L'IA generativa ha raggiunto un traguardo che i ricercatori attendevano da anni. Scienziati della Stanford University e dell'Arc Institute hanno utilizzato con successo l'IA per progettare genomi virali completi da zero, con 16 di quei progetti confermati come virus completamente funzionali, biologicamente attivi e capaci di infettare i batteri.

Secondo un preprint pubblicato su bioRxiv il 12 settembre 2025, si tratta della prima volta che l'IA generativa ha prodotto genomi virali funzionanti in modo end-to-end. I virus in questione sono batteriofagi — virus che colpiscono i batteri, non gli esseri umani.

Come sono stati costruiti i fagi progettati dall'IA

Il team di ricerca, guidato da Brian Hie della Stanford con collaboratori dell'Arc Institute, NVIDIA e UC Berkeley, ha impiegato modelli linguistici genomici noti come Evo 1 ed Evo 2. Invece di prevedere la parola successiva in una sequenza di testo, questi modelli prevedono la coppia di basi successiva in una sequenza di DNA. Questo approccio riprende l'architettura transformer alla base dei grandi modelli linguistici come quelli che alimentano ChatGPT, ma applicata all'alfabeto di quattro caratteri del DNA — A, C, G e T.

Utilizzando l'architettura di ΦX174 — un batteriofago naturalmente presente che infetta l'E. coli — il team ha generato 302 genomi fagici candidati. Di questi candidati, 16 sono stati verificati sperimentalmente come in grado di assemblarsi in virus viability capaci di infettare e lisare i batteri E. coli.

Diverse varianti progettate dall'IA hanno dimostrato vantaggi di replicazione fino a 65 volte superiori rispetto al modello naturale. I ricercatori hanno inoltre valutato questi fagi in terapie cocktail contro ceppi batterici antibiotico-resistenti, dove hanno mostrato un'efficacia significativa.

L'antibiotico-resistenza come fattore trainante

L'antibiotico-resistenza rimane una delle crisi più urgenti ma meno riconosciute a livello globale nel settore sanitario. L'Organizzazione Mondiale della Sanità ha identificato la resistenza antimicrobica come una delle dieci principali minacce per la salute pubblica globale, con le infezioni da farmaci resistenti che contribuiscono a milioni di morti ogni anno. La terapia fagica, che utilizza virus per eliminare batteri specifici, esiste come concetto fin dai primi del Novecento ed era ampiamente diffusa in alcune parti dell'Unione Sovietica prima dell'era degli antibiotici. Tuttavia, non ha mai raggiunto una diffusione clinica su larga scala nella medicina occidentale, principalmente perché progettare il fago appropriato per un determinato ceppo batterico è un processo laborioso e che richiede molto tempo. Un numero limitato di casi di terapia fagica è stato trattato in base alle disposizioni di uso compassionevole della FDA, ma una progettazione fagica scalabile e su richiesta è rimasta finora fuori portata.

I modelli Evo sono stati addestrati su vasti set di dati genetici comprendenti trilioni di coppie di basi di DNA, basandosi su lavori precedenti introdotti nel 2024. Il fago naturale ΦX174 ha un genoma di circa 5.386 coppie di basi — eccezionalmente piccolo secondo gli standard biologici.

Considerazioni sulla biosecurity

I 16 fagi funzionali sono stati progettati all'interno dei parametri di un modello naturale noto e colpiscono specificamente l'E. coli. I ricercatori hanno sottolineato che non stavano creando nuovi agenti patogeni pandemici. Ciononostante, la capacità sottostante — un modello in grado di costruire macchinari virali funzionanti — solleva questioni di governance che meritano un'attenta discussione man mano che la tecnologia progredisce. La natura a duplice uso dei modelli generativi su scala genomico colloca questo lavoro all'interno di un dialogo politico in corso sui quadri di supervisione per sistemi di IA capaci di progettare entità biologiche, un tema che ha attirato l'attenzione sia delle agenzie statunitensi di biosecurity che degli organismi di governance internazionali.

La partecipazione di NVIDIA alla collaborazione è degna di nota anche per chi segue le tendenze degli investimenti nelle infrastrutture di IA. La modellazione genomica a questa scala richiede notevoli risorse computazionali e il settore delle scienze della vita è emerso come un importante dominio di applicazione per i cluster di GPU ad alte prestazioni. Il lavoro segue una traiettoria più ampia in cui la biologia guidata dall'IA — da AlphaFold di DeepMind per la previsione della struttura delle proteine ai modelli linguistici su intero genoma — è diventata una delle frontiere più intensive dal punto di vista computazionale e commercialmente più consequenziali nell'IA applicata.