AI’s rolle i genredigering

Kunstig intelligens skaber bølger på tværs af brancher, men dens indvirkning er større i nogle sektorer end andre. Medicin og andre videnskaber har meget at vinde på denne teknologi takket være deres dataintensive arbejde og behov for hastighed og præcision. I disse fag er genredigering en særligt lovende anvendelse af AI.

Praksis med at modificere gener for at kontrollere bestemte resultater i levende organismer opstod først i fiktion, men det dukkede op i virkelige eksperimenter omkring 1960’erne. Over årtierne er det udviklet til at producere flere banebrydende medicinske gennembrud og forskningsmuligheder. Alligevel har videnskabsmænd kun skrabet overfladen af, hvad genredigering kan opnå. AI kunne være det næste store skridt.

Hvordan AI ændrer genredigering

Forskere har allerede begyndt at eksperimentere med AI i genforskning og -redigering. Trods at det er et relativt nyt koncept, har det allerede givet imponerende resultater.

Øget nøjagtighed i genredigering

En af AI’s mest bemærkelsesværdige fordele i genredigering er dens evne til at forbedre denne proces’ nøjagtighed. Klassificering af, hvilke gener producerer hvilke ændringer, er afgørende for pålidelig genredigering, men har historisk set været kompleks og fejlbehæftet. AI kan identificere disse relationer med yderligere præcision.

En studie fra 2023 udviklede en maskinelæringsmodel, der opnåede op til 90% nøjagtighed i bestemmelse af, om mutationer var skadelige eller harmløse. Denne indsigt hjælper medicinske fagfolk med at forstå, hvad de skal se efter eller identificere, hvilke gener at behandle for at forhindre bestemte sundhedsresultater.

Nøjagtighed i genredigering er også et spørgsmål om at forstå komplekse relationer mellem DNA og proteiner. At bruge den rette proteinstruktur er afgørende, når man binder til og fjerner gensekvenser. Videnskabsmænd har nyligt fundet ud af, at AI kan analyserer 49 milliarder protein-DNA-interaktioner for at udvikle pålidelige redigeringsmekanismer for bestemte genetiske streng.

Strømlinet genforskning

Foruden at give klarhed om genredigering, accelererer AI processen. Prædiktive analytikmodeller kan simulere interaktioner mellem forskellige kombinationer af genetisk materiale meget hurtigere end virkelige manuelle tests. Som resultat kan de højlytte lovende forskningsområder, der fører til gennembrud på kortere tid.

Denne AI-anvendelse hjalp biopharma-virksomheder med at levere COVID-19-vacciner i rekordtid. Moderna producerede og testede over 1.000 RNA-streng per måned, hvor manuelle metoder kun ville have produceret 30. Uden maskinelæringshastighed ville det sandsynligvis have taget meget længere tid at erkende, hvilke genetiske interaktioner der var de mest lovende til at bekæmpe COVID-19.

Disse anvendelser kan drive resultater uden for medicin også. Prædiktive analytik kan modelere genredigeringsmuligheder for at foreslå måder at modificere afgrøder på for at gøre dem mere klimaresistente eller kræve færre ressourcer. At accelerere forskning i sådanne områder ville hjælpe videnskabsmænd med at gøre de nødvendige forbedringer for at afhjælpe klimaforandringer, før de værste effekter indtræffer.

Personlig medicin

Nogle af de mest banebrydende anvendelser af AI i genredigering tager det til et mere fokuseret niveau. I stedet for at se på bredde genetiske tendenser kan maskinelæringsmodeller analyserer bestemte personers genom. Denne granulære analyse muliggør personlig medicin – tilpasning af genetiske behandlinger til den enkelte for bedre patientresultater.

Læger har allerede begyndt at bruge AI til at analysere proteinændringer i kræftceller for at pege på, hvilken behandling der ville være mest nyttig for en bestemt sag. Ligesom kan prædiktive analytik tage hensyn til patienternes unikke genetiske sammensætning, som kan påvirke behandlingseffekten, bivirkninger eller sandsynligheden for visse udviklinger.

Når sundhedssystemer kan tilpasse behandling til den enkelte på et genetisk niveau, kan de minimere uønskede bivirkninger og sikre, at de forfølger den bedste behandling først. Som resultat kan flere mennesker få den hjælp, de har brug for, med færre risici.

Potentiale problemer med AI i genredigering

Selvom disse tidlige anvendelser er lovende, indebærer anvendelsen af AI i genredigering nogle potentielle fælder. At se disse farer i lyset af fordelene kan hjælpe videnskabsmænd med at bestemme, hvordan de bedst kan anvende denne teknologi.

Høje omkostninger

Ligesom mange nye teknologier er de avancerede AI-systemer, der er nødvendige for genredigering, dyre. Genredigering er allerede en kostbar proces – nogle genbehandlinger koster så meget som 3,5 millioner dollars per behandling – og maskinelæring kan gøre det endnu dyrere. At tilføje en anden teknologikost kan gøre det utilgængeligt.

Denne finansielle barriere rejser etiske spørgsmål. Genredigering er en kraftfuld teknologi, så hvis det kun er tilgængeligt for de rige, kan det udvide den eksisterende lige i sundhedspleje. En sådan kløft ville skade sundheden hos arbejdende og middelklassefamilier og blive et socialt retfærdighedsspørgsmål.

På den anden side har AI potentialet til at reducere omkostningerne også. Strømlinet forskning og færre fejl kan føre til hurtigere teknologisk udvikling og retfærdiggøre lavere priser fra udviklerne. Som resultat kan genredigering blive mere tilgængeligt, men kun hvis virksomheder anvender AI med dette mål i mente.

Sikkerhedsbekymringer

AI’s pålidelighed er en anden bekymring. Selvom maskinelæring er bemærkelsesværdigt præcis i mange tilfælde, er det uperfekt, men mennesker har en tendens til at overdrive dets præcision på grund af dramatiske påstande om dets nøjagtighed. I en genredigeringskontekst kunne dette føre til betydelige oversigter, der potentielt kan føre til medicinsk skade eller skade på afgrøder, hvis mennesker ikke opdager AI-fejl.

Foruden hallucinationer har maskinelæringsmodeller en tendens til at forstærke menneskelige fordomme. Denne tendens er særligt bekymrende i sundhedspleje, hvor en mængde eksisterende forskning indeholder historiske fordomme. Fordi disse udeladelser kan føre til, at AI-modeller til påvisning af melanom kun er halvt så præcise, når de diagnosticerer sorte patienter sammenlignet med hvide befolkningsgrupper. Lignende tendenser kunne have alvorlige konsekvenser, når læger baserer genredigeringsbeslutninger på sådan en analyse.

At ikke opdage eller tage hensyn til sådanne fejl kunne modsige de primære fordele ved personlig medicin, afgrødeforbedring og lignende genredigeringsanvendelser. Pålidelighedsproblemer som disse kan også være svære at opdage, hvilket yderligere komplicerer praksis.

Hvor AI-genredigering kan gå herefter

Fremtiden for AI-genredigering afhænger af, hvordan udviklere og slutbrugere kan tackle hindringerne, samtidig med at de udnytter fordelene. Forklarbare AI-modeller vil være et positivt skridt fremad. Når det er klart, hvordan en maskinelæringsalgoritme når til en beslutning, er det lettere at dømme det for fordomme og fejl, hvilket muliggør sikrere beslutningstagning.

At betone AI til effektivitet og fejlreduktion over imponerende, men dyre processer, vil hjælpe med at imødegå bekymringer omkring omkostningerne. Nogle forskere mener, at AI kunne bring genebehandling til næsten 0 dollars ved at fjerne mange af kompleksiteterne i forskning, produktion og levering. Tidlige eksperimenter har allerede produceret eksponentielle forbedringer i leveringseffektivitet, så yderligere fremgang kunne gøre genredigering tilgængeligt.

Det afhænger ultimativt af, hvad AI-genbehandlingsforskning fokuserer på, og hvor hurtigt teknologien kan udvikles. Maskinelæring kunne gennemgående forstyrre feltet, hvis organisationer bruger det korrekt.

AI-genredigering har lovende potentiale

Genredigering har allerede åbnet nye muligheder i medicin, landbrug og andre områder. AI kunne tage disse fordele videre.

Selvom der stadig er betydelige hindringer, ser fremtiden for AI i genetisk ingeniørkunst lys ud. At lære, hvad det kan ændre, og hvilke problemer det kan medføre, er det første skridt i at sikre, at det tager feltet til, hvor det skal være.