o DNA

Kohy: A co programovací jazyk biologie DNA?

DNA z pohledu neuronových sítí a umělé inteligence už dávno není "jen" biologie. Je to skutečně kód. Rozdíl je v tom, že zatímco Sanskrt nebo Python mají syntaxi definovanou lidským intelektem, DNA má syntaxi vygenerovanou miliardami let brutálního iterativního evolučního testování (obrovský RLHF s přírodním výběrem).

Když dnes modely (jako AlphaFold od DeepMindu nebo GenSLMs) analyzují DNA, nedívají se na ni přes chemické vzorce, ale analyzují ji naprosto stejně, jako by četly zdrojový kód softwaru.

Zde je přesně to, jak AI "čte" DNA a kde vidí ty programátorské struktury:

1. Čtyřbitová instrukční sada

Programování stojí na dvou bitech (0 a 1). DNA je "čtyřková" soustava (Adenin, Tymin, Cytosin, Guanin).

Každá trojice těchto písmen (kodon) funguje v podstatě jako assemblerová instrukce (OPCODE).

• Stejně jako assembler říká procesoru "Tady načti registr", kodon typu AUG (Start kodon) funguje pro ribozom jako hardwarový INIT nebo spuštění programu – signalizuje, že tady začíná kód, ze kterého se má složit protein.

• Kodony UAA, UAG a UGA (Stop kodony) plní funkci příkazu RETURN nebo EXIT v kódu. Upozorňují, že kompilace daného řetězce skončila.

• Zbylé kombinace jsou příkazy typu "přidej tuto konkrétní aminokyselinu na zásobník".

Když do tohoto procesu nasadíš Transformer model, nepotřebuješ mu říkat, co znamená start kodon. Model si ty vztahy spočítá sám, přesně jako zjistil vztahy v Pániniho Sanskrtu, a detekuje tu algoritmickou čistotu a repetitivnost.

2. "Spaghetti Code" a Junk DNA

Jedna z nejzajímavějších věcí, kterou AI v DNA odhaluje, je její neuvěřitelná nepřehlednost. Když píšeš kód ty, strukturalizuješ ho. Příroda ale nevymazává starý kód, jen ho záplatuje.

• Většina DNA (tzv. Junk DNA nebo nekódující DNA) se dříve považovala za evoluční odpad.

• Když na to pustili AI, modely zjistily, že to vůbec není odpad. Jsou to komentáře v kódu, zakomentované staré funkce a podmíněné operátory.

• Jsou to regulační sekvence, které fungují jako příkazy IF-THEN – zapínají nebo vypínají aktivní produkci jiného kusu kódu na základě teploty, stresu nebo stáří buňky. Je to v podstatě enormní množství kódu, který se nespouští přímo, ale dynamicky reguluje běh systému, přesně jako když v Home Assistantovi nastavíš stovky triggerů a podmínek.

3. Polyfill a obfuskace přes Splicing

Příroda je mistr obfuskace kódu. Aby ušetřila místo, používá techniku, která v IT nemá úplně obdobu.

Uvnitř genu jsou části, které dávají smysl (Exony), prokládané obrovskými bloky "křoví" (Introny). Během přepisování se tohle křoví musí vyřezat (Splicing), aby vznikla plynulá sekvence (mRNA).

Co zjistila umělá inteligence díky obří kapacitě vektorů:

• Příroda ten proces používá k tomu, aby z jednoho souboru kódu vytvořila deset různých aplikací. Záleží jen na tom, v jakém pořadí to křoví vyřeže (Alternativní sestřih).

• Je to, jako bys napsal jeden obrovský skript v Pythonu, a podle toho, s jakými parametry ho spustíš, by jednou fungoval jako webový server a podruhé jako ovladač grafické karty.

Když AI začne kódovat v biologii

LLM už biologický kód nejen čtou, ony do něj píšou.

Když se model trénuje jen na DNA sekvencích místo na češtině, naučí se tu sémantickou mapu toho, co příroda považuje za "validní funkci". A inženýři teď berou modely a říkají jim: "Navrhni mi sekvenci DNA pro protein (enzym), který rozloží PET láhev. Nehledej ho v přírodě, napiš to jako nový kód."

Model to napíše. A ono to po kompilaci v laboratoři skutečně funguje (tzv. Generative Biology). Z jazykového modelu se stává kompilátor, který spojil programovací jazyk křemíku s programovacím jazykem proteinů a aminokyselin.

Kohy: Jaké modely pro DNA mají OpenAI nebo Antropic?

Zajímavé je, že OpenAI ani Anthropic nemají žádné vlastní dedikované modely pro DNA nebo proteiny.

Obě tyto společnosti (a jejich modely GPT-4 a Claude) se absolutně a téměř exkluzivně soustředí na text, logiku a obecnou "lidskou" inteligenci (AGI). Neinvestují do hardcorové generativní biologie. Pokud se GPT-4 zeptáš na strukturu proteinu, odpoví ti skvěle, ale jen proto, že načetl miliony vědeckých článků z Wikipedie a PubMed. Sám o sobě nedokáže DNA molekulu 3D nasimulovat nebo vymyslet novou.

Biologický zdrojový kód (DNA a proteiny) ovládají úplně jiní hráči. Zde jsou ti, kteří drží pomyslné "kompilátory" pro život:

1. DeepMind (Google) – Nezpochybnitelný král

DeepMind je laboratoř Googlu, která se na rozdíl od OpenAI nesoustředí tolik na chatování, ale na fundamentální přírodní vědy.

• AlphaFold 3 (a starší verze): Tohle je pravděpodobně nejdůležitější AI model tohoto století (vynesl jim Nobelovu cenu). AlphaFold nedoplňuje text. Vložíš do něj jednorozměrnou sekvenci písmen (kód proteinu) a on matematicky spočítá, jak přesně se ten protein fyzicky zmačká do složitého 3D tvaru. Tvar určuje funkci – a DeepMind dokázal vyřešit tento "folding problem", se kterým si biologové lámali hlavu 50 let, u v podstatě všech známých proteinů na Zemi.

• Nedávno navíc uvolnili model, který predikuje, jak se k sobě vážou molekuly DNA, RNA a malé chemické látky (klíčové pro vývoj nových léků).

2. Meta (Facebook) – ESM (Evolutionary Scale Modeling)

Meta (přesněji tým kolem Yanna LeCuna) vzala architekturu Transformeru (stejnou, na které běží LLM jako Llama) a nasypala do ní miliony proteinových sekvencí místo anglických vět.

• Výsledkem je ESMFold a další verze z rodiny ESM.

• Tento model nečte slova, učí se "jazyk" aminokyselin. Našel vztahy a logiku v tom, jak příroda skládá proteiny u stovek milionů organismů (dokonce i z metagenomiky bakterií z půdy a oceánů). Jsou schopni predikovat obří struktury extrémně rychle. Meta velkou část tohoto výzkumu open-sourcuje, takže si to biologové mohou pouštět lokálně.

3. Inception, Profluent a specializované AI startupy

Zatímco Google a Meta analyzují to, co existuje, nové firmy se soustředí na Generative Biology (psaní nového kódu).

• Startup Profluent nedávno zaujal tím, že natrénoval jazykový model na CRISPR-Cas systémech (to jsou genetické nůžky, kterými umíme stříhat DNA). Model "OpenCRISPR-1" z nuly vygeneroval funkční editory DNA, které v přírodě nikdy neexistovaly. Sám napsal kód pro genetický editor a v laboratoři se potvrdilo, že to skutečně stříhá lidskou DNA bez chyb.

• Instituce jako Argonne National Lab vytvořily model GenSLMs – jazykový model trénovaný výhradně na milionech sekvencí koronaviru. Neříkali mu, jak viry fungují, jen mu dali číst jejich kód. Model se naučil předvídat, jakými směry bude virus mutovat do dalších generací dřív, než ty mutace fyzicky vznikly v populaci.

Shrnutí

Zatímco OpenAI a Anthropic staví "lidskou mysl" (frontend, uživatelské rozhraní intelektu), DeepMind a Meta rozebírají "backend" a zdrojový kód samotné biologické mašiny. I když všichni používají podobnou vektorovou matematiku, jejich tréninková data (věty vs. chemické báze) z nich dělají mistry naprosto odlišných vesmírů.

Kohy: Překvapuje mě, že tak mocný nástroj je dostupný veřejnosti. Copak není obava, že někdo vytvoří například etnicky selektivní vir?

Tohle je absolutně nejostřejší debata v celém světě "bio-AI", a tvoje intuice míří přesně na ten nejhorší možný scénář. Ta obava nejenže existuje, ale je to jedna z mála hrozeb, kvůli které výzkumníci a tajné služby nespí.

Zde je realita toho, co veřejně dostupné modely umí, a kde leží to úzké hrdlo, které nás zatím chrání před vytvořením selektivního viru v garáži:

1. Co open-source modely aktuálně umí (a proč byly uvolněny)

Když Meta vypustila své biologické modely nebo když startupy vydávají nové CRISPR editory, mají k tomu silný argument: rychlost vědeckého pokroku. Kdyby si každý držel modely pod zámkem, vývoj léků proti rakovině nebo enzymů požírajících mikroplasty by se zpomalil o desítky let.

Modely jako AlphaFold (který je dostupný přes API pro vědce) nebo ESM od Mety umí "jen" strukturovat proteiny. Můžeš díky nim pochopit stavbu viru, ale modely samotné nemají v sobě zakódované tlačítko "vygeneruj mi zbraň". Jsou to architektonické programy, ne generátory virů.

2. Etnicky specifický virus (Biologická realita vs. Sci-fi)

Vytvořit vir, který by zabíjel pouze lidi se specifickým genetickým kódem (např. určitou haploskupinou), je inženýrský cíl obrovské komplexity.

Nejde o to napsat jen sekvenci, která by "našla" správnou DNA. Problém je, že cílový lidský genom se prolíná. Fyzikální interakce v živém organismu (imunitní systém, zánětlivé reakce) jsou natolik chaotické, že i kdybys takový virus nasimuloval, hrozí tzv. "spillover" (přelití) – virus během prvních pár set nakažených v reálném světě zmutuje a začne zabíjet i samotného tvůrce.

I s nejlepší umělou inteligencí je tedy tvorba absolutně selektivní biologické zbraně na hranici fyzikálních možností dnešní virologie.

3. Záchranná brzda (Kde narazíš na zeď)

Přesto se tajné služby bojí. Pokud by se někomu podařilo vygenerovat v AI smrtelný kód pro super-chřipku (ne nutně selektivní), kde by to ztroskotalo? Naštěstí máme fyzické úzké hrdlo (tzv. chokepoint):

Syntéza DNA.

I když ti neuronová síť vyplivne na monitor dokonalý kód GATC, ty ten kód potřebuješ "vytisknout" do fyzické molekuly, abys mohl vir vypěstovat.

Na světě je jen několik málo specializovaných komerčních firem, které umí tisknout DNA na zakázku. A všechny tyto firmy používají masivní, mezinárodně sdílené Guardrails. Když jim pošleš do objednávkového formuláře sekvenci k vytisknutí, jejich software (mimochodem často poháněný AI) tu sekvenci oskenuje. Pokud v ní najde fragmenty eboly, pravých neštovic, antraxu nebo genetické markery těžkých patogenů, systém tvoji objednávku tiše stornuje a okamžitě posílá logovací data FBI, Interpolu a dalším složkám.

4. Temný scénář budoucnosti

Ten strach se netýká dneška, ale toho, co přijde za 5 až 10 let:

• Stolní DNA tiskárny: Obrovské riziko nastane, až technologie tisku DNA zlevní natolik, že si budeš moct koupit biologickou tiskárnu do laboratoře (nebo garáže) a objednávat jen základní "cartridge" (čisté nukleotidy). Tím obejdeš ten kontrolní uzel komerčních dodavatelů.

• Dual-use AI: Objevují se studie, kde výzkumníci použili model trénovaný na návrh netoxických léků, a jednoduše změnili v promptu parametr toxicity na high. Model za pár hodin vygeneroval desítky tisíc molekul, které byly neznámé, ale strukturně podobné smrtícímu nervovému plynu VX. Výzkumníci ty výsledky samozřejmě nezveřejnili, ale demonstrovalo to, že "lék" a "zbraň" leží ve vektorovém prostoru často jen pár milimetrů od sebe.

Regulátoři dnes řeší, jak omezit přístup k hardwaru (tiskárnám) a jak donutit vývojáře (jako jsou ti v OpenAI nebo Anthropicu), aby nedali veřejnosti model, který je vycvičen v tzv. "CBRN" oblastech (Chemical, Biological, Radiological, Nuclear). Sám víš, jak to s průrazem těch bezpečnostních filtrů u LLM dopadá – hrubá síla a chytrý přesah přes tokeny dokáže tyhle zdi často probourat.

Kohy:  Znám pravidla pro GMO. Registraci v česku podléhají všichni co s takovým organizmem pracují. Svět to má zdá se jinak.

Máš naprostou pravdu, v tomhle ohledu žijeme ve dvou různých světech. Česká republika a celá Evropská unie mají k práci s geneticky modifikovanými organismy (GMO) jeden z nejpřísnějších, dalo by se říct až byrokraticky nejopatrnějších přístupů na planetě. A ten kontrast s tím, co se děje ve Státech nebo v Číně, je fascinující a zároveň trochu děsivý.

Evropský a český model: Princip předběžné opatrnosti

U nás a v celé EU vládne tzv. Princip předběžné opatrnosti (Precautionary Principle).

Znamená to zjednodušeně: Dokaž, že je to stoprocentně bezpečné, ještě předtím, než to vypustíš ven nebo použiješ v praxi.

• Plošná evidence: Jak jsi zmínil, pokud v ČR jen sekvenuješ specifické kmeny, nakládáš s transgenními bakteriemi v uzavřené laboratoři nebo vytváříš nový rekombinantní kmen, musíš být v registru MŽP (Ministerstva životního prostředí).

• Přísnost na metodu, ne jen na výsledek: EU má historicky (zhruba od roku 2001, pak s klíčovým rozhodnutím Evropského soudního dvora v roce 2018) obrovský problém s tím, jak věc vznikla. Podle evropských soudů i moderní editace genů jako CRISPR-Cas9 (kdy se nevkládá cizí DNA, ale jen se přesně vypne/upraví jeden gen) spadá pod přísnou GMO direktivu. Evropa tedy nezkoumá jen to, co z toho vzešlo, ale penalizuje samotnou technologii.

• Malá vsuvka: Letos (2026) se sice pravidla v EU ohledně nových genomických technik (NGT) postupně uvolňují, zejména pro zemědělství, ale ten konzervativní základ tam stále pevně drží.

Americký model: Produkt, ne metoda

Ve Spojených státech k tomu historicky přistupují z úplně jiného konce – nezajímá je, jak jsi to udělal, zajímá je, jestli ten finální produkt je nebezpečný (Product-based regulation).

• Pokud pomocí CRISPRu "pouze" vypneš gen v pšenici, aby nerezavěla, a nevložíš tam DNA z cizího organismu (třeba z bakterie), tak americké ministerstvo zemědělství (USDA) dlouhou dobu říkalo: "Fajn, to není GMO, to je v podstatě jen zrychlené křížení. Zasaď si to."

• Biologičtí hackeři a bio-startupová kultura tam díky tomu mohou fungovat s výrazně menším papírováním v raných fázích výzkumu. Systém je postavený tak, že tě klepnou přes prsty, až když se něco hmatatelného stane (nebo před ostrým klinickým nasazením přes FDA), ale na samotný základní výzkum s upravenými organismy jsou pravidla mnohem volnější.

Čína: Absolutní rychlost (a průšvihy)

Čína bere genetické inženýrství a syntetickou biologii (i ve spojení s AI) jako klíčovou národní strategii, podobně jako vesmírný program.

• V akademické a start-upové sféře tam panoval (a částečně stále panuje) obrovský tlak na rychlost publikací a nasazení před bezpečností.

• Zářným příkladem byl rok 2018, kdy vědec Che Ťien-kchuej oznámil, že pomocí CRISPRu geneticky upravil lidská embrya (dvojčata Lulu a Nana), aby byla odolná vůči HIV. Udělal to bokem, bez pořádného etického schválení. Když to prasklo, celosvětová vědecká komunita se zděsila a Čína ho musela poslat do vězení.

• Od té doby i oni pravidla výrazně zpřísnili, ale ten základní tah na "udělat to první, testovat to později" v tamním ekosystému zůstává.

Evropa s jejím přísným evidováním každého, kdo se dotkne pipety, tak tvoří silný bezpečnostní polštář. Ztrácí tím sice gigantické peníze a inovace (startupy masivně utíkají vyvíjet do USA), ale na druhou stranu – v případě, kdy do biologického výzkumu začíná masivně promlouvat AI schopná generovat nové patogeny, může být tenhle náš byrokratický "brzdařský" přístup nakonec tím, co zamezí nějakému lokálnímu průšvihu s garážovou virologií.

Kohy: U senereplikujícího organismu je průšvich ohraničenej jeho nikou, ne hranicema

To je přesně ten kámen úrazu. U softwaru vytáhneš server ze zásuvky. U GMO to nejde. Průšvih se neřídí hranicemi státu, ale fyzikálními a biologickými mantinely, které ten organismus dokáže přežít (nikou).

A tady narážíme na ten nejšílenější nástroj syntetické biologie, který tohle může teoreticky zneužít: Gene Drive (Genový tah).

Co je to Gene Drive a proč nerespektuje hranice

V běžné přírodě platí Mendelovy zákony dědičnosti. Když máš geneticky upraveného komára (mutanta) a ten se spáří s běžným komárem, šance, že se mutace přenese na potomka, je 50 %. V další generaci se to dál naředí a mutace přirozeně "vyšumí".

Gene Drive je technologie (často postavená na CRISPR), která tenhle přírodní zákon nabourá.

• Je to kus DNA kódu, který se v buňce potomka chová jako aktivní virus.

• Když komár s genovým tahem zplodí potomka s běžným komárem, vložená sekvence CRISPR se u potomka probudí, najde zdravou kopii genu od druhého rodiče, vystřihne ji a zkopíruje tam sebe samu.

• Šance na přenos mutace najednou není 50 %, ale téměř 100 %.

Během několika desítek generací dokáže Gene Drive prohnat celou populací daného druhu specifickou vlastnost (např. imunitu vůči malárii, nebo naopak sterilitu, která celý druh vyhubí).

Nika jako jediné ohraničení

Když takového komára (nebo rostlinu) vypustíš, nepotřebuješ pas. Rozšíří se přesně tam, kam ho pustí jeho biologická nika – teplota, vlhkost, potrava.

• Vypuštění geneticky upravených sterilních komárů v Brazílii (byť to tehdy ještě nebyl plný Gene Drive) snížilo lokální populaci nakažených, ale nikdo nedokázal přesně zaručit, že se ti mutanti nedostanou dál přes džungli.

• Zemědělství: V USA občas unikne upravený pyl z GM plodin a kontaminuje běžná pole o kilometry dál. Nika kukuřice nezná plot.

Pokud by tedy AI někdy pomohla "bio-hackerovi" navrhnout soběstačný organismus s agresivním genovým tahem, regulace Evropské unie by nás nezachránila. Zastavil by ho jen oceán, mráz nebo nedostatek specifické potravy. To je důvod, proč se výzkum Gene Drive drží v laboratořích pod nejpřísnějším fyzickým (nejen legislativním) zámkem – tzv. BSL-3 nebo BSL-4. Změna v DNA je totiž, na rozdíl od kódu v počítači, auto-replikativní a nevratná.