← 返回首頁

讓AI把實驗做完:AutoDNA串起DNA設計、合成與讀取

上海交大團隊讓AI代理協調逾20類儀器,完成DNA資訊存取與癌症相關突變檢測示範。從提出方案到操作試劑,實驗自動化向前跨了一步,但補充耗材與維修仍仰賴人力。

By SURL BioNews

一份寫好的實驗方案,距離可靠的生物學結果,往往還隔著移液、反應、測序與反覆調整。上海交通大學團隊開發的AutoDNA,嘗試把這段路接起來:讓人工智慧代理規劃DNA實驗,再指揮儀器完成操作,依結果修正下一步。這項研究的意義,在於把AI的能力從電腦中的推演,延伸到需要處理真實試劑與樣本的實驗台。

研究於11月4日發表在《Nature》,同日獲該刊新聞與專文評述介紹。依上海交大張江高等研究院說明,AutoDNA由計算機與化學團隊合作,依託DNA儲存研究中心建置。平台整合逾20類儀器,涵蓋核酸合成、擴增及測序等操作,讓使用者提出任務後,系統能將目標轉成可執行的實驗流程。

其中的關鍵,是讓多個專業AI代理分工合作,處理文獻搜尋、試劑選擇、流程設計、控制程式撰寫與結果分析。各種儀器的功能則被整理成統一的軟體介面,供代理組合調用。校方表示,平台具備微米級定位與微升級液體處理能力,並由執行系統檢查程式、追蹤儀器狀態及安排資源,讓跨設備操作符合實驗所需的時間與順序。

DNA資訊儲存提供了一次完整考驗。這項技術先把數位內容編碼成DNA鹼基序列,再透過合成寫入,最後以測序和解碼取回。據校方公布的結果,AutoDNA串起編碼、合成、保存、測序與解碼,整個讀寫週期執行11,382次硬體操作,最後準確還原原始資訊。這項成果呈現的是長串步驟能否順利銜接;單憑這次示範,尚不能判定DNA儲存已具備商業競爭力。

另一項示範更貼近生醫用途:系統辨識並驗證了癌症相關的KRAS G13D突變。論文也報告,AutoDNA在酵素促進的DNA合成實驗中,達到與專家優化方案相當的產率。前者展示從分析到驗證的流程整合,後者則檢驗系統能否把反應條件調整到有用的水準;兩者都比單純生成一份看似合理的操作說明,更接近實驗室真正需要的能力。

不過,檢出特定突變的研究示範,還不足以建立臨床診斷的準確度,也不能直接推論系統面對不同樣本與未知問題時同樣可靠。AutoDNA仍需要人員補充試劑、耗材及維護硬體。它的自主性建立在已整合的設備與操作能力之上,遇到這套配置以外的實驗需求,能否順利延伸,仍須另行驗證。

AutoDNA讓自主實驗室的討論有了更具體的尺度:AI不只要提出下一個步驟,還得讓試劑在正確時間進入正確容器,並把結果帶回下一輪決策。接下來,若要成為其他實驗室可採用的工具,還需要看不同團隊能否重現成果,以及部署、維護與處理異常所需的人力成本。

References

  1. Nature
  2. Shanghai Jiao Tong University, Zhang Jiang Institute for Advanced Study
  3. Nature