JultikaUniversity of Oulu repository

Tiivistelmä

Synteettinen biologia tarkoittaa biologisten järjestelmien tutkimusta keinotekoisten organismien avulla. Synteettisen biologian ala on alkuajoistaan lähtien kärsinyt orgaanisten järjestelmiensä vaatimien standardoitujen komponenttien puutteellisesta tuntemuksesta sekä niiden luomisen korkeista kustannuksista. Ongelmaa on kuitenkin ajan kuluessa helpottanut biologian ja tietotekniikan alojen lisääntynyt yhteensovittaminen sekä tietolaitteiden laskentatehon nopea kasvu. Tämä on luonut pohjan myös esimerkiksi korkean suorituskyvyn sekvensointimenetelmille ja tekoälypohjaisille tehokkaille työkaluille.

Synteettinen biologia on hyötynyt merkittävästi tekoälyn laajamittaisesta käyttöönotosta ja sen tuomista mahdollisuuksista useissa biologian sekä synteettisen biologian alojen sovelluksissa. Tekoäly on mahdollistanut esimerkiksi biomolekyylien rakenteiden ja vuorovaikutuksien perinpohjaisemman selvittämisen sekä synteettisten biokomponenttien tehokkaamman suunnittelun ja luomisen. Esimerkiksi kohdespesifisten synteettisten proteiinien luominen on jo mahdollista. Synteettisiä geenejä ja niiden säätelyalueita kyetään rakentamaan proteiinisynteesin hallitsemiseksi. Myös kokonaisten geenipiirien ja yksinkertaisten genomien suunnittelu on mahdollista esimerkiksi uudenlaisten protosolujen, eli yksinkertaistettujen synteettisten organismien toteuttamista varten. Tämän kehityksen ansiosta pystymme luomaan entistä monimutkaisempia synteettisen biologian järjestelmiä biologisten prosessien ymmärtämisen parantamiseksi sekä niiden hyödyntämiseksi esimerkiksi lääketieteen tai bioteollisuuden tarpeisiin.

Synteettisen biologian alalla on kuitenkin edelleen suuria haasteita tekoälyn täysimittaisen potentiaalin hyödyntämisessä. Tietoteknisten standardien yhteensovittaminen synteettisen biologian prosessien ja järjestelmien kanssa vaatii edelleen paljon työtä. Tekoälymallien koulutusta varten tarvitaan riittävästi laadukasta dataa. Tekoälytyökalut sekä niiden paljastamien yhä monimutkaisempien kokonaisuuksien käsittely ja ymmärtäminen voi vaatia entistä enemmän resursseja sekä organisaatio- että yksilötasolla. Etenkin syväoppivien tekoälymallien seurauksena tutkimuskohteisiin liittyvien ongelmien ulottuvuudet sekä niiden vaatima laskentateho voi kasvaa merkittävästi. Teknisten haasteiden lisäksi myös yhteiskunnalliset haasteet ovat merkittäviä. Synteettisen biologian ja tekoälyn herättämät eettiset kysymykset aiheuttavat yhä enemmän julkista keskustelua. Kansainvälinen lainsäädäntö ja yhteiset standardit ovatkin keskeisessä asemassa näiden voimakkaiden tieteenalojen hallitun kehittämisen takaamiseksi.