Эти ДНК-структуры, напоминающие собак, звезд и даже Мону Лизу, можно было бы спутать с фигурными макаронами, если бы не их нанометровые размеры. Южнокорейские ученые создали такие объекты с помощью технологии ДНК-оригами, позволяющей придавать генетическому материалу практически любую форму. Обычно проектирование цепочек ДНК, способных самопроизвольно складываться в нужную фигуру, требует утомительной ручной работы, но авторы новой работы предложили ускоренный метод с использованием генеративного ИИ.
Модель получила название Generative SNUPI (Structured Nucleic Acids Programming Interface — «Интерфейс программирования структурированных нуклеиновых кислот»), и, как нетрудно догадаться, ее имя отсылает к собаке. Ее создали команды из Сеульского национального университета (SNU) и Университета Ханьян. Статья об этой работе принята в журнал Nature Communications. В ней показано, что модель способна генерировать проекты ДНК-оригами, которые действительно работают: пользователь задает желаемую форму, а ИИ выдает необходимые последовательности. Для создания, скажем, силуэта Моны Лизы недостаточно просто обвести контур — модель принимает во внимание химические закономерности ДНК и указывает, как именно нужно расположить непарные цепочки, чтобы молекулярные силы заставили их самопроизвольно принять нужную форму.
Методы ДНК-оригами известны уже около двадцати лет, и их обещают использовать в самых разных областях — от наноразмерных роботов до лечебных конструкций, взаимодействующих с клетками. Но прогресс тормозится высокой стоимостью и трудоемкостью разработки самих ДНК-структур.
«Раньше для разработки нужных наноструктур были необходимы специальные знания, опыт и понимание предмета», — поясняет Кёнхва Чон, аспирант Сеульского национального университета. Традиционный процесс предполагает, что человек запускает алгоритмы и вручную корректирует результаты, пока не получится стабильная форма. С появлением Generative SNUPI, как считает исследователь, можно будет просто нарисовать желаемую фигуру и сразу перейти к физической сборке ДНК.
Ребекка Тейлор, профессор машиностроения из Университета Карнеги-Меллона (не участвовавшая в этом проекте), называет новую генеративную платформу многообещающей. «Вся область одновременно и развивается благодаря инструментам, и упирается в их ограничения. Когда появляется новый инструмент, открывающий новую технологию, новые возможности — это колоссальный прогресс», — говорит она.
Как ИИ проектирует ДНК-оригами
Процесс создания ДНК-оригами с помощью Generative SNUPI начинается с задания желаемой формы. Это может быть сложный контур, например, морда собаки или простой геометрический рисунок. Затем в дело вступает ключевой механизм: диффузионная модель, которая, подмешивая и постепенно убирая шум из исходного контура, формирует соответствующую «ДНК-картину». Те же диффузионные модели лежат в основе генерации изображений в DALL-E и Midjourney.
Тейлор сравнивает процесс с детской поделкой: «Представьте, что вы наносите клей на рисунок, а затем посыпаете его блестками. Когда вы стряхиваете лишнее — или, в нашем случае, убираете шум — проявляется ДНК-структура». По ее словам, модель как бы говорит: «Заполни этот контур ДНК», но при этом она обучена тому, как именно молекулы ДНК соединяются друг с другом.
Аналогии с рукоделием продолжаются. После того как модель выдает нужные последовательности, ученые химически синтезируют короткие цепочки ДНК, так называемые «скрепки», и биологическим путем получают длинную нить — «каркас». Скрепки стягивают каркас в заданную форму — этот процесс, по словам Чон, «очень напоминает сшивание бумаги степлером». В основе лежит способность ДНК связывать гуанин с цитозином, а аденин с тимином; точное расположение каждого нуклеотида рассчитывает Generative SNUPI.
Ученые синтезировали целый ряд ДНК-структур, но некоторые из них поначалу не хотели сохранять форму. До-Нюн Ким, доцент машиностроения в SNU, объясняет: «Дело было не в ошибке модели, а в том, что исходный рисунок был физически нестабилен». Чтобы решить эту проблему, в процесс добавили этап предварительной оценки структурной устойчивости заданной фигуры перед расчетом ДНК-последовательности.
Чтобы Generative SNUPI нашла практическое применение, Ким считает, что ДНК-конструкции должны быть менее жесткими, чем те, что модель способна генерировать сейчас. Если технология раскроет свой потенциал, она сможет использоваться для адресной доставки лекарств и иммунотерапии, но для этого нужна динамическая гибкость.
«Большинство молекулярных структур динамичны и способны изменять форму под действием внешних сигналов, чтобы выполнять свои задачи», — добавляет Ким. «Поэтому в будущем мы планируем перейти к проектированию конструкций, которые смогут целенаправленно перестраиваться».