Искусственный интеллект разгадал 10-летнюю загадку за 2 дня
Научная команда поставила перед ИИ-системой на основе Google Gemini сложную задачу: разобраться с механизмом действия подвижных ДНК-фрагментов, известных как cf-PICIs. Эти элементы способны передавать гены устойчивости к антибиотикам между различными бактериями, но долгие годы исследователи не могли понять, как именно они проникают в новые клетки.
Десятилетний поиск и двухсуточный анализ
На протяжении многих лет лабораторные эксперименты выявили необычную стратегию cf-PICIs для решения проблемы доставки. Эти фрагменты ДНК окружают себя защитной белковой оболочкой, а затем используют хвостовые структуры бактериофагов — вирусов, поражающих бактерии — в качестве механизма проникновения в целевые клетки. Такой "заимствованный" способ доставки позволяет им переносить генетический материал даже в виды бактерий, которые ранее были для них недоступны.
Перед алгоритмом поставили задачу, предоставив краткое описание проблемы без раскрытия собственных выводов. Критически важно, что результаты исследований еще не были опубликованы, поэтому система не могла найти готовый ответ в открытых источниках интернета.
Потрясающие результаты анализа
Ученые признались, что были глубоко поражены полученными результатами. За два дня работы ИИ создал пять различных версий механизма, и одна из них полностью совпадала с лабораторно подтвержденным процессом похищения вирусных структур. Гипотеза была настолько детальной, что ведущий исследователь обратился в Google с просьбой проверить, не произошла ли утечка непубликованных данных — компания подтвердила полную защиту информации.
Четыре оставшихся варианта от алгоритма указали на новые направления для исследований, которые биологи ранее не рассматривали и сейчас проверяют экспериментально. Авторы подчеркивают, что искусственный интеллект не совершил независимого открытия и не может заменить работу с реальными биологическими образцами. Вместо этого алгоритм действует как чрезвычайно быстрый фильтр, позволяющий ученым мгновенно исключить непэффективные предположения и сосредоточиться на перспективных гипотезах до начала затратных лабораторных экспериментов.
