کلود یک سیستم آنزیمی جدید با توالی‌های تکراری شبیه کریسپر کشف کرد

ما در آنتروپیک یک گروه پژوهشی و آزمایشگاه جدید در حوزه علوم زیستی معرفی می‌کنیم. تمرکز ما بر پژوهش بنیادی در زیست‌شناسی با استفاده از کلود است: کاوش مجموعه‌داده‌های DNA برای شناسایی خانواده‌های پروتئینی ناشناخته، تولید فرضیه در مقیاس بزرگ و آزمون آن‌ها از طریق آزمایش‌های آزمایشگاهی. این مطلب تیم پشت این کار را معرفی می‌کند و نتایج اولیه‌ای را به اشتراک می‌گذارد که در آن کلود، تنها با هدایت سطح‌بالای دانشمندان ما، سیستمی آنزیمی جدید با ویژگی‌هایی یادآور کریسپر کشف کرده است.

بسیاری از کشف‌هایی که زیست‌شناسی و پزشکی را دگرگون کرده‌اند، با آن آغاز شدند که دانشمندی چیزی عجیب را در تنوع حیرت‌انگیز ماشین‌های مولکولی موجود در طبیعت مشاهده کرد. آنزیم‌های محدودکننده، پروتئین‌هایی که DNA را در توالی‌های کوتاه مشخص می‌برند، در سیستم ایمنی باکتری‌ها یافت شدند، جایی که DNA ویروس‌های مهاجم را نابود می‌کنند. پژوهشگران دریافتند می‌توانند از این آنزیم‌ها برای بریدن DNA در نقاط دلخواه و پیوند ژن‌ها از یک موجود به موجود دیگر استفاده کنند، و همین صنعت زیست‌فناوری را پدید آورد. تاق پلیمراز، آنزیمی که DNA را در دماهای بالا کپی می‌کند، در باکتری‌ای در چشمه آب گرم یلوستون شناسایی شد. این آنزیم پایه PCR شد، همان روش کپی DNA که در بخش بزرگی از تشخیص‌های پزشکی مدرن به کار می‌رود. کریسپر نخست به‌عنوان یک توالی تکراری غیرمعمول در DNA برخی باکتری‌ها مورد توجه قرار گرفت و امروز بنیان داروهای مبتنی بر ویرایش ژن است.

در بهار ۲۰۲۶، گروهی پژوهشی تشکیل دادیم تا ببینیم آیا مدل‌های هوش مصنوعی عمومی می‌توانند چنین کشف‌هایی را نظام‌مند و تسریع کنند. ما باور داریم این تسریع از طریق ایجاد روشی جدید برای انجام پژوهش در زیست‌شناسی محقق می‌شود، روشی که در آن عامل‌ها در هر مرحله از فرایند با انسان‌ها همکاری می‌کنند. توسعه این شیوه جدید کار ایجاب می‌کرد که آزمایشگاه خودمان را بسازیم و تیمی واحد داشته باشیم که از آموزش کلود در زیست‌شناسی تا اجرای آزمایش‌ها در آزمایشگاه، همه‌چیز را پوشش دهد.

امروز نتایج اولیه یکی از نخستین برنامه‌های پژوهشی خود را به اشتراک می‌گذاریم که در آن کلود به‌طور خودمختار سیستمی آنزیمی جدید را کشف کرد که با آرایه‌ای از توالی‌های تکراری DNA همراه است، الگویی یادآور کریسپر. هرچند هنوز عملکرد آن را نمی‌دانیم، سیستمی که کلود کشف کرده مجموعه‌ای از ویژگی‌ها را دارد که پیش‌تر تنها در شمار اندکی از سیستم‌های دیگر با هم یافت شده‌اند؛ همه آن‌ها قابل برنامه‌ریزی‌اند و عملیاتی مانند بریدن، کپی کردن و جای‌گذاری DNA انجام می‌دهند. فراتر از کریسپر که پیش‌تر علم و پزشکی را دگرگون کرده است، چند سیستم دیگر از این دست نیز اکنون به‌عنوان ابزارهایی امیدبخش در حال توسعه هستند.

سیستمی که کلود یافت بر پایه یک ترانسکریپتاز معکوس (RT) است؛ آنزیم‌هایی که RNA را به DNA کپی می‌کنند. هرچند این RT پایه‌ای، که در یک فاژ غول‌پیکر یافت شده، در پژوهش‌های پیشین شناسایی شده بود، به نظر می‌رسد کلود نخستین کسی است که ویژگی‌های تعیین‌کننده این سیستم را تشخیص داده است—آرایه‌ای همراه از توالی‌های DNA غیرکدکننده و یک پروتئین جانبی اضافی با عملکرد ناشناخته.

پس از بررسی پیش‌چاپ، فنگ ژانگ، یکی از پیشگامان ویرایش ژنوم با کریسپر و استاد دانشگاه ام‌آی‌تی و مؤسسه برود، گفت:

این نمونه‌ای هیجان‌انگیز از این است که چگونه عامل‌های هوش مصنوعی می‌توانند به کشف زیستی کمک کنند. شناسایی آرایه‌های توالی تکراری RNA مرتبط با ترانسکریپتازهای معکوس واقعاً جالب توجه است و بررسی بیشتر را می‌طلبد. امیدوارم این کار دانشمندان بیشتری را تشویق کند تا بررسی کنند هوش مصنوعی چگونه می‌تواند از پژوهش آن‌ها پشتیبانی کند.

ما به کلود دستوری دادیم تا در پایگاه داده عظیمی از توالی‌های DNA به دنبال نمونه‌های جدید و جالب RT بگردد. دخالت ما محدود به دستور اولیه و کار آزمایشگاهی بود، در حالی که عامل‌های کلود پایگاه داده را زیر و رو کردند، خانواده‌های متمایز RT را بررسی کردند و با قضاوت خودشان نامزدهای جالب را شناسایی کردند. پس از ۲۱ ساعت جست‌وجو در این داده‌ها توسط حدود ۹۵۰ عامل با ۲۱۰ میلیون توکن، یکی از عامل‌ها چیزی چشمگیر یافت: الگویی تکراری از توالی‌های DNA که در کنار ژن یک RT با ظاهر عجیب رخ می‌دهد. پس از تحلیل‌های بیشتر و آزمایش در آزمایشگاه ما، دریافتیم این الگو نشانه سیستمی آنزیمی و پیش‌تر ناشناخته در باکتریوفاژها (ویروس‌هایی که باکتری‌ها را آلوده می‌کنند) است که آن را ترانسکریپتازهای معکوس مرتبط با آرایه (ART) می‌نامیم.

کار ما برای درک عملکرد اصلی ART ادامه دارد. با این حال، فکر می‌کنیم اشتراک‌گذاری زودهنگام چنین یافته‌هایی مهم است، هم برای نشان دادن توانایی‌های کلود و هم برای اینکه به جامعه گسترده‌تر دیدی درباره آنچه روی آن کار می‌کنیم بدهیم. یک پیش‌چاپ (اینجا) منتشر کرده‌ایم که این موضوع را با جزئیات بیشتری بررسی می‌کند.

ما تیمی از دانشمندان هستیم که عمر حرفه‌ای خود را صرف کاوش پروتئین‌های غیرمعمول کرده‌ایم و در استفاده از رویکردهای محاسباتی برای خواندن نظام‌مند DNA، تفسیر تکامل آن و گزینش سیستم‌های زیستی برای توصیف بیشتر تخصص داریم. پژوهش ما پیش از پیوستن به آنتروپیک به درک بهتر تکامل و تنظیم سیستم‌های کریسپر، کشف آنزیم‌های جدید برای درمان‌های سلولی و ژنی نسل بعد و ساخت ابزارهایی برای تسریع شناسایی ناهنجاری‌ها در DNA، مانند واریانت‌های بیماری‌زا در انسان، کمک کرده است. ما بخشی از سازمان علوم زیستی آنتروپیک هستیم، در کنار تیم‌هایی که کارشان شامل کشف دارو و آموزش کلود در زیست‌شناسی و شیمی است.

آزمایشگاه ما، واقع در منطقه خلیج سانفرانسیسکو، مانند یک آزمایشگاه معمول زیست‌شناسی مولکولی است. ما پژوهشی انجام می‌دهیم که تنها شامل سطوح پایین خطر ایمنی زیستی (BSL-1 و BSL-2) است و با پاتوژن‌هایی که می‌توانند انسان را آلوده کنند سر و کار نداریم. تمام کارهای آزمایشگاهی توسط دانشمندان انسانی انجام می‌شود. هرچند با طرح‌هایی مانند استاندارد سخت‌افزار مدل استفاده از هوش مصنوعی برای تسریع کار آزمایشگاهی را آزموده‌ایم، این رویکرد برای گردش‌کارهای موردی که در پژوهش زیست‌شناسی مولکولی ما دخیل‌اند چندان مناسب نیست.

بسیاری از گردش‌کارهای ما شامل جست‌وجوی کلود در مجموعه عظیم توالی‌های DNA مرتبط با پروتئین‌هایی با عملکرد ناشناخته است. یک الگوی معمول با بررسی یک خانواده پروتئینی مشخص آغاز می‌شود. کلود ادبیات مرتبط را می‌خواند و نتایج تثبیت‌شده را از داده‌های عمومی بازتولید می‌کند تا روش‌های خود را بررسی کند. سپس به دنبال اعضای خانواده یا همسایه‌های ژنومی می‌گردد که با هیچ سیستم توصیف‌شده‌ای مطابقت ندارند و برای هر نامزد گزارشی کوتاه و خوانا برای انسان می‌نویسد که عملکردی پیشنهاد می‌کند و شواهد پشتیبان ادعاهایش را توصیف می‌کند. در تحلیل‌های پیگیری، کلود شواهد را به‌طور انتقادی ارزیابی می‌کند—معمولاً بیشتر نامزدها در این مرحله حذف می‌شوند. یک بررسی ممکن است با یک نامزد ارزشمند برای آزمایش پایان یابد، یا با هیچ.

وقتی نامزدی از بازبینی ما جان سالم به در می‌برد، آن را در آزمایشگاه می‌آزماییم، پروتئین را در سویه‌های استاندارد آزمایشگاهی بیان می‌کنیم و آن را از نظر بیوشیمیایی و ساختاری توصیف می‌کنیم، در حالی که کلود به تفسیر داده‌ها کمک می‌کند. ما کار خود را در کلود ساینس و کلود کد انجام می‌دهیم، همان ابزارهایی که در دسترس هر دانشمندی است، و گاهی با چارچوبی از خودمان که بسیاری از نشست‌های کلود را به‌صورت موازی هماهنگ می‌کند.

از آنجا که کلود فرضیه‌ها را بسیار پربار تولید می‌کند، خود فرضیه‌ها برای ما به موضوع مطالعه تبدیل شده‌اند. با صدها تا هزاران گزارش نامزد از یک کمپین واحد، این پرسش را مطرح کرده‌ایم که چه چیزی پیشنهادهایی را که ارزش آزمودن می‌دانیم از آن‌هایی که کنار می‌گذاریم متمایز می‌کند. آنچه می‌آموزیم به دستورالعمل‌هایی بازمی‌گردد که به کلود می‌دهیم و به آن می‌آموزد سلیقه علمی خود ما را تقلید کند.

در چند سال گذشته، پژوهشگران ترانسکریپتازهای معکوس (RT) بسیار بیشتری کشف کرده‌اند، بیشتر آن‌ها در باکتری‌ها، جایی که به‌عنوان بخشی از سیستم ایمنی عمل می‌کنند. تقریباً همه خانواده‌های RT از طریق تحلیل ژنومی، یا کاوش ژنومی، یافت شده‌اند؛ روشی که از پژوهشگران می‌خواهد پایگاه‌های داده توالی را برای ژن‌هایی که کسی توصیفشان نکرده بگردند، موارد غیرمعمول را ببینند و بفهمند چه می‌کنند.

عامل‌های کلود بیش از ۲۰۰٬۰۰۰ RT گردآوری کردند، ۳٬۵۰۰ سیستم نامزد جدید را برگزیدند و آن‌ها را به ۲۰ نامزد قانع‌کننده‌تر محدود کردند که برای تولید گزارش‌های خوانا برای انسان تحلیل کردند. برای یک دانشمند متخصص، این نوع تحلیل می‌تواند هفته‌ها تا ماه‌ها کار ببرد.

کلود در جریان پژوهش خود متوجه یک خانواده RT غیرمعمول شد و تصمیم گرفت آن را با جزئیات بیشتری بررسی کند. هنگام کاوش در توالی خام DNA نزدیک RT، عامل چنین گفت: «[DNA کنار RT] خیره‌کننده است: با چشم خودم یک آرایه تکراری پشت‌سرهم می‌بینم … این یک آرایه تکراری شبیه کریسپر است؟!»

سپس تقریباً همان‌گونه پیش رفت که یک دانشمند انسانی در مواجهه با یک کشف بالقوه عمل می‌کند. تکرارها را شمرد و فاصله‌گذاری آن‌ها را اندازه گرفت، چیدمان را با سیستم‌های شناخته‌شده RT مقایسه کرد و در ادبیات به دنبال هر گزارش پیشینی از این الگو گشت. پس از تحلیلی کامل، متقاعد شد که سیستم زیستی جدیدی یافته است و گزارشی برای بازبینی انسانی ثبت کرد.

سیستمی که یافت، ART، عمدتاً در باکتریوفاژها یافت می‌شود و از سه بخش تشکیل شده است: RT، یک ژن همراه در کنار آن، و یک آرایه بلند از توالی‌های تکراری DNA با فاصله‌های یکنواخت. چیدمان تکراری شبیه آرایه کریسپر است که بانکی از توالی‌های مختلف RNA را نگه می‌دارد و سیستم‌های کریسپر-کَس را به ابزارهای زیست‌فناوری قابل برنامه‌ریزی تبدیل می‌کند. نخستین آزمایش‌های ما نشان می‌دهد آرایه ART نیز به‌صورت مجموعه‌ای از RNAهای کوتاه متمایز بیان می‌شود، که نشان می‌دهد ممکن است سازوکاری مشابه در این سیستم نیز در کار باشد.

آزمایش‌های بیشتری برای تعیین نحوه کار ART در جریان است و ما این یافته‌های اولیه را به اشتراک می‌گذاریم تا به جامعه نشان دهیم کلود می‌تواند به‌طور خودمختار ناهنجاری‌ها را تشخیص دهد و تحلیل‌ها را برای آغاز کشف‌های زیستی پیش ببرد.

جزئیات بیشتر را می‌توانید در گزارش فنی ما (اینجا) بیابید.

امیدواریم این کار ارزش تولید فرضیه مبتنی بر هوش مصنوعی را به جامعه علمی گسترده‌تر نشان دهد و مایل به همکاری با دیگر دانشمندان هستیم تا این رویکرد را به طیف گسترده‌ای از مسائل، در ژنومیک و دیگر حوزه‌ها، گسترش دهیم. اگر پیشنهادی برای یک پرسش پژوهشی دارید، خوشحال می‌شویم از شما بشنویم.