Physical Address
304 North Cardinal St.
Dorchester Center, MA 02124
Per la prima volta, genomi virali completi scritti da un'intelligenza artificiale hanno prodotto batteriofagi funzionanti in laboratorio. Non sono virus che infettano l'uomo, ma il risultato segna un salto: l'AI non si limita più a leggere il codice genetico, inizia a scriverlo. E solleva una domanda diretta: i sistemi di biosecurity crescono alla stessa velocità della biologia generativa?
Lo studio: 285 genomi, 16 fagi funzionanti
I ricercatori hanno usato i modelli Evo 1 ed Evo 2 per progettare nuove versioni del batteriofago ΦX174. Dei 285 genomi sintetizzati chimicamente e testati su Escherichia coli, 16 hanno prodotto fagi attivi, capaci di infettare i batteri.
I numeri chiave del sistema:
- 2.000.000: genomi di fagi usati per addestrare i modelli Evo 1 ed Evo 2
- 15.000: genomi di parenti stretti di ΦX174 usati per il fine-tuning
- 5.400: lettere di DNA nel genoma di ΦX174
- 11: proteine per cui ΦX174 contiene le istruzioni
- 285: genomi progettati dall'AI e testati in laboratorio
- 16: fagi funzionanti ottenuti
ΦX174 è un sistema semplice e molto studiato: infetta un ceppo di E. coli non associato a malattie. L'AI non ha inventato un virus dal nulla, ma ha usato schemi ricavati dalla biologia esistente per generare combinazioni nuove.
Un collegamento tra dati che le fonti presentano separatamente aiuta a calibrare il risultato: l'addestramento dei modelli è avvenuto su 2.000.000 di genomi di fagi, il fine-tuning su 15.000 parenti stretti di ΦX174 e il bersaglio finale è un genoma di 5.400 lettere. La resa va quindi letta dentro una scala di complessità contenuta: un modello esposto a una diversità molto ampia, rifinito su un sottoinsieme ristretto e testato su un sistema biologico semplice.
Il potenziale contro i batteri resistenti
I batteriofagi sono predatori naturali dei batteri e potrebbero diventare un'alternativa agli antibiotici contro i ceppi resistenti. Lo studio ha mostrato che, dopo ripetute esposizioni, sono emersi fagi ibridi in grado di infettare un ceppo di E. coli che respingeva il fago originale.
Il meccanismo è noto: il fago riconosce molecole sulla superficie del batterio, inietta il proprio DNA e usa la cellula per replicarsi, fino a farla esplodere. I fagi non toccano le cellule umane, ed è per questo che la terapia fagica è studiata da tempo contro la resistenza antibiotica. L'AI, in questo caso, non ha progettato direttamente i fagi finali, ma ha generato una popolazione iniziale diversificata, offrendo all'evoluzione più possibilità di adattarsi.
Qui emerge un altro collegamento: i 16 fagi funzionanti, pari al 5,6% dei design testati, non sono solo un dato di resa; sono la popolazione di partenza che, sottoposta a esposizioni ripetute, ha prodotto fagi ibridi. Anche una resa bassa ha quindi generato abbastanza diversità da permettere all'evoluzione di lavorare.
Biosecurity: una difesa a più livelli
Un genoma progettato al computer diventa un rischio biologico solo dopo essere stato trasformato in DNA fisico, assemblato e testato in laboratorio. Ogni passaggio, dal modello AI allo screening del DNA sintetico, è un possibile punto di controllo.
Gli sviluppatori di Evo 2 hanno escluso dai dati di addestramento i virus che infettano esseri umani, animali e piante. Nei test il modello è risultato poco efficace su proteine provenienti da virus umani: un segnale concreto che le restrizioni di training influenzano direttamente le capacità del sistema.
Un altro filtro arriva dalle aziende che producono DNA su ordinazione: possono verificare sia la sequenza richiesta sia chi la ordina. Ma i sistemi di screening costruiti per riconoscere patogeni noti faticano davanti a sequenze davvero nuove. Per questo la ricerca più recente guarda a cosa una sequenza potrebbe fare, non solo a cosa somiglia.
Il 5,6% di successo che cambia il quadro
Dei 285 genomi progettati, 16 hanno funzionato: un tasso di successo del 5,6% (calcolo: 16 ÷ 285, arrotondato). Il calcolo inverso, 285 ÷ 16, dà 17,8: in media servono quasi 18 genomi testati per ottenere un fago funzionante. I design falliti sono 285 meno 16, cioè 269; divisi per 285 danno 94,4%.
Sembra basso, ma il punto non è la resa. È che un'AI può già produrre genomi virali completi che, ricostruiti in laboratorio, risultano vitali.
La maggior parte dei design è fallita, e questo conferma che il passaggio dal computer alla cellula resta un filtro importante. Il doppio uso è concreto: le stesse tecnologie che potrebbero generare fagi contro infezioni resistenti richiedono controlli più sofisticati sul DNA sintetico. Un sistema pensato per riconoscere sequenze note può non vedere una sequenza nuova prodotta da un modello.
Le due fonti citate in calce convergono sui numeri ma divergono sull'accento. La prima colloca il risultato dentro la biosecurity internazionale e insiste sulla necessità che le protezioni crescano insieme alle capacità; la seconda lo interpreta soprattutto come prova di principio per la terapia fagica, evidenziando il salto ancora ampio tra un fago funzionante e una cura. Il confronto non cambia i fatti, ma cambia la domanda: lo stesso esperimento è insieme un avanzamento terapeutico e un test dei controlli.
Per il lettore non specialista, l'implicazione operativa è che il rischio non arriva da un singolo progetto perfetto, ma da popolazioni di tentativi già previste dal metodo. Se oggi servono in media 17,8 genomi testati per un fago funzionante, un controllo pensato per bloccare una sequenza isolata può non intercettare la logica sperimentale fatta di molte varianti. E la resa bassa non è di per sé rassicurante: 16 successi sono bastati per generare fagi ibridi.
La lezione non è che l'AI possa progettare un virus pandemico. È che la scrittura di genomi funzionanti è già iniziata: le protezioni andrebbero decise adesso, mentre la tecnologia è ancora in sviluppo.
Fonti
