En bekræftet milepæl, ikke en ny opdagelse
Torsdag den 6. august 2026 udgav det fagfællebedømte tidsskrift Science en undersøgelse, der beskriver det første generative AI-design af komplette, fungerende bakteriofaggenomer, ledet af Brian Hie, adjunkt ved Stanford University og Innovation Investigator hos Arc Institute. De, der husker lignende overskrifter fra sidste år, husker rigtigt.
Den samme forskningsmetode dukkede først op som et preprint på serveren bioRxiv i september 2025, næsten et år før denne uges udgivelse. Det, der ændrer sig denne uge, er ikke selve videnskaben, men at arbejdet nu har bestået formel fagfællebedømmelse i et af de to mest ansete videnskabelige tidsskrifter i verden, hvilket betyder, at uafhængige eksperter har gennemgået metoder og resultater før offentliggørelsen, i stedet for at man alene stolede på et enkelt laboratoriums egne oplysninger.
Hvordan Evo 1 og Evo 2 designede levende genomer
Teamet brugte to AI-modeller til genomsprog, Evo 1 og Evo 2, en del af Arc Institutes Evo-modelserie. Begge var allerede trænet bredt på over 2 millioner faggenomer, og forskerne finjusterede dem derefter specifikt på 14.466 sekvenser fra virusfamilien Microviridae.
Målet var bakteriofager, der inficerer Escherichia coli C, en ikke-patogen laboratoriestamme, der bruges rutinemæssigt inden for biologi, og som ikke udgør nogen fare for mennesker eller dyr. Som referenceskabelon arbejdede modellerne ud fra phiX174, en lille naturlig fag med et genom på 5.386 nukleotider, der koder for 11 gener, og som i årtier har tjent som modelorganisme i biologien.
Fra tusindvis af design til 16 fungerende virus
AI'en genererede og filtrerede tusindvis af kandidatgenomsekvenser ned til næsten 300 design. Forskerne syntetiserede og samlede derefter fysisk 285 af dem i laboratoriet, og væksthæmnings- og infektivitetstest bekræftede, at 16 af dem var fuldt funktionsdygtige virus, det vil sige at de rent faktisk inficerede og dræbte målbakterierne.
Disse 16 fungerende genomer bar mellem 67 og 392 nye mutationer sammenlignet med deres nærmeste kendte naturlige slægtning. Evo-Phi2147 bar 392 mutationer og kun 93,0 procent sekvensidentitet med sin nærmeste naturlige slægtning, fagen NC51, og tretten af de seksten fungerende genomer indeholdt mutationer, der ikke findes i nogen kendt naturlig sekvens. Et andet design, Evo-Phi36, kombinerede med succes et DNA-pakningsprotein lånt fra en fjernere beslægtet fag kaldet G4, en kombination der tidligere havde besejret menneskelige forskeres egne rationelle designforsøg; nogle AI-designede fager dræbte E. coli lige så godt som, eller bedre end, den naturlige referencefag phiX174, og blandinger af designede fager virkede også mod E. coli-stammer, der allerede havde udviklet resistens over for phiX174 selv.
Sikkerhedsdesignet, der allerede virker
Det mest afgørende designvalg er det, Evo-modellerne ikke kan: de kan ikke generere humane virussekvenser, fordi den datakategori bevidst blev udelukket fra deres træning fra begyndelsen. Denne udelukkelse skal forhindre både utilsigtet og forsætlig misbrug til at designe patogener, der er farlige for mennesker, og i denne undersøgelse blev der udelukkende brugt ikke-patogene bakterielle værter.
Denne skelnen betyder noget, fordi den adskiller to forskellige spørgsmål, der ofte blandes sammen i omtale af AI og biologi: om selve modellen kan styres i en farlig retning, og om det fysiske resultat af en sikker model alligevel kan forvolde skade længere nede ad kæden. Her har det første spørgsmål allerede et strukturelt svar indbygget i systemet; i det andet ligger denne uges egentlige nyhed.
Det egentlige hul: hvem der udfører ordren
I et ledsagende Perspective-essay i samme nummer af Science krævede Thomas Inglesby og Moritz Hanke fra Johns Hopkins Center for Health Security lovpligtig screening af ordrer på syntetisk genetisk materiale for potentielt farlige sekvenser, i stedet for at overlade den screening til frivillig branchepraksis. Deres pointe handler slet ikke om Evo, men om den virksomhed, der modtager en ordre og fysisk syntetiserer DNA'et, uanset hvilken AI-model eller menneskelig designer der oprindeligt producerede sekvensen.
Det er den detalje, som EU- og britiske beslutningstagere, der udarbejder biologiske risikobestemmelser i AI Act og eksportkontrol for dobbelt anvendelse, bør forholde sig til. En model, der nægter at generere farlige sekvenser, er kun ét beskyttelseslag, og denne uges Perspective-essay peger på det lag, som de nuværende regler endnu ikke dækker pålideligt: syntesetrinnet, der omdanner ethvert AI-genereret design, fra dette laboratorium eller ethvert andet, til et faktisk fysisk genom. Vi påstår ikke, hvad EU- eller britisk lovgivning præcist kræver på dette punkt i dag, kun at forskernes egen kommentar peger regulatorer præcis mod dette spørgsmål.
Læs videre: Shopify: AI-søgning tredobler ordrer | 4.000 apps på 30 dage: Cloudflares AI-satsning
