ИИ научили складывать ДНК в нанофигурки — от Моны Лизы до собачек
Южнокорейские учёные разработали ИИ-модель Generative SNUPI, которая автоматически проектирует структуры ДНК-оригами любой формы. Вместо ручной настройки последовательностей ДНК, достаточно нарисовать нужную фигуру — алгоритм сам рассчитает, как молекулы сложатся в нужную форму размером в нанометры. Технология может ускорить разработку наномедицинских устройств и молекулярных роботов.
Упрощение дизайна ДНК-структур открывает путь к массовой разработке наномедицинских устройств — от молекулярных роботов до систем точечной доставки лекарств. То, что раньше требовало недель экспертной работы, теперь можно сделать за минуты.
ДНК-оригами получило ИИ-ассистента
Команды из Сеульского национального университета и университета Ханьян создали генеративную модель Generative SNUPI (Structured Nucleic Acids Programming Interface), которая автоматизирует дизайн ДНК-оригами — методики складывания молекул ДНК в заданные формы.
Технология ДНК-оригами существует уже 20 лет, но её сдерживала сложность проектирования. Создание даже простой структуры требовало экспертизы, ручной настройки алгоритмов и многократных итераций. Новая модель радикально упрощает процесс: пользователь рисует целевую форму, а диффузионная нейросеть (как DALL-E или Midjourney, но для биомолекул) рассчитывает последовательности коротких «скрепок» ДНК, которые стянут длинную «scaffold»-нить в нужную конфигурацию размером в нанометры.
Как это работает
Модель применяет диффузионный подход: добавляет «шум» к входному изображению, затем очищает его, генерируя ДНК-последовательности. Алгоритм учитывает химические правила спаривания оснований (гуанин-цитозин, аденин-тимин), чтобы структура самособралась через молекулярные силы.
Исследователи протестировали систему на сложных формах — от собачьих мордочек до Моны Лизы. Некоторые конструкции оказались структурно нестабильны, что заставило добавить этап предсказания прочности ещё до синтеза ДНК.
Что дальше
Ребекка Тейлор из Университета Карнеги-Меллон отмечает, что новый инструмент — «огромный прорыв для области, которую сдерживали её же методы». Команда планирует научить модель создавать динамические структуры, способные менять форму в ответ на внешние стимулы — это критично для медицинских применений вроде адресной доставки лекарств и иммунотерапии.
Работа принята к публикации в Nature Communications.
Ключевые выводы
- Генеративные диффузионные модели успешно перенесены из визуального контента в молекулярный дизайн
- Автоматизация ДНК-оригами может снизить барьеры входа в нанотехнологии и ускорить прикладные разработки
- Текущая версия создаёт жёсткие структуры; для медицины нужны динамические формы — следующий этап развития
- Инструментарий часто определяет темп развития целой области — новый софт может стать катализатором для наномедицины
- Проверка структурной стабильности до синтеза экономит время и деньги в реальных экспериментах
Автор: Артём Ковалёв · Источник: spectrum.ieee.org
Это один из тех редких кейсов, когда генеративный ИИ не делает очередной арт-тренд, а решает реальную инженерную боль. ДНК-оригами — штука с огромным потенциалом (наномедицина, роботы на клеточном уровне), но застрявшая в академических лабораториях из-за дикой трудоёмкости проектирования. Generative SNUPI превращает это в интерфейс «нарисовал — получил последовательность — синтезировал». Публикация в Nature Communications, работающие прототипы, внятные планы на доработку — всё серьёзно.
Но есть нюанс: модель пока создаёт только жёсткие структуры, а для медицины нужны динамические — те, что меняют форму по команде. Пока что это скорее proof-of-concept для исследователей, чем готовый промышленный инструмент. Но если команда из SNU доведёт гибкость до ума, мы можем увидеть волну стартапов на стыке AI и синтетической биологии. Следим.
Комментарии