מִחזור גנים בין מינים תוך שימוש במידע על אורתולוגים ודגמי יצירה

מדוע חשוב לעצב גנים בין מינים

ביוטכנולוגיה מודרנית לעתים קרובות נדרשת להעביר גנים ממיקרוב אחד לאחר כדי לייצר תרופות, אנזימים או כלים לניקוי סביבתי. עם זאת, גן שעובד היטב במיקרוב המקורי עלול להיכשל במארח חדש ולהפיק מעט חלבון. מאמר זה מציג מערכת בינה מלאכותית חדשה בשם OrthologTransformer, הלומדת מתוך האבולוציה עצמה לשכתב גנים כך שיראו "מקומיים" במין אחר, לשפר את ביצועיהם ולפתוח אפשרויות חדשות לטכנולוגיה ירוקה ותעשייה.

מגבלות שיטות הכוונון הנוכחיות של גנים

למשך עשורים הסתמכו מדענים על אסטרטגיה הנקראת אופטימיזציית קודונים כדי לעזור לגנים זרים לפעול במארחים חדשים. הרעיון פשוט: הקוד הגנטי כולל כמה "קודונים" תלת־אותיים שיכולים לאיית את אותו חומצת אמינו, ומינים שונים מעדיפים קודונים שונים. כלים מסורתיים מחליפים קודונים נדירים בקודונים מועדפים מבלי לשנות את רצף חומצות האמינו של החלבון. זה לעתים קרובות עוזר, אך מתעלם מתכונות רבות אחרות שחשובות לביצועי הגן, כמו קיפול RNA, אותות רגולטוריים ותזמון ייצור החלבון. במקרים מסוימים, אופטימיזציה יתרה של קודונים אף עלולה לפגוע בתפוקת החלבון. בינתיים, הטבע פותר התאמות בין מינים בדרך עשירה יותר: גנים קשורים במינים שונים, המכונים אורתולוגים, מראים לעתים קרובות שינויים בחומצות אמינו והכנסות/הסרות קטנות בנוסף להחלפות קודונים, וכל זאת תוך שימור הפונקציה הכוללת.

לומדים את חוברת ההנחיות של הטבע לשכתוב גנים

OrthologTransformer מתייחס לעיצוב מחדש של גנים כסוג של תרגום שפה: בהינתן רצף DNA מחיידק אחד, הוא "מתרגם" אותו לאופן שבו גן זה ככל הנראה ייראה במין אחר. המודל מבוסס על ארכיטקטורת הטרנספורמר המשמשת בכלי שפה מודרניים, אך כאן הוא פועל על קודונים במקום על מילים. הוא מאומן על מיליוני זוגות אורתולוגיים טבעיים ממעל אלפיים מיני חיידקים, עם טוקנים מיוחדים המצביעים מאיזה מין ולה איזה מין הוא ממיר. על ידי צפייה באופן שבו האבולוציה כבר איזנה בין פונקציה והסתגלות למארח, המערכת לומדת מתי מספיק להחלפה פשוטה של קודונים ומתי מקובלים שינויים עדינים בחומצות האמינו או התאמות באורך. בבדיקות שעמדו על פני 45 מינים של חיידקים ומאות צמדי מקור–מארח, הגנים שעוצבו על ידי ה-AI דמו יותר לאורתולוגים המקומיים של מין היעד מאשר גם לאופטימיזציית קודונים קונבנציונלית וגם למאיץ קודונים נוירלי מוביל, תוך שמירה על דמיון גבוה ברמת החלבון.

להפעיל אנזימים שאוכלים פלסטיק שתוכננו על ידי AI

כדי להראות שמדובר ביותר מתעלול חישובי, הצוות התמקד ב‑PETase, אנזים מהחיידק Ideonella sakaiensis שיכול לפרק פלסטיק PET, החומר שבשימוש ברוב בקבוקי המשקאות. Ideonella גדל לאט ואינו אידיאלי לשימוש תעשייתי, לכן המבקרים ביקשו מ‑OrthologTransformer לשכתב את גן ה‑PETase למארח שגדל מהר יותר, Bacillus subtilis. הם ייצרו פנל של 12 וריאנטים מעוצבים של הגן, שבחן הגדרות אימון שונות ונהלי חיפוש נוספים שנעו את הרצפים לעבר קומפוזיציית DNA בסגנון Bacillus ומבני RNA מועדפים. אף על פי שחלק מהוריאנטים נשאו שינויים רבים ב‑DNA וכמה החלפות בחומצות האמינו, מודלים ממוחשבים חזו כי הצורה התלת־ממדית הליבתית של האנזים נשמרה. כאשר העיצובים הללו נבנו ונבדקו בתאי Bacillus חיים, כמה מהם הפיקו כמויות גדולות של PETase מופרש, וכולן הראו פעילות מדידה של פירוק פלסטיק.

עיצוב בינה מלאכותית שמצטיין על פני אופטימיזציה סטנדרטית

אחד הרצפים שעוצבו על ידי ה‑AI, שכונה AI-L2, בלט. תאים של Bacillus הנושאים את הגן הזה הפרישו כמויות חריגות של PETase ויצרו בערך פי שלוש יותר תוצרי פירוק פלסטיק מכל זן אחר במבחן של שבעה ימים, וכ‑כמעט פי עשר יותר מאשר בקרי אופטימיזציית קודונים טיפוסיים כשהמדידה בוצעה לפי תוצרי תגובה. תמונות מיקרוסקופ של סרטי PET שחושפו לתאים הנושאים AI-L2 חשפו שברים וחורים עמוקים שבהם הפלסטיק נשחק, תופעה דרמטית משמעותית לעומת תנאים אחרים. בדיקות מפורטות של האנזים הראו שגרסת AI-L2 של PETase לא רק הופקה ביעילות גבוהה יותר אלא גם עיבדה את תת־ההתחלתי (הסובסטרט) מהר יותר, מה שנתן לה יעילות קטליטית גבוהה יותר מהמקורית ומהאנזימים שעברו אופטימיזציית קודונים. ניסוי מקביל ב‑Escherichia coli הראה שגרסה של PETase שעוצבה על ידי OrthologTransformer, אפילו כאשר שינתה רק את שימוש הקודונים ולא את רצף חומצות האמינו, עדיין עלתה בביצועים על גן אופטי המבוסס על תדירות קודונים, מה שממחיש שהמודל לוכד העדפות עדינות ותלויות‑מארח ששיטות מסורתיות מפספסות.

מה משמעות הדבר לעתיד הביולוגיה והטכנולוגיה

במונחים יומיומיים, OrthologTransformer הוא כמו מתרגם מומחה שלא רק משכתב את "האיות" של גן עבור מיקרוב חדש אלא גם מבצע עדכונים קטנים, על בסיס מידע אבולוציוני, ל"משפט" עצמו כשהוא יודע שהם בטוחים או מועילים. על ידי לימוד ישיר מתוך האופן שבו גנים הסתגלו באופן טבעי לאורך אלפי מיני חיידקים, הוא יכול להציע DNA מעוצב שעובד טוב יותר במארחים חדשים מאשר עיצובים המוגבלים להחלפת קודונים בלבד. יצירה מוצלחת של אנזים אוכלי‑פלסטיק יעיל יותר ב‑Bacillus subtilis מרמזת שעיצוב גנים מונחה AI כזה יכול להאיץ את פיתוח ביו‑קטליזטורים תעשייתיים, מיקרובים לניקוי סביבתי, ובסופו של דבר גם טיפולים גנטיים רפואיים, ועוזר לאורגניזמים לקרוא ולהשתמש בגנים זרים כאילו היו שלהם.

ציטוט: Akiyama, M., Tashiro, M., Huang, Y. et al. Cross-species gene redesign leveraging ortholog information and generative modeling. Nat Commun 17, 2120 (2026). https://doi.org/10.1038/s41467-026-69966-0

מילות מפתח: עיצוב מחדש של גנים, ביולוגיה סינתטית, גנים אורתולוגיים, בינה מלאכותית בביוטכנולוגיה, אנזימים מפרקי פלסטיק