Deja, patogenų mutacijos yra visiškai atsitiktinės ir dažnu atveju visiškai neįmanoma prognozuoti, koks bus jų poveikis tada, kai jos įgis gebėjimą plisti.
Taip yra dėl to, kad žmonės nesugeba kalbėti virusų kalba. Bet kas būtų, jei sugebėtume suprasti jų ketinimus?
Kalbantys virusai
„Kai pasakote sakinį, tai nebūna tiesiog beprasmis žodžių kratinys – yra tam tikra struktūra, paklūstanti gramatikos ir kitoms taisyklėms. Mes pasvarstėme, kad biologijoje irgi yra tam tikra tvarka“, – sakė Masačusetso technologijų instituto doktorantas Brianas Hie.
Anot mokslininko, tą tvarką galima įžvelgti amino rūgščių – bet kurios gyvybės formos „statybinėse plytose“ – grandinėse, sudarančiose baltymus. Be baltymų neįmanomos nei ląstelės, nei audiniai, nei bakterijos, nei virusai.
Todėl B.Hie su kolegomis iš to paties instituto – bioinžinerijos docentu Bryanu Brysonu ir taikomosios matematikos profesore Bonnie Berger – pabandė iškoduoti tas biologines taisykles taikant geriausią jiems žinomą įrankį: dirbtinį intelektą.
Mokslininkai panaudojo dirbtinio intelekto pagrindu veikiantį įrankį, vadinamą natūralios kalbos analizatoriui (NLP, Natural Language Processing), kuris yra svarbi tokių skaitmeninių asistentų, kaip „Siri“ ar „Alexa“ veikimo dalis. Šis įrankis naudojamas begalybės žmogaus kalbos variacijų interpretavimui. B.Hie šiam analizatoriui užkrovė daugybę viruso genetinių sekų, pagal kurias sudaromos amino rūgščių sekos, sudarančios baltymus.
Šiose keturiomis raidėmis koduojamose viruso kodo eilutėse mokslininkai tikėjosi atrasti taisykles, kurios leistų prognozuoti, kokios virusų mutacijos gali išsivystyti ir surikiuotų tas mutacijas pagal jų gebėjimą vystytis žmogaus imuninės sistemos aplinkoje.
Mutuojantis virusai
Tikriausiai niekam ne naujiena yra tai, jog virusai mutuoja. Ir jie tai daro labai dažnai.
Didžioji tų mutacijų dalis neturi jokios įtakos viruso savybėms. Bet kai kurios jų gali būti labai svarbios. Pavyzdžiui, tam tikros šikšnosparnio ar skujuočio koronaviruso mutacijos suteikė virusui SARS-CoV-2 gebėjimą užkrėsti žmones.
Kitos koronaviruso mutacijos – tokios, kokios buvo aptiktos JK ar Pietų Afrikoje – tapo pagrindu atmainų, kurios yra lengviau užkrečiamos ar labiau mirtinos. Kai kurios mutacijos – tokios, kaip Pietų Afrikos atmainoje ar koronaviruse, kuris pasklido Brazilijoje, Manauso didmiestyje – suteikia gebėjimą išvengti antikūnų, kurie sėkmingai kovojo su „standartiniu“ koronavirusu ir gebėjo susargdinti net žmones, kurie jau buvo paskiepyti pirmosiomis koronaviruso vakcinomis.
Tokios mutacijos, kurios patogenams suteikia gebėjimą išvengti mūsų imuninės sistemos, yra vadinamos imuninio poveikio išvengimu. Bet kuri iš šių mutacijų yra prastos žinios žmonijai.
Bet gebėjimas perskaityti viruso kodą ir prognozuoti, ką kuri mutacija reiškia, galėtų žmonijai suteikti milžinišką pranašumą.
Savo moksliniame darbe, kurį publikavo žurnalas „Science“, MIT mokslininkai išmokė savo NLP vertinti tūkstančius laboratorijose surašytų viruso genetinių sekų, kurios buvo saugomos įvairiausiose duomenų bazėse.
„Internetu prieinami milžiniški viruso genetinių sekų ištekliai“, – sakė B.Hie. Jų yra pačių įvairiausių – nuo ŽIV iki gripo. NLP apmokymui panaudoti 45 tūkst. gripo sekų, 60 tūkst. ŽIV sekų ir apie 4 tūkst. SARS-CoV-2 sekų (pastaroji grupė dar nelabai didelė, bet sparčiai auganti).
„Labai gerai yra tai, kad šie duomenų rinkiniai yra vieši, recenzuoti ir eksperimentiškai validuoti. Tad priėmėme juos kaip savo aukso standartą“, – sakė B.Brysonas.
Visos šios virusų sekos buvo panaudotos trims atskiriems NLP apmokymo procesams – po vieną kiekvienam virusui. Vėlesnė šių NLP užduotis – prognozuoti mutacijas, kurios viruso savybes pakeičia pakankamai, kad jis sugebėtų išvengti jau išsivysčiusių imuninės sistemos apsaugų, bet nepakankamai, kad pats virusas dėl tų pakitimų pražūtų.
Norėdami validuoti savo rezultatus mokslininkai patikrinimą atliko su tikrais virusais: jie laboratorijos sąlygomis tikrino, ar mutacijos, kurias prognozavo NLP, suteiktų virusui gebėjimą prieš imunines apsaugas kovoti efektyviau lyginant su nemutavusiu virusu, kurį imuninė sistema jau „pažįsta“.
Kaip rašo „MIT Technology Review“, jų modelis pasirodė pranašesnis už bet kurį anksčiau turėtą laboratorinį įrankį, naudotą prognozuoti imuninio poveikio išvengimą ir pateikė dvi labai įspūdingas prognozes ŽIV bei koronaviruso mutacijoms.
Kol kas kolegos šį įrankį vertina teigiamai. B.Brysonas labai intensyviai stebi „Twitter“ socialinį tinklą ir kol kas jame nepastebėjo nė vienos neigiamos reakcijos į jų mokslinį darbą.
Skaitmeninės viruso atmainos
Viruso gebėjimo išvengti imuninio atsako patikrinimas laboratorijos sąlygomis visuomet yra siejamas su tam tikromis grėsmėmis. Tačiau jeigu ilgainiui sugebėtume išvystyti skaitmeninius modelius, kurie gebą tą patį darbą modeliuoti pakankamai patikimai, tai ilgainiui šios pavojingos užduoties būtų galima apskritai atsisakyti.
„Jei didžiąją darbo dalį galima atlikti skaitmeninėje terpėje, tuomet tai gali būti naudinga“, – sakė B.Hie.
Mokslininkai tikisi, kad ilgainiui jų NLP modeliai padės mokslininkams ne tik parodant iš virusų pusės gresiančius pavojus, bet ir išryškinant virusų komponentus, kurių imuninio atsako išvengiančių mutacijų tikimybė yra itin maža – tokie komponentai galėtų tapti idealiais vakcinų taikiniais.
Pavyzdžiui, vakcinas nukreipus ne prieš kintamą gripo viruso baltymo „galvą“, o prieš itin stabilų jo „kamieną“ galima būtų sukurti universalią vakciną nuo gripo. Tokia vakcina būtų milžiniškas sveikatos mokslo laimėjimas.
„Būtent ta kryptimi ir norime eiti – siūlyti eksperimentus ir mokslinės plėtros kryptis terapinėms priemonėms“, – teigė B.Berger.
