FIND研究員：李啟榮 
基因改造技術可以藉由修改DNA去蕪存菁，來達到一勞永逸、不再被基因缺陷和罕見疾病所困擾；但早期的基改技術除了有嚴苛的技術挑戰，還有衍生的道德爭議，往往只能採取較為保守、低風險的方式來改良基因。
現在，隨著生成式人工智慧（Generative AI）的發展，AI可以快速運算大量的遺傳因子，將優良的遺傳因子以演算法進行最佳化排列組合，並在某種程度上減少人為失誤和風險，讓基改工程比以往更安全、更順暢。
技術發展背景
基因改造常利用一種叫做「CRISPR」的酵素，這種酵素就像剪刀一樣，可以切開DNA，移除不良的遺傳因子，並植入優良的遺傳因子。利用CRISPR酵素改造基因的方式，不但應用在先天遺傳疾病防治上，更進一步套用在基改作物（GMO）的開發，讓食物更為美味、更能抵抗病蟲害（Bloom, 2023）。
生成式AI早期也用於藥物開發上，例如癌症標靶治療、免疫力提升，之後更進一步導入到基因分析，以AI判讀和識別不良基因及其帶來的影響，並提供基因改良、罕病防治等建議。除了能一勞永逸解決較輕度的基因缺陷，也能減緩先天罕病對於治療和照護的負擔，讓罕病可獲得顯著控制。
技術介紹與應用現況
位於美國加州柏克萊的新創團隊「Profluent」，利用AI演算的結果，設計出一種「OpenCRISPR-1」的酵素；該團隊經過實驗後指出，在裁剪特定遺傳因子的準確性上，可比以往方式減少95%的失誤率（Franco, 2024），一方面提升基因改造的準確性，另一方面也能減少對基因完整性的破壞。
另外，在一篇於《自然》期刊所發表的專題文章中（Callaway, 2024），引述了Profluent團隊的AI專家馬達尼（Ali Madani）的研究，馬達尼所屬的Profluent團隊利用類似ChatGPT聊天機器人的方式，設計了「ProGen」資料模型，並從上百萬個基因序列中挑選200多個良性基因序列，且成功植入預定部署的染色體節點上。
未來展望/挑戰
基改與生成式AI一樣是兩面刃，全取決於使用者一念之間，若使用得當就有益於促進人類健康、減少罕病困擾（Metz, 2024）；若以AI進行基改的濫用，就像是打開潘朵拉的盒子一樣，釀成一發不可收拾的後果。
因此，以生成式AI來進行基改，除了需要醫學團隊和資料科學團隊的通力合作和專業操作外，更需要有道德約束和風險承擔，讓AI基改不會像AI被「資料下毒（Data poisoning）」一樣，基改改出了一個科學怪人，違背了用AI運算來改良基因的初衷。
封面圖片來源: 123RF
參考資料來源:
1.Bloom, D. (2023, February). 5 ways CRISPR gene editing is shaping the future of food and health. Retrieved from World Economic Forum: https://www.weforum.org/agenda/2024/04/crispr-gene-editing-better-world/
2.Callaway, E. (2024, May 9). 'ChatGPT for CRISPR' creates new gene-editing tools. Nature, 629(8011), p. 272. Retrieved from https://www.nature.com/articles/d41586-024-01243-w
3.Franco, M. (2024, April 24). AI-designed gene editing tools successfully modify human DNA. Retrieved from New Atlas: https://newatlas.com/biology/ai-gene-editing-profluent/
4.Metz, C. (2024, April 22). Generative A.I. Arrives in the Gene Editing World of CRISPR. Retrieved from New York Times: https://www.nytimes.com/2024/04/22/technology/generative-ai-gene-editing-crispr.html
