Stanford e Arc Institute hanno utilizzato l’intelligenza artificiale per generare nuovi batteriofagi capaci di infettare e distruggere Escherichia coli. Una svolta per la biologia sintetica e la lotta all’antibiotico-resistenza, ma anche un passaggio che apre interrogativi sulla biosicurezza.
L’intelligenza artificiale generativa sta attraversando una nuova frontiera. Dopo aver imparato a produrre testi, immagini, proteine e strutture molecolari, i modelli di nuova generazione stanno iniziando a confrontarsi con qualcosa di ancora più complesso: la progettazione di interi genomi biologicamente funzionanti.
Un gruppo di ricercatori della Stanford University, con il sostegno dell’Arc Institute, ha utilizzato modelli di intelligenza artificiale genomica per progettare nuovi batteriofagi, virus specializzati nell’infettare i batteri. Alcuni dei genomi elaborati dall’AI, una volta sintetizzati e testati in laboratorio, hanno effettivamente prodotto particelle virali vitali capaci di attaccare Escherichia coli.
Il risultato rappresenta un importante salto concettuale nella biologia sintetica: l’intelligenza artificiale non viene più impiegata soltanto per analizzare o interpretare il DNA esistente, ma comincia a essere utilizzata per proporre nuove sequenze genomiche complete che possono diventare sistemi biologici funzionanti.
Evo 2, il modello che impara il linguaggio del DNA
Al centro dell’esperimento c’è Evo 2, un modello generativo sviluppato per affrontare problemi biologici attraverso la generazione di nuove sequenze di DNA.
Il principio ricorda, almeno concettualmente, quello dei grandi modelli linguistici. Un sistema come ChatGPT apprende le relazioni statistiche tra parole e frasi e può generare nuovi testi; un modello genomico apprende invece le relazioni che esistono tra le lettere del DNA e le strutture biologiche che queste sequenze possono codificare.
La differenza fondamentale è evidente: nel secondo caso l’output non è semplicemente informazione da leggere. Una sequenza genetica può essere sintetizzata e sottoposta a verifica sperimentale.
I ricercatori hanno utilizzato come riferimento il batteriofago ΦX174, uno dei virus più studiati nella storia della biologia molecolare. Possiede un genoma estremamente piccolo, inferiore alle 6.000 coppie di basi, e infetta batteri come E. coli. Le sue caratteristiche lo rendono un modello particolarmente adatto per verificare sperimentalmente le capacità dell’intelligenza artificiale senza lavorare con virus patogeni per l’uomo.
Dal computer al laboratorio
Il passaggio più significativo della ricerca è avvenuto quando le sequenze suggerite dall’intelligenza artificiale sono uscite dal mondo digitale.
Evo 2 ha generato migliaia di possibili genomi. Attraverso un sistema di selezione computazionale, i ricercatori hanno individuato quelli considerati più promettenti e ne hanno sintetizzati e testati in laboratorio quasi 300.
Sedici hanno prodotto batteriofagi vitali e particolarmente efficaci contro E. coli.
Il numero può sembrare limitato, ma dal punto di vista scientifico è proprio questo il risultato importante: alcune sequenze progettate dal modello erano sufficientemente coerenti dal punto di vista biologico da consentire la formazione di un virus funzionante.
In alcuni test, inoltre, alcune soluzioni suggerite da Evo hanno mostrato una fitness superiore rispetto al ΦX174 naturale utilizzato come riferimento.
Il risultato non significa tuttavia che l’intelligenza artificiale sia oggi in grado di inventare liberamente qualsiasi organismo. Studi successivi sulle capacità di Evo 2 suggeriscono un quadro più prudente: il modello appare particolarmente efficace nell’esplorare variazioni compatibili con strutture biologiche conosciute, comportandosi in parte come un potente acceleratore dell’ottimizzazione evolutiva. Rimane ancora da stabilire quanto queste capacità possano estendersi a genomi molto più grandi e complessi.
Una nuova arma contro l’antibiotico-resistenza
La prospettiva medica più interessante riguarda la resistenza agli antibiotici, considerata una delle principali minacce sanitarie globali.
I batteriofagi sono nemici naturali dei batteri. Penetrano nella cellula batterica, sfruttano i suoi meccanismi biologici per replicarsi e possono provocarne la distruzione.
La cosiddetta terapia fagica studia da tempo la possibilità di utilizzare questi virus per combattere infezioni batteriche, soprattutto quando gli antibiotici tradizionali diventano inefficaci. Il problema è che anche i batteri possono sviluppare resistenza ai fagi. Ed è proprio qui che l’intelligenza artificiale potrebbe modificare lo scenario.
Invece di affidarsi esclusivamente alla ricerca in natura di nuovi batteriofagi, i ricercatori potrebbero utilizzare modelli genomici per progettare rapidamente numerose varianti geneticamente differenti. Più fagi potrebbero quindi essere combinati in veri e propri cocktail terapeutici, rendendo molto più difficile per i batteri sviluppare contemporaneamente resistenza contro tutte le varianti.
Nell’esperimento di Stanford, un cocktail composto dai 16 batteriofagi selezionati è riuscito a superare rapidamente la resistenza di ceppi di E. coli che erano diventati immuni al ΦX174 naturale.
Verso antibiotici progettati dall’intelligenza artificiale?
La prospettiva è particolarmente interessante perché potrebbe trasformare la terapia fagica da approccio prevalentemente basato sulla ricerca e selezione di virus naturali a una disciplina sempre più vicina alla progettazione computazionale personalizzata.
In futuro, almeno teoricamente, si potrebbe identificare il batterio responsabile di un’infezione, analizzarne geneticamente le caratteristiche e utilizzare modelli di AI per individuare o progettare fagi capaci di colpirlo.
Stanford indica già possibili estensioni verso batteri di grande interesse clinico, come Mycobacterium tuberculosis, lo Staphylococcus aureus resistente alla meticillina (MRSA) e Pseudomonas aeruginosa, microrganismo particolarmente problematico nelle infezioni ospedaliere resistenti ai farmaci. Si tratta però, allo stato attuale, di prospettive di ricerca e non di terapie clinicamente disponibili derivate direttamente da questo esperimento.
Dalla progettazione delle proteine alla progettazione dei genomi
Negli ultimi anni l’intelligenza artificiale applicata alle scienze della vita ha compiuto progressi molto rapidi. Una parte consistente della ricerca si è concentrata sulla previsione delle strutture proteiche, sull’identificazione di nuovi farmaci e sulla generazione di proteine con caratteristiche specifiche.
La progettazione di un intero genoma rappresenta però un problema di ordine superiore.
Un organismo o un virus non dipende infatti dal funzionamento isolato di una singola proteina. Migliaia di interazioni devono risultare compatibili: geni, proteine, regolazione, replicazione, assemblaggio e interazione con la cellula ospite devono funzionare come un sistema coordinato.
Il fatto che alcuni genomi generati dall’AI abbiano superato la verifica sperimentale suggerisce quindi che questi modelli stiano iniziando a catturare non soltanto semplici regolarità statistiche nelle sequenze genetiche, ma anche una parte delle complesse relazioni che determinano l’architettura funzionale dei genomi.
Una recente analisi indipendente di Evo 2 ha mostrato, per esempio, che le rappresentazioni interne del modello contengono informazioni riguardanti caratteristiche di ordine superiore dei genomi virali, come densità genica, frazione codificante e sovrapposizione tra geni.
Il confine delicato della biosicurezza
La stessa tecnologia che potrebbe aiutare a combattere l’antibiotico-resistenza apre inevitabilmente una discussione sulla biosicurezza dell’intelligenza artificiale applicata alla biologia sintetica.
È importante evitare interpretazioni allarmistiche: l’esperimento riguarda batteriofagi e il sistema utilizzato è stato scelto proprio per consentire una validazione sperimentale con rischi biologici molto inferiori rispetto allo studio di virus che infettano esseri umani.
Non esiste quindi alcuna dimostrazione, sulla base di questo lavoro, che Evo 2 possa progettare automaticamente nuovi virus patogeni per l’uomo.
Ma il principio scientifico dimostrato è rilevante: un modello generativo può contribuire alla progettazione di un genoma virale completo che, dopo sintesi, risulta funzionale nel mondo reale.
Ed è questo passaggio a richiedere attenzione.
Più questi modelli diventeranno potenti, maggiore sarà la necessità di sviluppare sistemi di controllo capaci di valutare le sequenze generate, identificare caratteristiche potenzialmente pericolose e integrare meccanismi di sicurezza sia nei modelli sia nei processi di sintesi del DNA.
La questione diventa ancora più importante perché Evo 2 è stato reso disponibile come modello open source. Gli stessi ricercatori riconoscono l’esistenza di possibili rischi di utilizzo improprio, pur sostenendo che l’apertura della tecnologia possa accelerare la ricerca e permettere alla comunità scientifica di sviluppare contemporaneamente strumenti di difesa e sistemi di controllo.
AI e biologia sintetica, una convergenza destinata ad accelerare
Il vero significato della ricerca va quindi oltre i 16 batteriofagi ottenuti.
Sta emergendo una nuova convergenza tra intelligenza artificiale generativa, genomica e biologia sintetica.
Il processo scientifico potrebbe progressivamente trasformarsi in un ciclo sempre più integrato: l’intelligenza artificiale genera ipotesi biologiche, i sistemi computazionali selezionano le sequenze più promettenti, la sintesi del DNA le trasforma in materiale biologico e il laboratorio verifica sperimentalmente il risultato. I dati ottenuti possono quindi alimentare nuovi modelli e nuove generazioni di progetti.
È una sorta di circuito tra mondo digitale e mondo biologico.
Per la medicina potrebbe significare accelerare lo sviluppo di terapie contro batteri resistenti, progettare microrganismi capaci di produrre farmaci o sostanze utili e ampliare enormemente lo spazio biologico esplorabile dalla ricerca.
Stanford sta infatti già valutando l’applicazione dello stesso approccio a sequenze di DNA più lunghe e complesse e, in prospettiva, persino a piccoli genomi batterici destinati alla produzione di sostanze chimiche, medicinali o combustibili.
Una nuova fase della ricerca biologica
La scoperta non significa che l’intelligenza artificiale abbia imparato a “creare la vita” e neppure che sia oggi possibile ordinare a un algoritmo di progettare qualsiasi virus desiderato. Sarebbe una semplificazione scientificamente scorretta.
Dimostra però qualcosa di probabilmente più importante.
I modelli generativi stanno iniziando a diventare strumenti di progettazione biologica.
Per decenni la genomica ha cercato soprattutto di leggere, sequenziare e comprendere il codice scritto dall’evoluzione. La nuova generazione di intelligenza artificiale potrebbe aggiungere progressivamente una capacità diversa: esplorare combinazioni genetiche che la natura non ha ancora prodotto o che la ricerca non ha ancora osservato.
È una prospettiva straordinaria per la medicina e per le biotecnologie, soprattutto davanti alla crescente minaccia dell’antibiotico-resistenza.
Ma proprio perché l’AI comincia a muoversi dal semplice studio della biologia verso la sua progettazione, ricerca, regolamentazione e biosicurezza dovranno evolvere insieme alla tecnologia.
La vera frontiera non sarà soltanto capire che cosa l’intelligenza artificiale sarà capace di progettare, ma stabilire con altrettanta rapidità quali strumenti scientifici e normativi saranno necessari per utilizzarla in modo sicuro e responsabile.
