی ہے تاکہ بہتری لائی جا سکے: مثالی بفرز، ری ایجنٹس اور درجہ حرارت سب آپس میں باہم مربوط ہیں۔

ہم نے HiFi اسمبلی⁠(نئی ونڈو میں کھلتا ہے) کا استعمال کیا، جو New England Biolabs کی طرف سے تیار کردہ ایک ملکیتی انزائم سسٹم ہے اور بطور آپٹیمائزیشن نقطہ آغاز گبسن اسمبلی پر مبنی ہے۔ ہم نے یہ دریافت کیا کہ آیا ایک AI تجرباتی فیڈبیک سے سیکھ کر اور یک مرحلہ اور یکساں درجہ حرارت کی پابندیوں کو ہٹا کر جدت پیدا کر سکتا ہے اور اس طرح اس منظرنامے میں پروٹوکول کی بہتریوں کی نشاندہی کر سکتا ہے۔

خاص طور پر، ہم نے سبز فلوروسینٹ پروٹین (GFP) کے جین اور وسیع پیمانے پر استعمال ہونے والے pUC19 پلاسمڈ جو کہ بیکٹیریا میں جینز کو منتقل کرنے کے لیے ایک معیاری DNA "وسیلہ" ہے تاکہ ان کی نقل کی جا سکے، کو استعمال کرتے ہوئے دو حصوں پر مشتمل کلوننگ ری ایکشن انجام دیا۔ مقصد کامیاب کالونیز کی تعداد میں اضافہ کرنا تھا۔

ہم نے کلوننگ کے عمل کو بہتر بنانے کے لئے تجاویز پر تکرار کرنے کے لئے ایک ارتقائی فریم ورک متعارف کرایا، جس سے ماڈل کو اپنے ماضی کے تجربات سے "آن لائن" سیکھنے کے قابل بنایا۔ ہر راؤنڈ میں، GPT‑5 نے 8-10 مختلف ردعمل کا ایک بیچ تجویز کیا، اور اگر ردعمل کے لیے لیبارٹری میں دستیاب نہ ہونے والے خاص ری ایجنٹس کی ضرورت ہوتی تو انہیں بعد کے راؤنڈز میں منتقل کر دیا جاتا۔ پھر انسانی سائنسدانوں نے ردعمل انجام دیئے اور ابتدائی اسکرین میں بیس لائن HiFi گبسن اسمبلی کے مقابلے میں کالونی شمار کی پیمائش کی۔ پچھلے راؤنڈ سے بہترین کارکردگی کا مظاہرہ کرنے والے ڈیٹا کو پھر اگلا راؤنڈ میں شامل کیا گیا۔ اہم بات یہ ہے کہ پرامپٹنگ کو معیاری بنایا گیا تھا اور وضاحتی سوالات کے علاوہ کوئی انسانی ان پٹ شامل نہیں تھی، جس سے ہمیں نئے میکانزم کی بصیرت کو براہ راست AI سے منسوب کرنے کی اجازت ملتی ہے نہ کہ انسانی رہنمائی سے۔ 

ہم نے مکمل آپٹیمائزیشن سیریز سے اوپر کے آٹھ ردعمل کے DNA کی وسیع تر مقداروں کے ساتھ دوبارہ جانچ کی، اور پایا کہ بہت سے ردعمل نے ابتدائی اسکرین کے مقابلے میں کم اثرات دکھائے؛ آخر کار، سب سے مضبوط تصدیق شدہ امیدوار ایک ردعمل تھا جو راؤنڈ-5 سے تھا اور اس نے اپنی اصل کارکردگی کو دوبارہ پیش کیا۔ بہت سے اعلیٰ کارکردگی دکھانے والے 'لگیز-پالش' خاندان میں شامل تھے، جو خاص طور پر قابل خلیہ کی حالت اور/یا بعد از عمل DNA ہینڈلنگ میں چھوٹی تبدیلیوں کے لیے حساس معلوم ہوتا ہے۔ چونکہ ان ردعملوں میں ایک مختصر HiFi مرحلہ استعمال کیا گیا تھا، ہم یہ مفروضہ پیش کرتے ہیں کہ بہت سی مصنوعات ممکنہ طور پر ای کولی میں داخل ہوتی ہیں جن میں صرف ایک جوڑ بند ہوتا ہے اور دوسرا جوڑ جڑنے کے ذریعے پکڑا جاتا ہے، جس سے نیچے کی طرف بچاؤ کے لیے خلیاتی مرمت کے راستوں پر انحصار ہوتا ہے۔ یہ زیادہ تغیر اور 'جیک پاٹ' کی حرکیات بناتا ہے: اگرچہ زیادہ تر وقت اس ردعمل کے متغیرات بہتر کارکردگی نہیں دکھاتے، ایک مضبوط غیر معمولی عنصر خاندان کو اگلے مراحل میں لے جا سکتا ہے۔ 

جبکہ ہم نے کلوننگ کے عمل کو اس کی میکانیکی پیچیدگی کی وجہ سے مختلف مراحل میں بہتر بنانے پر توجہ مرکوز کی، ہم نے متوازی طور پر تبدیلی کے عمل کو ایک "ون شاٹ" مرحلہ استعمال کرتے ہوئے بہتر بنایا جہاں ماڈل نے کئی آزاد تبدیلیاں تجویز کیں، اور ہم نے سب سے بہترین کارکردگی دکھانے والے عمل کو منتخب کیا۔

معیاری پرامپٹس کے بغیر انسانی ان پٹ استعمال کرتے ہوئے، GPT5 نے اختتام سے آخر تک کلوننگ کی کارکردگی کو 79 گنا بہتر کیا، جو تجرباتی نقلوں میں تصدیق شدہ ہے۔

خاص طور پر، ماڈل نے ایک نیا انزئمی طریقہ کار پیش کیا، جسے ماڈل نے RecA-Assisted Pair-and-Finish HiFi Assembly (RAPF-HiFi) کہا، جو ردعمل میں دو نئے پروٹین شامل کرتا ہے: ای کولی سے ریکومبینیز RecA، اور فاج T4 جین 32 سنگل اسٹرینڈڈ DNA–بائنڈنگ پروٹین (gp32)۔ مزید برآں، ماڈل نے انکیوبیشن کے درجہ حرارت اور وقت میں جان بوجھ کر تبدیلیاں کیں اور انزئمی اضافوں کے وقت کو بھی: اس نے 50°C کے ابتدائی HiFi ردعمل کے بعد RecA اور gp32 کو شامل کرنے کی تجویز دی، ان پروٹینز کو 37°C پر کام کرنے دیا اور پھر اسمبلی کو مکمل کرنے کے لیے 50°C پر واپس جانے کی تجویز دی۔ ان نئی ترامیم نے مل کر افادیت کو ڈھائی گنا سے زیادہ بڑھا دیا۔ یہ نوٹ کرنا چاہیے کہ یہ ابتدائی کارکردگی کی نمائندگی کرتا ہے، بغیر ردعمل کی شرائط اور وقت کی تکراری اصلاح کے۔

تبدیلی کے عمل میں، سب سے مؤثر ترمیم غیر متوقع طور پر سادہ ثابت ہوئی: خلیات کو پیلیٹ کرنا (انہیں سینٹری فیوج میں گھما کر ٹیوب کے نیچے جمع کرنا)، فراہم کردہ حجم کا نصف ہٹانا، اور DNA شامل کرنے سے پہلے خلیات کو دوبارہ معلق کرنا، یہ سب کچھ 4°C پر۔ اگرچہ اعلیٰ کارکردگی کے حامل کیمیائی طور پر قابل خلیات کو عام طور پر نازک سمجھا جاتا ہے، لیکن خلیات نے ارتکاز کو اچھی طرح برداشت کیا اور بڑھتے ہوئے مالیکیولر ٹکراؤ نے تبدیلی کی کارکردگی کو حتمی توثیق پر 30 گنا سے زیادہ بڑھا دیا۔ 

گبسن اسمبلی DNA کے ٹکڑوں کو ہم آہنگ "چپکنے والے" سروں کے ساتھ فراہم کر کے کام کرتی ہے تاکہ وہ ایک دوسرے کو تلاش کر سکیں اور جڑ سکیں۔ ردعمل میں دو مختلف انزائمز (ایک پولیمریز اور ایک لیگیز) استعمال کیے جاتے ہیں تاکہ جڑے ہوئے ٹکڑوں کو بند کیا جا سکے۔ RAPF-HiFi میں، دو پروٹینز کو متعارف کرایا گیا تاکہ میچنگ کے مرحلے کو بہتر بنایا جا سکے۔ پہلا، gp32، ایک کنگھی کی طرح کام کرتا ہے جو ڈھیلے DNA کے سروں کو ہموار کرتا اور سلجھاتا ہے۔ دوسرا، RecA، ایک رہنما کی طرح کام کرتا ہے جو ہر دھاگے کے لئے صحیح ساتھی کی تلاش کرتا ہے اور ملتے ہوئے حصوں کو اکٹھا کرتا ہے۔ زیادہ درجہ حرارت دونوں مددگاروں کو DNA سے الگ کر دیتا ہے، جس سے عام گبسن انزائمز کو ردعمل مکمل کرنے کی اجازت ملتی ہے۔

خلاصہ یہ ہے کہ ہم یہ مفروضہ پیش کرتے ہیں کہ بہتر کارکردگی مندرجہ ذیل طریقہ کار کے ذریعے حاصل کی جاتی ہے:

• Gp32 غیر اینیلڈ سنگل اسٹرینڈڈ DNA (ssDNA) ٹیلز کو کوٹ کرتا ہے، ثانوی ساخت کو ہٹاتا ہے
• RecA، جو عام طور پر ساخت کے ذریعے روکا جاتا ہے، 3' سے حملہ کرتا ہے اور gp32 فلامنٹ کو بے دخل کرتا ہے
• RecA ایک ssDNA:ssDNA ہم آہنگی کی تلاش⁠(نئی ونڈو میں کھلتا ہے) کی مصالحت کرتا ہے، جو جوڑنے کے عمل کو چلاتا ہے
• 50°C پر واپسی recA اور gp32 فلامنٹس کو ہٹا دیتی ہے، جس سے پولیمریز اور لیگیز کو ردعمل مکمل کرنے کی اجازت ملتی ہے۔

یہ جانچ کرنے کے لیے کہ آیا نئے انزائمز فعال تھے، اور یہ ثابت کرنے کے لیے کہ کارکردگی میں بہتری صرف حرارتی مراحل یا بفرز کی تبدیلیوں کی وجہ سے نہیں ہے، ہم نے RAPF-HiFi کی کارکردگی کی RecA کے بغیر، اور RecA اور gp32 دونوں کے بغیر جانچ کی۔ دونوں ردعمل کی کارکردگی RAPF-HiFi کے مقابلے میں کم تھی، جو یہ ظاہر کرتی ہے کہ RAPF-HiFi کے کاروائی کے طریقہ کار کے لیے دونوں پروٹین ضروری ہیں۔

RAPF-HiFi کی ترقی و تیاری یہ تجویز کرتی ہے کہ GPT‑5 پیچیدہ، کثیر جہتی استدلال کی صلاحیت رکھتا ہے:

• RecA کو DNA کی ساخت سے روکا جاتا ہے⁠(نئی ونڈو میں کھلتا ہے) اور یہ قابل ذکر ہے کہ ماڈل نے ایک ساتھ دو ہم آہنگ تبدیلیاں متعارف کرائیں: RecA کو شامل کریں اور DNA کی ثانوی ساخت کو ہٹانے کے لئے اسے gp32 کے ساتھ مکمل کیا۔
• ای کولی RecA کا قدرتی ساتھی ای کولی سنگل اسٹرینڈڈ بائنڈنگ پروٹین (SSB) ہے۔ SSB جینوم کی نقل، دوبارہ ملاپ، اور مرمت کے دوران gp32 کی طرح کا کردار ادا کرتا ہے۔ تاہم، ای کولی SSB DNA سے اتنی تیزی سے خود بخود الگ نہیں ہوتا کہ RecA فلامنٹ کی نشوونما ہو سکے، جبکہ RecFOR کمپلیکس SSB فلامنٹ پر RecA نیوکلیشن کو جاندار کے اندر (in vivo) میں فروغ دیتا ہے⁠(نئی ونڈو میں کھلتا ہے)۔ SSB ایک مستحکم ٹیٹرا مر کے طور پر کڑتا ہے جس کے انتہائی سست آف ریٹس⁠(نئی ونڈو میں کھلتا ہے) ہوتے ہیں۔ اس کے برعکس، gp32 فلامنٹ زیادہ متحرک⁠(نئی ونڈو میں کھلتا ہے) ہے، جو RecA کو ہٹانے کی اجازت دیتا ہے۔ 

ہمارے علم کے مطابق، RecA اور gp32 کو مالیکیولر بائیولوجی کے طریقوں میں عملی طور پر مشترکہ طور پر استعمال نہیں کیا گیا ہے۔ جیسا کہ بہت سی نئی مالیکیولر بائیولوجی تکنیکوں کے ساتھ ہوتا ہے، بنیادی بائیو کیمیکل سرگرمیاں پہلے ہی مطالعہ کی جا چکی تھیں، لیکن ان کا عملی اور عمومی طریقہ کے طور پر استعمال ترقی کی علامت ہے۔

مثال کے طور پر، RecA اور gp32 کے تعامل کا میکانسٹک مصنوعی ماحول میں ری کنسٹیٹیوشن اسیز میں مطالعہ کیا گیا ہے: ڈی لوپ کی تشکیل کے مطالعے میں، gp32 کو دکھایا گیا⁠(نئی ونڈو میں کھلتا ہے) کہ وہ RecA کی سرگرمی کو بڑھانے کی صلاحیت رکھتا ہے۔ Gp32 کو اس کے قدرتی T4 ریکومبینیز پارٹنر UvsX اور ریکومبینیز لوڈنگ فیکٹر uvsY کے ساتھ ریکومبینیز پولیمریز ایمپلیفیکیشن (RPA)⁠(نئی ونڈو میں کھلتا ہے) میں استعمال کیا گیا ہے۔ اگرچہ ایک RPA پیٹنٹ کی تفصیلات بیان کرتی ہیں⁠(نئی ونڈو میں کھلتا ہے) کہ مؤثر RPA ردعمل کا ای کولی RecA کا استعمال کرتے ہوئے ایک مختلف نوعیتی نظام میں ایک متاثرہ (یعنی، انجینئرڈ، غیر-وائلڈ-ٹائپ) gp32 پروٹین کے ساتھ مظاہرہ کیا گیا ہے، یہ دعویٰ صرف کچھ پیٹنٹ انکشافات میں ایک ضمنی طور پر ظاہر ہوتا ہے اور ہمارے علم کے مطابق، شائع شدہ ڈیٹا سے معاونت یافتہ نہیں ہے یا ایک مضبوط RecA پر مبنی RPA نظام کے طور پر اپنایا نہیں گیا ہے۔ کلوننگ کا ایک طریقہ جسے SLiCE⁠(نئی ونڈو میں کھلتا ہے) کہا جاتا ہے، ای کولی سے ایک مکمل سیل کا نکالنا استعمال کرتا ہے جس میں λ ریڈ ریکومبینیشن سسٹم شامل ہوتا ہے، جہاں ریڈ بِیٹا دوہرا کردار ادا کر سکتا ہے، جیسا کہ DNA بائنڈنگ پروٹین اور ریکومبینیز (حالانکہ ہم نے اپنے ہدایت نامہ میں سیل نکالنے کے استعمال کی واضح طور پر ممانعت کی تھی)۔ ایک مختلف ایپلیکیشن میں، Ferrin & Camerini-Otero⁠(نئی ونڈو میں کھلتا ہے) نے صرف RecA کو استعمال کرتے ہوئے DNA مالیکیولز کو مماثل سلسلوں کی بنیاد پر منتخب طور پر قبضہ کیا۔ علیحدہ طور پر، gp32 کو ایک اضافی کے طور پر استعمال کیا گیا ہے⁠(نئی ونڈو میں کھلتا ہے) DNA کی افزائش کے عمل میں جسے PCR کہا جاتا ہے تاکہ ثانوی ساخت کو کم کیا جا سکے۔ NABSA کی تقویت کو RecA اور gp32 دونوں کے ذریعے بڑھایا گیا⁠(نئی ونڈو میں کھلتا ہے) ، حالانکہ ہر ایک الگ سے ردعمل کو بڑھا سکتا تھا اور کوئی ہم آہنگی نہیں دیکھی گئی۔ زیادہ وسیع پیمانے پر، بنیادی گبسن طرز DNA اسمبلی کے رد عمل میں بہتری کی اطلاعات کم رہی ہیں، جس میں سب سے قابل ذکر مثال ایک حرارت مستحکم DNA بائنڈنگ پروٹین (ET SSB) ہے جو اسمبلی کی کارکردگی کو تقریباً 2.5 گنا بہتر بناتی ہے⁠(نئی ونڈو میں کھلتا ہے)۔ 

زیادہ تر ایپلیکیشنز کے لیے، ہم توقع نہیں کرتے کہ RAPF-HiFi سادگی اور HiFi/گبسن کلوننگ کی مضبوطی کے ساتھ مقابلہ کرے۔ تاہم، ایک میکانیکی طور پر منفرد اسمبلی راستے کا ظہور قابل ذکر ہے: GPT‑5 نے ایک ایسا حل پیش کیا ہے جو دوبارہ ملاپ پروٹینز اور ردعمل کی حرکیات کے ایک غیر مانوس امتزاج کو شامل کرتا ہے۔ بنیادی میکانزم ماڈیولر ثابت ہو سکتا ہے، جو اجزاء فراہم کر سکتا ہے جنہیں دیگر مالیکیولر ورک فلو میں دوبارہ استعمال کیا یا دوبارہ جوڑا جا سکتا ہے۔ ہم RAPF-HiFi میں بہتریوں کو بھی دریافت کر رہے ہیں اور جاری رکھے ہوئے ہیں۔ ردعمل کے درجہ حرارت اور مرحلے کے دورانیے کو RecA اور gp32 کی سرگرمی کو ایکسونکلیز کے زیادہ ہضم کے خلاف متوازن کرنے کے لیے ایڈجسٹ کیا جا سکتا ہے، اور دونوں پروٹینز کی مقدار کو ابھی بہتر بنانا باقی ہے۔ GPT‑5 نے ایک ہائپرایکٹیو RecA ویریئنٹ بھی تجویز کیا ہے، جسے ہم فی الحال صاف کر رہے ہیں۔

تبدیلی پروٹوکول کے حوالے سے، کامیاب آپٹیمائزیشن کی شرائط مختلف اضافی مواد اور حرارتی تبدیلیوں پر محیط تھیں جو تجارتی 10-بِیٹا کمپیٹینٹ سیلز⁠(نئی ونڈو میں کھلتا ہے) کی ہیٹ-شاک کارکردگی کو بہتر بنانے کے لیے تھیں۔ 13 AI سے پیدا کردہ ون شاٹ تبدیلیوں میں سے، سب سے مؤثر تبدیلی، تبدیلی 7 (T7)، نے خلیات کو پیلیٹ کیا، فراہم کردہ حجم کا نصف ہٹا دیا، اور DNA شامل کرنے سے پہلے خلیات کو دوبارہ معلق کیا، یہ سب کچھ 4°C پر کیا گیا۔ اعلیٰ کارکردگی والے کیمیائی طور پر قابل خلیات کو عموماً نازک سمجھا جاتا ہے اور ایسے ہینڈلنگ کے مراحل سے عموماً گریز کیا جاتا ہے۔ تاہم، خلیات نے ارتکاز کو اچھی طرح برداشت کیا۔ خلیے میں DNA کی بڑھتی ہوئی نمائش اور کم روکنے والے بفر کے مشترکہ اثرات نے ایک تیز تر ہیٹ شاک پیدا کی، جس کے نتیجے میں تبدیلی کی کارکردگی میں نمایاں اضافہ (>30 گنا) ہوا۔ 

یہ تبدیلی پروٹوکول نیا ہے، حالانکہ ایک مشابہہ طریقہ⁠(نئی ونڈو میں کھلتا ہے) جہاں خلیات کو پہلے مرحلے میں مرتکز کیا جاتا ہے، کو رپورٹ کیا جا چکا ہے۔ خاص طور پر، یہاں GPT‑5 کے ذریعے تیار کردہ طریقہ کار عام کیمیائی طور پر قابل خلیات کے ساتھ مطابقت رکھتا ہے، جس سے اندرون خانہ خلیات کی تیاری کی ضرورت ختم ہو جاتی ہے، جبکہ اسی طرح کے طریقہ کار کی رپورٹ کردہ کارکردگی میں اضافے کو اسی طرح کے خلیاتی اقسام پر پیچھے چھوڑ دیتا ہے۔

اس ماڈل تجرباتی نظام کی تھرو پٹ کو بڑھانے کے لیے، روبوٹ آن ریلز اور ریڈ کوئین بائیو نے مل کر ایک روبوٹک نظام تیار کیا جو قدرتی زبان میں کلوننگ پروٹوکول کو قبول کرتا ہے اور اسے ویٹ لیب میں انجام دیتا ہے۔

یہ نظام تین اجزاء کو یکجا کرتا ہے: 1) ایک انسان سے روبوٹ LLM جو سادہ انگریزی کو روبوٹ کی کاروائیوں میں تبدیل کرتا ہے؛ 2) ایک بصری نظام جو لیب ویئر کی حقیقی وقت میں شناخت اور مقام کا تعین کرتا ہے؛ اور 3) ایک روبوٹک راستہ منصوبہ ساز جو ہر کارروائی کو محفوظ اور درست طریقے سے انجام دینے کا طریقہ طے کرتا ہے۔ نتیجہ ایک لچکدار، عمومی لیب روبوٹ ہے جسے گبسن کلوننگ پروٹوکول کی مختلف اقسام کے لیے مزید بہتر بنایا گیا تھا۔

ہم نے یہ جانچ کرنے کے لیے تجربہ کیا کہ آیا خود مختار روبوٹ مکمل کلوننگ تجربہ انجام دے سکتا ہے یا نہیں، دو پروٹوکولز کو بیک وقت چلا کر: معیاری HiFi طریقہ اور R8، جو پہلے اصلاحی راؤنڈ سے بہترین کارکردگی دکھانے والا AI-ترمیم شدہ پروٹوکول ہے۔

ہم نے ہر مرحلے پر روبوٹ کے کام کا انسانوں کے انجام دیئے گئے تجربات سے موازنہ کیا۔ روبوٹ نے کامیابی سے تبدیلی کے عمل کو سنبھالا، جس کے لیے مختلف جسمانی آپریشنز کی ضرورت تھی: مائعات کو منتقل کرنا اور ملاوٹ، ماڈل ٹیوبز کی حرکت، خلیات پر کنٹرول شدہ حرارت کا اطلاق اور خلیات کو بڑھوتری کی پلیٹوں پر پھیلانا۔ جب انسانی کارکردگی کے ساتھ براہ راست موازنہ کیا گیا تو، روبوٹ نے بیس لائن پر مساوی بہتری کے ساتھ اسی معیار کا ڈیٹا پیدا کیا، جو حیاتیاتی تجربات کی اصلاح کو خودکار بنانے اور تیز کرنے کی ابتدائی صلاحیت کو ظاہر کرتا ہے۔

اگرچہ روبوٹ اور انسانی تجربات کے درمیان فولڈ تبدیلیاں ملتی جلتی تھیں، لیکن روبوٹ سے حاصل شدہ مطلق کالونی گنتی دستی عملدرآمد کے مقابلے میں تقریباً دس گنا کم تھیں، جو کہ مائع ہینڈلنگ کی درستگی، درجہ حرارت کنٹرول کیلیبریشن، اور دستی سیل ہینڈلنگ تکنیک کی باریکیوں کو نقل کرنے جیسے شعبوں میں بہتری کی نشاندہی کرتی ہے۔

ہمیں یقین ہے کہ یہ تجربات مستقبل کی AI سے تیز رفتار سائنس کی ایک سنیپ شاٹ پیش کرتے ہیں: ماڈلز مسلسل سیکھتے ہیں اور حقیقی دنیا کے ساتھ تعامل کرتے ہیں۔ اگرچہ ہمارے تجربات نے ماڈل کی صلاحیتوں کو خالصتاً جانچنے کے لیے انسانی مداخلت کو خارج کر دیا، ہم خاص طور پر AI کے انسانی سائنسدانوں کی مدد کرنے⁠ ، تجربات ڈیزائن کرنے اور تحقیقی کامیابیوں میں شراکت کرنے کے بارے میں پرجوش ہیں۔

جب ہم سائنسی ترقی کو محفوظ اور ذمہ داری کے ساتھ تیز کرنے کی کوشش کرتے ہیں، تو ہم بائیو سیکیورٹی سے متعلق خطرات کا جائزہ لینے اور انہیں کم کرنے کی بھی کوشش کرتے ہیں۔ یہ تشخیصی نتائج ظاہر کرتے ہیں کہ ماڈلز لیب میں پروٹوکول کو بہتر بنانے کے لیے استدلال کر سکتے ہیں، اور ہمارے تیاری کے فریم ورک⁠(نئی ونڈو میں کھلتا ہے) میں بیان کردہ بائیوسیکیورٹی کے لیے مضمرات ہو سکتے ہیں۔ ہم ضروری اور باریک بینی سے حفاظتی تدابیر ماڈل اور نظام کی سطح پر بنانے⁠ کے لیے پرعزم ہیں تاکہ ان خطرات کو کم کیا جا سکے اور موجودہ سطحوں کی نگرانی کے لیے جائزے تیار کریں۔