AI zaprojektowało funkcjonalne genomy wirusowe od podstaw: 16 okazało się wykonalnych w badaniu Stanford–Arc Institute
Najważniejsze informacje
- •Naukowcy ze Stanford i Arc Institute wykorzystali modele językowe genomu AI do zaprojektowania kompletnych genomów wirusowych, a 16 z 302 kandydatów potwierdzono jako funkcjonalne bakteriofagi zdolne do infekowania i niszczenia bakterii E. coli.
- •Kilka wariantów fagów zaprojektowanych przez AI osiągnęło przewagę replikacyjną nawet 65 razy względem naturalnego wzorca ΦX174 i wykazało znaczną skuteczność wobec szczepów opornych na antybiotyki w terapiach koktajlowych.
- •Modele Evo 1 i Evo 2 stosują architekturę transformerów do sekwencji DNA, przewidując kolejną parę zasad w czteroznakowym alfabecie genetycznym zamiast tokenów tekstu, jak klasyczne duże modele językowe.
- •Udział NVIDIA w projekcie podkreśla rosnące zapotrzebowanie obliczeniowe AI w genomice, a nauki biologiczne stają się ważnym obszarem zastosowań dla infrastruktury GPU o wysokiej wydajności.
- •Dwuznaczny, podwójnego zastosowania charakter generatywnych modeli na skalę genomu zwraca uwagę amerykańskich agencji biosecurity i międzynarodowych organów nadzorczych, wywołując dyskusje o ramach nadzoru nad systemami AI zdolnymi do projektowania bytów biologicznych.
Generatywna AI osiągnęła kamień milowy, którego badacze oczekiwali od lat. Naukowcy ze Stanford University i Arc Institute z powodzeniem wykorzystali AI do zaprojektowania kompletnych genomów wirusowych od podstaw, a 16 z tych projektów okazało się w pełni funkcjonalnymi, biologicznie aktywnymi wirusami zdolnymi do infekowania bakterii.
Według preprintu opublikowanego na bioRxiv 12 września 2025 r. jest to pierwszy przypadek, gdy generatywna AI stworzyła działające genomy wirusowe od początku do końca. Chodzi o bakteriofagi — wirusy atakujące bakterie, a nie ludzi.
Jak zbudowano fagi zaprojektowane przez AI
Zespół badawczy, kierowany przez Briana Hie z Stanford i współpracujący z Arc Institute, NVIDIA oraz UC Berkeley, użył modeli językowych genomu znanych jako Evo 1 i Evo 2. Zamiast przewidywać następne słowo w sekwencji tekstu, modele te przewidują następną parę zasad w sekwencji DNA. To podejście odzwierciedla architekturę transformerów stojącą za dużymi modelami językowymi, takimi jak te napędzające ChatGPT, lecz zastosowaną do czteroznakowego alfabetu DNA — A, C, G i T.
Wykorzystując architekturę ΦX174 — naturalnie występującego bakteriofaga infekującego E. coli — zespół wygenerował 302 kandydackie genomy fagów. Spośród tych kandydatów 16 zostało eksperymentalnie potwierdzonych jako zdolne do złożenia się w żywe wirusy, które mogą infekować i lizywać bakterie E. coli.
Kilka wariantów zaprojektowanych przez AI wykazało przewagę replikacyjną sięgającą nawet 65 razy w porównaniu z naturalnym wzorcem. Badacze przetestowali też te fagi w terapiach koktajlowych przeciwko szczepom bakterii opornym na antybiotyki, gdzie wykazały znaczną skuteczność.
Dlaczego oporność na antybiotyki czyni to istotnym osiągnięciem
Oporność na antybiotyki pozostaje jednym z najbardziej palących, a zarazem niedostatecznie nagłaśnianych kryzysów w globalnej ochronie zdrowia. Terapia fagowa, wykorzystująca wirusy do eliminowania określonych bakterii, istnieje jako koncepcja od początku XX wieku, ale nigdy nie osiągnęła szerokiego zastosowania klinicznego, częściowo dlatego, że zaprojektowanie odpowiedniego faga dla konkretnego szczepu bakterii jest pracochłonne i czasochłonne.
Modele Evo użyte przez zespół zostały wytrenowane na ogromnych zbiorach danych genetycznych obejmujących biliony par zasad DNA, rozwijanych na bazie wcześniejszych prac przedstawionych w 2024 roku. Naturalny fag ΦX174 ma genom liczący około 5,386 par zasad, co jak na standardy biologiczne jest bardzo niewielką wartością.
Kwestie biosecurity już pojawiają się wraz z tym badaniem
16 funkcjonalnych fagów atakuje bakterie E. coli i zostało zaprojektowanych w granicach znanego naturalnego wzorca. Badacze nie tworzyli nowych patogenów pandemicznych. Jednak sama zdolność, czyli model rozumiejący, jak budować działające mechanizmy wirusowe, jest rodzajem narzędzia, które przed dalszym rozwojem technologii wymaga starannej rozmowy o nadzorze i zarządzaniu.
Warto odnotować udział NVIDIA w tej współpracy dla osób śledzących kierunki inwestycji w infrastrukturę AI. Modelowanie genomowe na taką skalę wymaga znacznych zasobów obliczeniowych, a sektor nauk biologicznych stał się jednym z istotniejszych obszarów zastosowań dla klastrów GPU o wysokiej wydajności.
