Studija koju su vodili Ben Lehner i kolege sustavno je mutirala gotovo svaki nukleotid u dobro proučenom genomu bakteriofaga ΦX174, otkrivajući značajne praznine u razumijevanju učinaka mutacija unatoč opsežnom prethodnom istraživanju. Više od 44.000 varijanti testirano je uzgajanjem Escherichia coli kako bi se procijenila njihova održivost, otkrivajući da je više od polovice mutacija jednog nukleotida i 60% promjena aminokiselina štetno. Iako su neke mutacije neočekivano poboljšale sposobnost virusa, napredni modeli umjetne inteligencije nisu uspjeli točno predvidjeti većinu ishoda, naglašavajući potrebu za robusnijim eksperimentalnim podacima za poboljšanje bioloških alata umjetne inteligencije.
Procjena pristranosti (Sredina): Članak predstavlja znanstvene nalaze bez otvorenih ideoloških okvira. Razgovara o tehničkim ograničenjima umjetne inteligencije u predviđanju učinaka mutacija i naglašava potrebu za boljim podacima, bez zauzimanja stranačkog stava.





.jpg&w=3840&q=75&output=webp&we)