آینده زیست شناسی با هوش مصنوعی خلاقانه می شود
استف ون گریکن یکی از بنیانگذاران و مدیرعامل Cradle گفت : ما باید شکاف بین مهندسان هوش مصنوعی و زیست شناسان را با همان هدف تاثیر مثبت بر جامعه برطرف کنیم.
هوش مصنوعی مولد برای بهبود فرآیندهای بسیاری از صنایع استفاده میشود. از خودکار کردن کار اداری تا ایجاد مواد بازاریابی بهتر، اما این علم و مهندسی است که میتواند تأثیر بیشتری داشته باشد.
هنگامی که در ترکیب با زیست شناسی استفاده میشود، هوش مصنوعی مولد همچنین میتواند برای کاهش، حتی قطع، فرآیندهای صنعتی تولید مواد و به طور چشمگیری کاهش هزینههای زیست محیطی مصرف انسان استفاده شود.
زیست شناسی مصنوعی، یک بازار با ارزش ۱۰.۴ میلیارد یورو در سال ۲۰۲۲، پتانسیل ایجاد محصولات فراتر از تخیل ما را دارد. در واقع، موسسه جهانی مک کینزی پیش بینی کرده است که ۶۰ ٪ از هر چیزی که انسان مصرف میکند میتواند با استفاده از زیست شناسی تولید شود.
در حال حاضر، ما شاهد تعدادی از شرکتها هستیم که طیف وسیعی از محصولات را در صنایع حیاتی مواد، مواد شیمیایی، مواد غذایی، کشاورزی و داروسازی با استفاده از زیست شناسی مصنوعی تولید میکنند.
- بیشتر بخوانیم
- اولویتهای کلیدی تحول دیجیتال برای سال ۲۰۲۴
- تحول دیجیتال ۲۰۲۴: چگونه جلوتر از اختلال بعدی بمانیم
حل مواد غذایی و شیمیایی
برای کسانی که به طور کامل در جایگزینهای غذایی گیاهی فروخته نمیشوند، محصولات غذایی آزمایشگاهی ممکن است مانند آینده به نظر برسند.
یک شرکت مانند Perfect Day را در نظر بگیرید، که شیر مبتنی بر زیست را با استفاده از تخمیر دقیق تولید میکند که شامل تولید پروتئینهای لبنی یکسان مولکولی مانند کازئین یا آب پنیر با کدگذاری توالی dna پروتئین شیر به میکروارگانیسمهایی مانند مخمر یا قارچ است، که سپس با مواد مغذی و شکر در مخازن تخمیر میشوند (شبیه نحوه تولید آبجو)، پروتئینهایی تولید میکنند که با پروتئینهای سنتی از لبنیات یکسان هستند.
پروتئین شیر Perfect Days تا ۹۷ درصد انتشار کربن کمتر و ۹۹ درصد آب آبی کمتر از تولید شیر سنتی تولید میکند.
به گفته این شرکت، اگر تنها ۵ درصد از شیر مصرف شده در اروپا بدون حیوانات باشد، معادل ۶۶۰، ۰۰۰ تور جهان را در بنزین ذخیره میکند. دولتها باید گامهای قابل توجهی را برای سرمایه گذاری در تولید شیر مبتنی بر زیست و تشویق مصرف کنندگان به تغییر انجام دهند.
مواد شیمیایی مبتنی بر زیست یکی از نمونههایی است که اخیرا در عناوین اخبار قرار گرفته است، با دولت آمریکا هدف تولید حداقل ۳۰ ٪ از مواد شیمیایی خود را از طریق فرآیندهای تولید زیستی در ۲۰ سال آینده تعیین میکند.
با انتشار گازهای گلخانهای جهانی صنعت شیمیایی که حدود ۲ درصد از کل انتشار CO۲ در سال ۲۰۲۱ را تشکیل میدهد، مواد شیمیایی بیولوژیکی پتانسیل کاهش چشمگیر وابستگی ما به سوختهای فسیلی را دارند.
یکی از شرکتهایی که در این فضا کشش قابل توجهی داشته است، سولوژن است که شربت ذرت را با آنزیمهای مهندسی ژنتیکی مخلوط میکند تا جایگزین مواد شیمیایی رایج که به طور معمول با استفاده از فسفات و روغن ساخته میشوند، ایجاد کند. با این حال، بسیاری از شرکتها در این زمینه برای پیدا کردن کشش تجاری تلاش کرده اند. ما باید سرمایه گذاری قابل توجهی را در فضای عمومی و خصوصی ببینیم تا تولید مواد شیمیایی مبتنی بر زیست را تسریع کنیم.
حل مواد
همچنین استفاده از زیست شناسی مصنوعی برای تولید و بازیافت مواد وجود دارد. بتن را در نظر بگیرید. ساخت خانهها و دفاتر ما ضروری است، اما دارای یک اثر کربن عظیم است، با تولید سیمان که ۸ ٪ از کل انتشار CO۲ جهان را تشکیل میدهد.
زیست شناسان اکنون اشکال جدیدی از بتن کم کربن را توسعه داده اند، از جمله یکی که CO۲ را با استفاده از آنزیمی که در خون یافت میشود جذب میکند. هنگامی که ترکهای کوچک در بتن ایجاد میشود، آنزیم با CO۲ تعامل میکند و ویژگیهای بتن را تقلید میکند و ترک را پر میکند. به همین ترتیب، زیست شناسی مصنوعی پتانسیل تغییر چرخه زندگی مواد مانند پلاستیک و پلیمر را دارد که معمولا در بطریهای آب و لباس استفاده میشود.
اول اینکه، دانشمندان آنزیمهایی را توسعه داده اند که میتوانند پلاستیکهای حیوانات خانگی را که معمولا در بطریهای نوشیدنی یافت میشوند، تجزیه کنند و به کاهش اثرات زیست محیطی زبالههای ما کمک کنند.
به همین ترتیب، ما میتوانیم اشکال جدیدی از پلاستیک را با استفاده از آنزیمها تولید کنیم به این معنی که میتوانیم کمتر به پتروشیمیها وابسته باشیم. با این حال، بسیاری از راه حلهای بتنی کم کربن موجود، فن آوریهای گران قیمت هستند که از تجاری سازی دور هستند، یا جایگزینهای ارزانتر که کاهش انتشار گازهای گلخانهای محدود را ارائه میدهند.
تسریع تحقیق و توسعه
در قلب آن، زیست شناسی مصنوعی تلاش میکند تا توالی کدگذاری شده در dna یک پروتئین را تغییر دهد تا کاری دیگر انجام دهد.
ماهیت سنتی تحقیق بر اساس آزمایش و خطا است که به این معنی است که ایجاد محصولات موثر از لحاظ تاریخی بسیار گران و زمان بر بوده است. غیر معمول نیست که ۹۵ درصد از پروتئینهای طراحی شده آزمایش شده در آزمایشگاه نتوانند مشخصات طراحی خود را برآورده کنند.
اینجاست که هوش مصنوعی تولید کننده وارد عمل میشود: مدلهای بزرگ زبان میتوانند بر روی توالیهای DNA و نتایج تجربی بر روی پروتئینهای شناخته شده آموزش ببینند، به این معنی که ما میتوانیم مناسبترین توالیهای dna را برای پروتئینی که ویژگیهای مطلوب را نشان میدهد پیش بینی کنیم.
این به دانشمندان اجازه میدهد تا احتمال رسیدن به اهداف طراحی را در هنگام مهندسی یک پروتئین به طور قابل توجهی افزایش دهند. با استفاده از آخرین تحقیقات بیولوژیکی و تجزیه و تحلیل توالی پروتئین، هوش مصنوعی مولد میتواند به دانشمندان توانایی “مهندسی معکوس” پروتئین را برای دستیابی به خروجی مورد نظر با آزمایشهای کمتر و موفقتر از روشهای قبلی بدهد.
با استفاده از آخرین تحقیقات بیولوژیکی و تجزیه و تحلیل توالی پروتئین، هوش مصنوعی مولد میتواند به دانشمندان توانایی “مهندسی معکوس” پروتئین را برای دستیابی به خروجی مورد نظر با آزمایشهای کمتر و موفقتر از روشهای قبلی بدهد.
شرکتهای زیست شناسی مصنوعی که در این فضا کار میکنند، در حال حاضر با مدلهای هوش مصنوعی تولید شده برای بهبود سیستم عاملهای خود آزمایش میکنند. به عنوان مثال، LanzaTech با هوش مصنوعی مولد برای طراحی توالی DNA برای آنزیمهای تولید کننده میکروب برای لباس، پلاستیک، سوخت جت و حتی عطر آزمایش میکند؛ و، Zero Coffee از یک پلت فرم بهینه سازی طعم مبتنی بر هوش مصنوعی برای توسعه “قهوه بدون دانه”استفاده میکند.
همچنین پتانسیل نرم افزاری برای ارائه مدلهای هوش مصنوعی مولد برای شرکتهای زیست شناسی مصنوعی برای پیاده سازی در فرآیندهای خود وجود دارد.
پلتفرم Cradle که بر روی دادههای تولید شده در یک آزمایشگاه مرطوب و همچنین دادههای عمومی و مشتری آموزش دیده است، کاربران را قادر میسازد تا عملکرد و خواص پروتئین مورد نظر را مهندسی کنند و امکان ایجاد و مقیاس محصولات مبتنی بر پروتئین را بسیار سریعتر و مقرون به صرفهتر کنند.
بنابراین، در حالی که استفاده از هوش مصنوعی مولد در بیوتکنولوژی در حال حاضر یک بازار بزرگ است. با ارزش تقریبا ۵۰ میلیون یورو در سال ۲۰۲۲ هنوز هیچ چیز در مقایسه با بازار زیست شناسی مصنوعی به عنوان یک کل نیست. ما باید شکاف بین مهندسان هوش مصنوعی و زیست شناسان را با همان هدف که تاثیر مثبتی بر جامعه دارد، برطرف کنیم.
در حالی که هوش مصنوعی مولد در زیست شناسی وعدههای زیادی برای تولید راه حلهای پایدار دارد، مقابله با بحران آب و هوایی نیاز به یک رویکرد چند وجهی دارد که شامل تغییرات سیاست، نوآوریهای تکنولوژیکی و سرمایه گذاری است.
باید همکاری متقابل بین دولتهای مختلف، سرمایه گذاران، شرکتهای بزرگ فناوری و استارت آپهای نوظهور وجود داشته باشد تا هوش مصنوعی مولد تأثیر معنادار بر بحران آب و هوایی داشته باشد.
منبع: برنا