Forskare har genomfört en av de mest omfattande kartläggningarna hittills av hur genetiska förändringar påverkar ett helt virus. Studien fokuserade på bakteriofagen ΦX174, ett litet virus som infekterar bakterien Escherichia coli men inte människor.
Forskarna ändrade systematiskt varje DNA-bokstav i virusets arvsmassa och undersökte därefter hur förändringarna påverkade virusets förmåga att fungera och föröka sig. De analyserade även förändringar i de proteiner som viruset bygger.
ΦX174 är särskilt användbart i den här typen av forskning eftersom viruset är litet och välstuderat. Det var dessutom ett av de första virusen vars arvsmassa sekvenserades och senare återskapades kemiskt i laboratoriet.
Många mutationer försämrade virusets funktion
Resultaten visar att ungefär hälften av alla förändringar i virusets DNA försämrade dess funktion. Förändringar i mer än 60 procent av aminosyrorna, proteinernas byggstenar, hade också negativa effekter.
Forskarna kunde i många fall förstå varför en viss förändring gjorde viruset mindre effektivt. Nästan hälften av de skadliga proteinförändringarna verkade störa kontaktytor där olika proteiner behöver samverka. Ytterligare ungefär en fjärdedel påverkade proteinernas inre struktur.
Men i omkring en fjärdedel av fallen kunde forskarna inte hitta någon tydlig mekanistisk förklaring. Det visar att även ett mycket enkelt biologiskt system fortfarande innehåller överraskningar.
AI-modellerna såg inte hela bilden
Forskarna använde flera avancerade AI-modeller för att försöka förutsäga vilka mutationer som skulle vara skadliga. Modellerna kunde fånga vissa mönster, men resultaten var bara måttligt träffsäkra.
När AI-analyserna kombinerades med strukturella modeller av proteinerna kunde forskarna däremot formulera nya hypoteser om hur virusets DNA-replikation fungerar. AI blev därmed ett hjälpmedel i analysen, men inte en ersättning för biologiska experiment.
Studien visar samtidigt en viktig begränsning. Att en AI-modell känner igen statistiska mönster i genetiska sekvenser betyder inte automatiskt att den förstår vad som händer i en levande biologisk miljö.
Viktigt för framtidens genteknik
Resultaten får betydelse för utvecklingen av AI inom genetik, läkemedel och syntetisk biologi. Om forskare i framtiden ska kunna designa eller förändra biologiska system på ett säkert sätt måste modellerna kunna förutsäga mer än enskilda DNA-bokstäver.
Forskarna bakom arbetet betonar att kartläggningen av ΦX174 ger en ovanligt detaljerad bild av sambandet mellan arvsmassa och funktion. Samtidigt visar den hur mycket som fortfarande återstår att förstå.
Studien är publicerad som ett förtryck på bioRxiv och ska därför tolkas med viss försiktighet innan den har genomgått full vetenskaplig granskning.
Källor för publicering: