Sztuczna inteligencja Evo 2 zaprojektowała wirusy zabijające oporne bakterie

Zespół ze Stanford University i Arc Institute w Kalifornii pokazał, że generatywna sztuczna inteligencja potrafi zaprojektować od zera działający genom wirusa. Model Evo 2, stworzony przez badacza Briana Hie, wygenerował blisko 300 nowych wariantów bakteriofaga, czyli wirusa atakującego bakterie, z których 16 okazało się w pełni funkcjonalnych i skutecznie zabijało szczepy E. coli oporne na naturalnego przodka.

Punktem wyjścia był PhiX174, jeden z najprostszych znanych bakteriofagów, którego genom liczy niespełna 6 tysięcy par zasad. Zamiast modyfikować pojedyncze geny tego wirusa, badacze poprosili Evo 2 o wygenerowanie całych genomów od podstaw, w jednym przebiegu, bez ręcznej ingerencji w kod genetyczny. Autorzy podkreślają, że model nie kopiował istniejących sekwencji, lecz uczył się reguł rządzących ewolucją tej rodziny wirusów i na tej podstawie tworzył warianty nigdy niewystępujące w naturze.

Jak działa Evo 2

Evo 2 to model językowy trenowany na milionach sekwencji DNA, dostrojony dodatkowo na około 15 tysiącach genomów wirusów z rodziny Microviridae, do której należy PhiX174. Zamiast przewidywać słowa jak klasyczne modele językowe, Evo 2 przewiduje kolejne nukleotydy, budując kompletny genom wirusa krok po kroku. Z blisko 300 zaprojektowanych w ten sposób sekwencji naukowcy zsyntetyzowali fizycznie 285 kandydatów i sprawdzili, które z nich rzeczywiście działają jako żywe wirusy.

Skuteczność projektowania była daleka od stuprocentowej. Tylko 16 spośród zsyntetyzowanych genomów, czyli około 6 procent, dało funkcjonalne wirusy zdolne do namnażania się i infekowania bakterii. Część z nich, jak podają autorzy, radziła sobie lepiej niż naturalny PhiX174, na którym model się uczył.

Koktajl fagów kontra oporne bakterie

Kluczowy wynik eksperymentu dotyczy nie pojedynczego wirusa, lecz mieszanki wszystkich 16 zaprojektowanych fagów. Bakterie, które wcześniej wykształciły oporność na naturalnego PhiX174 i przestały reagować na terapię pojedynczym wirusem, okazały się bezbronne wobec koktajlu genetycznie zróżnicowanych fagów AI. Mechanizm jest podobny do łączenia kilku antybiotyków naraz: żeby przetrwać, bakteria musiałaby jednocześnie wykształcić oporność na wiele różnych, niepowiązanych ze sobą wariantów wirusa, co jest znacznie trudniejsze niż uodpornienie się na jeden szczep.

To kolejny krok w złożoności, jaką można dziś zaprojektować przy pomocy generatywnej AI. Pierwszy raz taka technologia posłużyła do zaprojektowania kompletnego genomu, czegoś, co potrafi się replikować i pełnić inne funkcje wewnątrz komórek - to dla nas zupełnie nowy obszar - Brian Hie, Stanford University, twórca modelu Evo 2

Zespół widzi w tym potencjalną odpowiedź na narastający problem bakterii opornych na antybiotyki, wobec których klasyczna farmakologia ma coraz mniej skutecznych narzędzi. Terapia fagowa, czyli leczenie zakażeń bakteryjnych za pomocą wirusów specyficznie atakujących dany szczep, jest znana od dekad, ale dotąd ograniczało ją to, że naturalnych fagów dopasowanych do konkretnej, opornej bakterii często po prostu brakuje. Możliwość zaprojektowania takiego wirusa na zamówienie zmieniłaby tę sytuację.

Obawy ekspertów bezpieczeństwa

Ten sam wynik naukowy budzi jednak niepokój w środowisku zajmującym się bezpieczeństwem biologicznym. Skoro model potrafi zaprojektować od podstaw działający genom nieszkodliwego dla ludzi bakteriofaga, pojawia się pytanie, jak daleko taką zdolność dałoby się przesunąć w stronę wirusów groźnych dla człowieka. Autorzy badania podkreślają, że z danych treningowych Evo 2 celowo usunięto sekwencje wirusów infekujących ludzi, traktując to jako dodatkowe zabezpieczenie.

To już nie jest pytanie, czy projektowanie genomów wirusów przez generatywną AI będzie istnieć, tylko czy uda się je wykorzystywać bez umożliwienia poważnej krzywdy - Thomas Inglesby i Moritz Hanke, Center for Health Security, Johns Hopkins University

Brian Hie zdecydował się mimo to udostępnić Evo 2 jako otwarte i darmowe narzędzie. Argumentuje, że naturalnie występujące patogeny stanowią dziś większe zagrożenie niż wirusy projektowane przez AI, a otwarte modele tego typu mogą dać naukowcom przewagę w obronie przed naturalnymi pandemiami, zamiast zostawiać tę technologię wyłącznie dużym, zamkniętym laboratoriom.

Co dalej z terapią fagową

Do zastosowania klinicznego droga wciąż jest daleka. Badanie ograniczało się do prostego, dobrze poznanego modelu laboratoryjnego E. coli i wirusa PhiX174, a nie do bakterii wywołujących groźne zakażenia szpitalne, takich jak oporne szczepy Klebsiella czy Pseudomonas. Autorzy zapowiadają, że kolejnym krokiem będzie testowanie podejścia na bardziej złożonych, klinicznie istotnych fagach oraz szczepach bakterii wywołujących realne zakażenia u pacjentów.

Dla polskich szpitali i pacjentów, gdzie zakażenia bakteriami wielolekoopornymi są rosnącym problemem oddziałów intensywnej terapii, praktyczne znaczenie tej pracy pojawi się dopiero, gdy podobne metody uda się przenieść na patogeny faktycznie odpowiedzialne za trudne do leczenia infekcje szpitalne. Na razie eksperyment pokazuje raczej dowód słuszności koncepcji niż gotową terapię.

Praca wpisuje się w szerszy trend wykorzystania modeli AI w biologii syntetycznej, obok narzędzi do projektowania białek czy przewidywania struktur molekularnych. W odróżnieniu od tamtych projektów, tworzenie całych, zdolnych do replikacji organizmów przesuwa granicę tego, co generatywna AI potrafi zrobić w żywej materii, i to właśnie ta granica budzi najwięcej pytań wśród badaczy bezpieczeństwa biologicznego.