Chỉ hôm nay thôi, cả mạng đã tràn ngập câu chuyện về anh chàng hậu 00 này! Cư dân mạng tên Seth Howes này đã sử dụng một máy giải trình tự di động và Claude để độc lập hoàn thành trình tự bộ gen hoàn chỉnh trong phòng khách của mình và lần ra thành công cơ chế gây bệnh của các bệnh tự miễn trong gia đình anh qua nhiều thế hệ.
Với trình giải mã trình tự có kích thước bằng ổ flash USB và một số mô hình AI, Seth Howes, một chàng trai trẻ sinh vào những năm 2000, đã hoàn thành việc giải trình tự bộ gen trong phòng khách của mình và một tay giải quyết bí ẩn về các bệnh tự miễn dịch mà gia đình anh vẫn chưa giải quyết được trong nhiều thập kỷ. Năm 2023, chi phí để hoàn thành toàn bộ chuỗi gen của con người sẽ là 2,7 tỷ USD, nhưng ông chỉ chi 1.100 USD!
Những vấn đề này từng khiến vô số bác sĩ lâm sàng bối rối.
Trước đây chưa có bác sĩ lâm sàng nào có thể giải thích được các cơ chế này. Sau hơn mười năm điều trị và vô số lần đến bệnh viện, cuối cùng câu trả lời đã được tìm thấy trong phòng khách của chính tôi.
Thí nghiệm này gây chấn động đến mức giới công nghệ sinh học đã bùng nổ!
Mô hình lớn của Claude thực sự biến việc giải trình tự gen từ một hoạt động đòi hỏi nhiều vốn thành một công cụ cá nhân.
Địa điểm nghiên cứu sinh học không còn là một cỗ máy đắt tiền trong phòng thí nghiệm hàng đầu, cũng không phải là một nền tảng công cộng trong trường y, mà là trong chính phòng khách của bạn!
Lab trên bàn, Bao gồm mô-đun gia nhiệt, máy lắc xoáy, máy ly tâm mini, pipet, MinION
Bây giờ, bài đăng này đã gây xôn xao khắp Internet.
Những người đã thực hiện các thí nghiệm trong phòng thí nghiệm trong mười năm đều cảm động nói: Bạn thật chuyên nghiệp.
Những người nghiên cứu di truyền nói rằng dự án giải trình tự bộ gen này phù hợp với phạm vi nghiên cứu của họ.
Một bệnh nhân có khối u cho biết thí nghiệm này có ý nghĩa rất lớn.
Có thể nói đây là một hành động DIY có thể gây chấn động toàn bộ sinh quyển: kể từ đó, nghiên cứu sinh học đã phá vỡ thế độc quyền của các tổ chức và hoàn toàn bước vào kỷ nguyên của các cá nhân!
Anh ấy hy vọng sẽ lấy lại được quyền quyết định của cuộc sống sau nỗi đau
Seth Howes là một cựu kỹ sư exolabs và có bằng MD từ Oxford và bằng tiến sĩ về học máy tại Imperial College.
Nghiên cứu của Seth không bắt nguồn từ sở thích học thuật mà từ áp lực di truyền nặng nề của gia đình.
Gia đình anh từ lâu có nguy cơ cao mắc các bệnh tự miễn.
Trong khi anh đang tiến hành thí nghiệm, em gái anh, chưa đầy 40 tuổi, đã bị tổn thương gan nặng do bệnh tật. Sau hai năm chờ đợi, rất khó tìm được nguồn gan để phẫu thuật.
“Tôi không hề ảo tưởng về việc chữa khỏi căn bệnh mãn tính của gia đình mình, nhưng tôi thực sự muốn hiểu tại sao cơ thể chúng ta cứ ăn thịt chính mình từ thế hệ này sang thế hệ khác thế hệ?”
Chính sự tò mò về quy tắc cơ bản của cuộc sống, cùng với việc theo đuổi quyền riêng tư dữ liệu, đã thôi thúc anh quyết định xây dựng một bàn làm việc "bàu thuốc kỹ thuật số" trong phòng khách của mình.
Sau cùng, theo quan điểm của anh ấy, “dữ liệu riêng tư nhất của bạn không bao giờ được rời khỏi nhà bạn”.
Công nghệ lõi đen: hỗ trợ theo cấp số nhân của AI
Trước đây, giải trình tự toàn bộ bộ gen là giải pháp độc quyền của các phòng thí nghiệm lớn và thường tiêu tốn hàng trăm nghìn đô la.
Mấu chốt thành công của Seth lần này nằm ở sự phù hộ của ba nguyên tố.
Phần cứng: "Gene Reader" trong túi của bạn
Trước hết, về phần cứng, anh ấy đã sử dụng trình sắp xếp chuỗi Oxford Nanopore MinION.
Thứ này chỉ có kích thước bằng ổ flash USB và có thể được cắm vào máy tính để đọc chuỗi DNA.
Một vài năm trước, điều tương tự sẽ đòi hỏi một trình sắp xếp Illumina lấp đầy phòng, một nhóm tận tâm và ngân sách sáu con số.
Giờ đây, thiết bị này chỉ có kích thước bằng một cục sạc dự phòng nhưng chứa khoảng 2.000 nanopores (đường kính chỉ 1 nanomet). Khi các đoạn DNA đi qua các lỗ này, những thay đổi vi dòng gây ra sẽ được ghi lại và chuyển thành mã di truyền.
Nó giúp giảm chi phí giải trình tự từ hàng trăm nghìn đô la xuống mức 1.000 USD và thậm chí có thể giảm xuống 100 USD trong tương lai.
Có thể nói, MinION đã chuyển đổi hoạt động “đọc DNA” từ một hoạt động sử dụng nhiều vốn thành khả năng dựa trên công cụ.
Giống như máy in 3D chuyển "sản xuất" từ nhà máy sang máy tính để bàn, MinION chuyển "trình tự" từ phòng thí nghiệm sang phòng khách.
Mô hình AI: Từ "đọc mã" đến "hiểu chức năng"
Nhưng trong thử nghiệm, chỉ đọc 4 căn cứ A, T, C, và G.
3 tỷ cặp dữ liệu thô cơ bản đang ở trước mặt bạn. Nếu bạn không biết ý nghĩa của chúng thì đó chỉ là một loạt các chữ cái.
Đây là lúc AI phát huy tác dụng. Trong các thí nghiệm, hai mô hình chính đã được sử dụng.
Đầu tiên là Evo2.
Đây là mô hình bộ gen cơ bản do Viện Arc phát triển, với thang đo tham số là 7 tỷ và được đào tạo dựa trên dữ liệu bộ gen của hơn 120.000 loài trên khắp thế giới. Những gì nó có thể làm là: đưa ra một chuỗi DNA, dự đoán chức năng sinh học của chuỗi này.
Chắc hẳn bạn đã nhận ra - đây là phiên bản sinh học của GPT!
GPT hiểu ngôn ngữ con người và Evo2 hiểu ngôn ngữ cuộc sống. Sự khác biệt là cuốn sách Evo2 đọc dài 3 tỷ chữ cái.
Cái thứ hai là AlphaGenome.
Được sản xuất bởi Google DeepMind, chuyên dự đoán chức năng bộ gen. Nó không chỉ cho bạn biết "DNA này mã hóa protein gì" mà còn dự đoán "tác động của một đột biến ở vị trí này đến sự biểu hiện gen và cấu trúc nhiễm sắc thể".
Từ "đọc DNA" đến "hiểu chức năng DNA", bước nhảy vọt này từng khiến toàn bộ phòng thí nghiệm sinh học phân tử phải mất vài tháng để xác minh. Bây giờ, một mô hình có thể chạy chỉ trong vài giờ và sẽ có kết quả.
Giao diện đơn giản hóa: mô hình lớn trở thành "trợ lý phòng thí nghiệm"
Nói về điều này, chi tiết đáng ngạc nhiên nhất trong toàn bộ sự việc không phải là trình sắp xếp chuỗi hay mô hình bộ gen, mà là Claude.
Seth đã sử dụng Claude để tạo tệp BED trong quá trình hoạt động. Tệp
BED là định dạng dữ liệu tiêu chuẩn cho bộ gen, ghi lại thông tin tọa độ của các vùng cụ thể trên bộ gen. Trước đây, việc viết loại file này đòi hỏi những chuyên gia am hiểu tin sinh học phải viết thủ công hoặc sử dụng các công cụ dòng lệnh chuyên dụng.
Cách tiếp cận hiện tại là sử dụng ngôn ngữ tự nhiên để yêu cầu Claude "tạo một tệp BED để tôi bao gồm các vùng gen này" và nó sẽ được tạo ra.
Các hoạt động sinh học đã được giao diện ngôn ngữ đảm nhiệm.
Kỷ nguyên của các phòng thí nghiệm cá nhân đã đến
Giờ đây, quá trình dân chủ hóa phần cứng (MinION), sự cải thiện theo cấp số nhân về hiểu biết của AI (Evo2 + AlphaGenome) và việc loại bỏ các rào cản vận hành bằng giao diện ngôn ngữ (Claude) trực tiếp tạo thành một chuỗi chuyển đổi mô hình hoàn chỉnh.
Chỉ mỗi liên kết không phải là tin tức. Nhưng khi ba chiếc nhẫn đóng lại cùng lúc thì đã xảy ra sự cố!
Một chàng trai trẻ tò mò đã giải đáp được bí ẩn trong phòng khách của mình mà các bác sĩ lâm sàng đã trốn tránh hơn mười năm.
Tác động của sự việc này không phải là câu chuyện cá nhân của Seth đã trở thành huyền thoại mà là nó bộc lộ một đường cong tăng tốc.
Quỹ đạo đi xuống của chi phí giải trình tự thậm chí còn nghiêm trọng hơn Định luật Moore.
Năm 2003, chi phí để hoàn thành trình tự bộ gen của con người là 2,7 tỷ USD. Năm 2007 con số này giảm xuống còn 10 triệu. Nó giảm xuống còn 1.000 USD vào năm 2014. Vào năm 2024, một số nền tảng sẽ có thể đạt được mức giá dưới 200 USD.
Mục tiêu tiếp theo là 100 USD.
Độ dốc của đường cong này có nghĩa là trong tương lai không xa, việc giải trình tự bộ gen của chính bạn có thể tốn ít chi phí hơn một cuộc khám sức khỏe toàn diện.
Phản ứng đầu tiên của nhiều người là: Đây không phải chỉ là một dự án sở thích của những người đam mê công nghệ sao? Ai trong số những người bình thường sẽ kiểm tra bộ gen của họ ở nhà?
Nhưng hãy nghĩ lại, vào năm 2010, có bao nhiêu người nghĩ rằng “người bình thường sẽ sử dụng máy in 3D ở nhà”?
Mỗi khi chuỗi công cụ được đóng lại, khoảng thời gian từ đồ chơi đam mê đến ứng dụng đại chúng sẽ được rút ngắn lại. Khoảng thời gian này có thể ngắn hơn vì động lực đằng sau nó là nhu cầu cứng nhắc.
Ghi chép thí nghiệm trong phòng khách: Làm thế nào để “đọc” DNA của chính mình tại nhà?
Quy trình vận hành hoàn chỉnh do Seth công bố cho thấy ngoài pipet chính xác, nhiều thiết bị trong phòng thí nghiệm của anh đều là đồ cũ từ eBay hoặc AliExpress.
Trong giai đoạn chiết mẫu, anh ấy không lấy máu phức tạp mà dùng tăm bông vô trùng xoa vào bên trong má. Ông thu được khoảng 5-7 microgram DNA chỉ với một miếng gạc, vượt xa mức 1 microgram cần thiết cho thí nghiệm.
Lấy mẫu thích ứng là tính năng nổi bật của MinION.
Seth sử dụng phần mềm điều khiển để cho phép trình sắp xếp chuỗi thực hiện "sàng lọc sơ bộ" khi đọc 500 base đầu tiên của mỗi đoạn: nếu đó là gen liên quan đến miễn dịch mà anh ấy quan tâm, anh ấy sẽ tiếp tục đọc; nếu không, anh ta sẽ đảo ngược điện áp để “nhổ” sợi DNA ra và thay thế bằng sợi tiếp theo.
Vài phút sau khi quá trình chạy bắt đầu, trạng thái hoạt động của lỗ nano trên bảng điều khiển MinKNOW
Trong quá trình này, anh ấy đã sử dụng máy Mac của chip M3 The Ultra Studio thực hiện nhận dạng cơ sở theo thời gian thực và sử dụng DGX Spark của NVIDIA để tăng tốc độ phân tích và đảm bảo sức mạnh tính toán.
Sinh học không còn là một cá thể nữa độc quyền
Vào những năm 1970, máy tính là sản phẩm dành riêng cho các tổ chức lớn, sau đó máy tính cá nhân xuất hiện và sau đó là Internet xuất hiện.
Sinh học cũng đi theo con đường tương tự.
Trình sắp xếp chuỗi là một máy tính cá nhân, mô hình cơ bản của bộ gen là hệ điều hành và Claude là giao diện người dùng. Khi cả ba lớp được đặt đồng thời, “khoảnh khắc PC” của sinh học sẽ đến.
Buổi chiều khi Seth hoàn thành việc giải trình tự bộ gen trong phòng khách có thể là khung hình đầu tiên của khoảnh khắc này.
10 năm sau nhìn lại, 2026 có lẽ sẽ là một bước ngoặt.
Ý nghĩa của thí nghiệm này còn hơn cả chiến thắng của một người đam mê kỹ thuật. Nó đánh dấu rằng nghiên cứu sinh học đang trải qua một sự thay đổi mô hình từ độc quyền thể chế sang chế độ DIY cá nhân.
Khi các hoạt động sinh học phức tạp được AI đơn giản hóa thành các cuộc hội thoại bằng ngôn ngữ và khi các công cụ đắt tiền trở nên hợp túi tiền của mọi người, những người bình thường sẽ có thể tích cực phân tích logic cơ bản của cuộc sống.
Như Seth đã nói, anh ấy tìm thấy niềm vui khi còn nhỏ khi chơi với máy tính khi chơi với các mạch di truyền. “Tinh thần đam mê” này đang mở ra một kỷ nguyên mới.
Tiếp theo AI sẽ tạo ra bao nhiêu điều kỳ diệu nữa?