Stanford University နှင့် Broad Institute of MIT နှင့် Harvard မှ သုတေသီများသည် ဆေးဝါးနှင့် ဇီဝလုံခြုံရေး နှစ်ခုလုံးအတွက် ကျယ်ပြန့်သော သက်ရောက်မှုများနှင့်အတူ သဘာဝတွင် မရှိသော လုပ်ငန်းဆိုင်ရာ ဗိုင်းရပ်စ်များကို ဒီဇိုင်းနှင့် ပေါင်းစပ်ရန် အတုထောက်လှမ်းရေးကို အသုံးပြုခဲ့ကြသည်။

2026 ခုနှစ် ဩဂုတ်လ 7 ရက်နေ့ထုတ် Science ဂျာနယ်တွင် ထုတ်ဝေခဲ့သည့် တွေ့ရှိချက်တွင် သုတေသနအဖွဲ့မှ ၎င်းသည် ဘက်တီးရီးယားများကို ကူးစက်သည့် ဗိုင်းရပ်စ်ပိုး—ကို ပုံစံပလိတ်တစ်ခုအဖြစ် အသုံးပြုကာ မျိုးဆက်သစ် AI ကို ထောင်နှင့်ချီသော ဂျီနိုမ်အစီအစဥ်များကို ထုတ်လုပ်ရန် အသုံးပြုခဲ့သည်ဟု ဆိုသည်။ အဖွဲ့သည် အဆိုပါ AI မှထုတ်လုပ်သော ဂျီနိုမ် ၃၀၀ နီးပါးကို ဓာတုဗေဒနည်းဖြင့် ပေါင်းစပ်ကာ ဓာတ်ခွဲခန်းအခြေအနေများအောက်တွင် စမ်းသပ်ခဲ့ရာ အပြည့်အဝအသုံးပြုနိုင်သော၊ ကိုယ်တိုင်ပုံတူသည့် ဗိုင်းရပ်စ် ၁၆ ခုကို ရရှိခဲ့သည်။

Brian Hie နှင့် Samuel King တို့ အပါအဝင် သုတေသီများက ဦးဆောင်သော အဆိုပါ လေ့လာမှုတွင် စက်-သင်ယူမှု မော်ဒယ်များသည် ယခုအခါ သက်ရှိဇီဝဆိုင်ရာ အရာများကို အစမှအဆုံး ဒီဇိုင်းထုတ်နိုင်ပြီ ဖြစ်ကြောင်း သရုပ်ပြခဲ့သည်။ ထိပ်တိုက်စမ်းသပ်မှုများတွင်၊ ဓာတုဗိုင်းရပ်စ်ပိုးများ ရောနှောထားသော အီးကိုလီ ဘက်တီးရီးယားများကို ၎င်းတို့ရရှိသည့် သဘာဝအတိုင်း ဖြစ်ပေါ်နေသည့် ဖာ့ခ်ျများထက် ဓာတုဗိုင်းရပ်စ်များ ရောနှောကာ AI မှထုတ်လုပ်ထားသော ရောဂါပိုးများသည် ပစ်မှတ်ထားသော အသုံးချပရိုဂရမ်များတွင် ၎င်းတို့၏ သဘာဝအတိုင်း စွမ်းဆောင်ရည်ထက် သာလွန်ကြောင်း သက်သေပြခဲ့သည်။

AI သုတေသနအောင်မြင်မှုများ ၏ လျင်မြန်စွာရွေ့လျားနေသော နယ်နိမိတ်ကို ခြေရာခံဖတ်ရှုသူများအတွက် အဆိုပါအလုပ်သည် မကြာသေးမီက မှန်းဆဆွေးနွေးမှုတွင် ပါဝင်ခဲ့သည့် အတိုင်းအတာတစ်ခုအထိ ဖြတ်ကျော်နိုင်သည်- ဉာဏ်ရည်တုကို အသုံးပြု၍ ပြီးပြည့်စုံပြီး အလုပ်လုပ်နိုင်သော သက်ရှိများကို ထုတ်ပေးနိုင်စွမ်းရှိသည်။

စာသားမှ Genomes သို့

ချဉ်းကပ်ပုံသည် ဘာသာစကားပုံစံများ၏ ဗိသုကာလက်ရာကို ထင်ဟပ်စေသည်။ ဝါကျတစ်ကြောင်းတွင် နောက်ထပ်စကားလုံးကို ခန့်မှန်းမည့်အစား AI စနစ်သည် ဗိုင်းရပ်ဂျီနိုမ်တွင် နောက်ထပ်တည်ဆောက်မှုပိတ်ဆို့ခြင်းကို ခန့်မှန်းပေးသည်။ လူသိများသော phage DNA sequences များ၏ ကြီးမားသောဒေတာဘေ့စ်များကို လေ့ကျင့်ခြင်းဖြင့်၊ မော်ဒယ်သည် ဤဂျီနိုမ်များစုပေါင်းပုံကို ထိန်းချုပ်သည့် ကိန်းဂဏန်းပုံစံများကို လေ့လာသင်ယူခဲ့သည်။ ထို့နောက် ၎င်းသည် တူညီသော ဇီဝစည်းမျဉ်းများကို လိုက်နာသည့် ဆက်တိုက်အသစ်များကို ထုတ်ပေးနိုင်သော်လည်း ယခင်က စာရင်းပြုစုထားသော မည်သည့်ဗိုင်းရပ်စ်နှင့်မှ မသက်ဆိုင်ပါ။

သုတေသီများသည် AI ဒီဇိုင်းထုတ်ထားသော ဂျီနိုမ် ၂၉၀ ခန့်ကို ပေါင်းစပ်ဖန်တီးခဲ့သည်။ ဘက်တီးရီးယား ယဉ်ကျေးမှုများကို မိတ်ဆက်သည့်အခါ ၎င်းတို့ထဲမှ ၁၆ ဦးမှာ ၎င်းတို့၏ ပစ်မှတ်များအတွင်း အောင်မြင်စွာ ကူးစက်ပြီး ပုံတူကူးချခြင်းဖြစ်သည် - ၎င်းတို့သည် စက္ကူပေါ်တွင် ဖြစ်နိုင်ချေရှိသော မျိုးရိုးဗီဇဆိုင်ရာ ဆင့်ကဲမှုများမျှသာ မဟုတ်သော်လည်း ဇီဝစက်များ လုပ်ဆောင်နေကြောင်း အတည်ပြုခဲ့သည်။

"ကျွန်ုပ်တို့၏ ချဉ်းကပ်မှုသည် ဆင့်ကဲဖြစ်စဉ်နှင့် ဆင်ခြင်တုံတရားဆိုင်ရာ အင်ဂျင်နီယာနည်းများကဲ့သို့ ပေါင်းစပ်ပေါင်းစပ် ဓာတုမျိုးရိုးဗီဇများ အောင်မြင်နိုင်သည်" ဟု စာရေးသူက သိပ္ပံတွင် ရေးသားခဲ့သည်။ အဆိုပါလုပ်ငန်းသည် "လျင်မြန်စွာ ပြောင်းလဲနေသော ရောဂါပိုးများကို တိုက်ဖျက်နိုင်သော လိုက်လျောညီထွေဖြစ်ပြီး ခံနိုင်ရည်ရှိသော phage ကုထုံးများကို ထုတ်ပေးရန်အတွက် လမ်းခင်းပေးသည်" နှင့် "ပိုကြီးပြီး ရှုပ်ထွေးသော ဂျီနိုမ်များ၏ မျိုးဆက်သစ်ဒီဇိုင်းအတွက် အခြေခံအုတ်မြစ်ကို ချမှတ်ပေးသည်" ဟု ၎င်းတို့က ပြောကြားခဲ့သည်။

Medical Promise သည် Biosecurity Anxiety နှင့် ကိုက်ညီသည်။

ဆေးဘက်ဆိုင်ရာ သက်ရောက်မှုတွေက သိသာထင်ရှားပါတယ်။ အထူးသဖြင့် ဆေးယဉ်ပါးသော ဘက်တီးရီးယားပိုးများ ကမ္ဘာတစ်ဝှမ်းတွင် ပြန့်ပွားနေသောကြောင့် ဘက်တီးရီးယားပိုးမွှားများကို သမားရိုးကျ ပဋိဇီဝဆေးများ ၏ အလားအလာရှိသော အစားထိုးတစ်မျိုးအဖြစ် ကာလရှည်ကြာ လေ့လာခဲ့သည်။ အကယ်၍ AI သည် ရောဂါပိုးမွှားများနှင့် အံဝင်ခွင်ကျဖြစ်အောင် လျင်မြန်စွာ ဒီဇိုင်းထုတ်နိုင်ပါက၊ ၎င်းသည် ကမ္ဘာ့ကျန်းမာရေးအဖွဲ့မှ ပဋိဇီဝပိုးသတ်ဆေးခေတ်လွန်ကာလကို သတိပေးသည့်အချိန်တွင် ပုဂ္ဂိုလ်ရေးသီးသန့် ပိုးသတ်ဆေးများ ဖွံ့ဖြိုးတိုးတက်မှုကို အရှိန်မြှင့်နိုင်မည်ဖြစ်သည်။

လေ့လာမှုတွင် မပါဝင်သည့် တိုရွန်တိုတက္ကသိုလ်နှင့် တိုရွန်တိုအထွေထွေဆေးရုံမှ ကူးစက်ရောဂါအထူးကု Isaac Bogoch က သုတေသနသည် မျှော်လင့်ချက်နှင့် သက်ရောက်မှုများ နှစ်ခုလုံးပါရှိကြောင်း Al Jazeera သို့ ပြောကြားခဲ့သည်။ AI ဒီဇိုင်းထုတ်ထားသော ဗိုင်းရပ်စ်များသည် နည်းလမ်းသစ်များဖြင့် ပဋိဇီဝဆေးယဉ်ပါးသော ရောဂါပိုးများကို ကိုင်တွယ်ဖြေရှင်းရာတွင် အထောက်အကူဖြစ်စေနိုင်သည်ဟု ၎င်းကပြောသော်လည်း "ထိုစွမ်းရည်သည် ဗိုင်းရပ်စ်ပိုးတစ်ခုလုံးကို အန္တရာယ်ဖြစ်စေသော ရောဂါပိုးများကို အသုံးချပါက ပြင်းထန်သော ဇီဝလုံခြုံရေးအန္တရာယ် ဖြစ်လာနိုင်သည်" ဟု ဆိုသည်။

ဆစ်ဒနီမြို့ရှိ New South Wales ဇီဝနည်းပညာနှင့် ဇီဝမော်လီကျူးသိပ္ပံကျောင်းမှ ပါမောက္ခ Fatemeh Vafaee က လေ့လာမှု၏ တင်းမာမှုကို သတိပြုမိချိန်တွင် နှစ်မျိုးသုံးခြင်းဆိုင်ရာ စိုးရိမ်ပူပန်မှုကို ပဲ့တင်ထပ်ခဲ့သည်။ Generative AI နှင့် Synthetic Genomics တို့၏ ပေါင်းစည်းမှုသည် ခိုင်ခံ့သော အကာအရံများ၊ စစ်ဆေးခြင်းဆိုင်ရာ ပရိုတိုကောများနှင့် ကြီးကြပ်ရေးယန္တရားများ ကြီးထွားလာပြီးနောက် အမှန်ထက် နည်းပညာနှင့်အတူ ကြီးထွားလာရန် တောင်းဆိုခဲ့သည်ဟု သူမက အကြံပြုခဲ့သည်။

အရှိန်မြှင့်လုပ်ဆောင်နိုင်မှုပုံစံ

သိပ္ပံစာစောင်သည် AI မောင်းနှင်သော ပရိုတင်းနှင့် ဂျီနိုမ်ဒီဇိုင်းအတွက် အစောပိုင်းမှတ်တိုင်များကို လိုက်နာသည်။ 2025 ခုနှစ် စက်တင်ဘာလတွင် သုတေသီများသည် ကမ္ဘာ့ပထမဆုံး AI ဒီဇိုင်းထုတ် ဗိုင်းရပ်စ်များကို ဘက်တီးရီးယားများကို သတ်ပစ်နိုင်ကြောင်း ပြသခဲ့သည်။ လေ့လာမှုအသစ်သည် အတိုင်းအတာတစ်ခုအထိ ရှင်သန်နိုင်သော ဗိုင်းရပ်စ်အများအပြားကို ဖန်တီးကာ AI-ဒီဇိုင်းပေါင်းစပ်ထားသော ပေါင်းစပ်မှုများသည် ထိန်းချုပ်ထားသော စမ်းသပ်မှုများတွင် သဘာဝအတိုင်း လုပ်ဆောင်နိုင်သည်ကို သရုပ်ပြခြင်းဖြင့် ပိုမိုလုပ်ဆောင်သွားမည်ဖြစ်သည်။

တိုးတက်မှု အရှိန်အဟုန်သည် ဇီဝလုံခြုံရေး ကျွမ်းကျင်သူအချို့ကို အတည်မပြုနိုင်ပေ။ သုတေသနအဖွဲ့တစ်ခုသည် ယခုအခါ ရာနှင့်ချီသော ဂျီနိုမ်များကို ထုတ်ပေးနိုင်ပြီး ၎င်းတို့ထဲမှ ဒါဇင်များစွာကို ရက်သတ္တပတ်အနည်းငယ်အတွင်း အတည်ပြုနိုင်သည်ဆိုသောအချက်က မျိုးဆက်သစ်မော်ဒယ်များသည် တွက်ချက်မှုပုံစံနှင့် ဇီဝဗေဒဆိုင်ရာ လက်တွေ့ဘဝအကြား အချိန်ဇယားကို မည်ကဲ့သို့ ချုံ့လိုက်သည်ကို ဖော်ပြသည်။ မူဝါဒချမှတ်သူများနှင့် သိပ္ပံပညာဆိုင်ရာအဖွဲ့အစည်းများသည် စီးပွားဖြစ် DNA-ပေါင်းစပ်မှုပံ့ပိုးပေးသူများ ၎င်းတို့မထုတ်လုပ်မီ အန္တရာယ်ရှိနိုင်ချေရှိသော အပိုင်းများကို အလံပြနိုင်စေရန် သေချာစေရန် မွမ်းမံထားသော စိစစ်ရေးမူဘောင်များကို တိုးမြှင့်တောင်းဆိုခဲ့သည်။

အစိုးရများနှင့် နိုင်ငံတကာအဖွဲ့အစည်းများသည် AI ဇီဝဗေဒကိရိယာများ လျင်မြန်စွာ တိုးတက်လာသည်နှင့်အပြိုင် မျိုးရိုးဗီဇဆိုင်ရာ စစ်ဆေးခြင်းစံနှုန်းများကို တီထွင်လျက်ရှိသည်။ စိုးရိမ်စရာမှာ စိတ်ကူးယဉ်မဟုတ်ပါ- DNA ပေါင်းစပ်မှုကုန်ကျစရိတ် ဆက်လက်ကျဆင်းလာသည်နှင့်အမျှ AI မှထုတ်လုပ်ထားသော ဂျီနိုမ်ကို ရုပ်ပိုင်းဆိုင်ရာသက်ရှိများအဖြစ်သို့ ပြောင်းလဲရန် အတားအဆီးသည် လျော့နည်းသွားပါသည်။

##ဘာတွေဆက်ဖြစ်မလဲ။

Stanford နှင့် Broad Institute မှ သုတေသီများက ၎င်းတို့၏ လုပ်ငန်းသည် အဆင့်ဆင့် ပိုကြီးပြီး ပိုမိုရှုပ်ထွေးသော ဂျီနိုမ်များကို ဒီဇိုင်းထုတ်ရန် အခြေခံအုတ်မြစ်ကို ချမှတ်ပေးကာ အခြားသော ဇီဝဗေဒစနစ်များသို့ အဆင့်ဆင့်ပြောင်းသွားနိုင်သည့် အလားအလာရှိကြောင်း ပြောကြားခဲ့သည်။ မျိုးဆက်သစ် AI သည် သီအိုရီဆိုင်ရာ လေ့ကျင့်ခန်းတစ်ခုမျှမဟုတ်ဘဲ ပေါင်းစပ်ဇီဝဗေဒအတွက် လက်တွေ့အင်ဂျင်အဖြစ် လုပ်ဆောင်နိုင်ကြောင်း သက်သေအဖြစ် ၎င်းတို့က လေ့လာမှုအား သက်သေအဖြစ် သတ်မှတ်ခဲ့သည်။

သိပ္ပံပညာအသိုင်းအဝိုင်းအတွက်၊ ချက်ခြင်းမေးခွန်းများသည် မျိုးပွားနိုင်မှု၊ ဘေးကင်းရေး ပရိုတိုကောများနှင့် လက်လှမ်းမီမှုတို့နှင့် ပတ်သက်သည်။ AI-designed phages များကို ဆေးခန်းဆက်တင်များတွင် ဘေးကင်းစွာ အသုံးပြုနိုင်သည်ဖြစ်စေ ကျယ်ပြန့်သော စမ်းသပ်မှုများ လိုအပ်မည်ဖြစ်ပါသည်။ ပိုမိုကျယ်ပြန့်သော အများသူငှာအတွက်၊ လေ့လာမှုသည် သဘာဝတရား၏ သီးသန့်နယ်မြေဟု ထင်မှတ်ထားသည့် ဒိုမိန်းတစ်ခုကို တစ်ချိန်က ဉာဏ်ရည်တုကို ပြန်လည်ပုံဖော်နေသည့် အခြားဥပမာတစ်ခုကို ကိုယ်စားပြုသည်။

AI ၏ရှေ့တွင်နေပါ။

Generative AI သည် ၎င်း၏ဘာသာစကားနှင့် ရုပ်ပုံများကို ဘဝ၏အ၀တ်အထည်သို့ ချဲ့ထွင်လိုက်သည်နှင့်အမျှ ဒစ်ဂျစ်တယ်ဒီဇိုင်းနှင့် ဇီဝဗေဒဆိုင်ရာ လက်တွေ့ဘဝကြား နယ်နိမိတ်သည် ကျဉ်းမြောင်းလာသည်။ ဥာဏ်ရည်တုနှင့် အသက်သိပ္ပံများကြား လမ်းဆုံကို ဆက်လက်ဖော်ပြရန်အတွက် AI Buzz Wire ကို လိုက်နာပါ။

AI သုတေသနသတင်း →