Un traguardo verificato, non una scoperta nuova

Giovedì 6 agosto 2026, la rivista sottoposta a revisione paritaria Science ha pubblicato uno studio che descrive la prima progettazione tramite IA generativa di genomi di batteriofagi completi e funzionanti, guidata da Brian Hie, Assistant Professor alla Stanford University e Innovation Investigator all'Arc Institute. Chi ricorda titoli simili dello scorso anno non si sbaglia.

Lo stesso metodo di ricerca era comparso per la prima volta come preprint sul server bioRxiv a settembre 2025, quasi un anno prima della pubblicazione di questa settimana. Ciò che cambia questa settimana non è la scienza di base, ma il fatto che il lavoro abbia ora superato una revisione paritaria formale in una delle due riviste scientifiche più prestigiose al mondo, il che significa che esperti indipendenti hanno esaminato metodi e risultati prima della pubblicazione, invece di basarsi solo sul resoconto di un unico laboratorio.

Come Evo 1 ed Evo 2 hanno progettato genomi viventi

Il team ha usato due modelli di IA per il linguaggio genomico, Evo 1 ed Evo 2, parte della serie di modelli Evo dell'Arc Institute. Entrambi erano già stati addestrati in modo ampio su oltre 2 milioni di genomi di fagi, e i ricercatori li hanno poi affinati specificamente su 14.466 sequenze della famiglia di virus Microviridae.

L'obiettivo erano i batteriofagi che infettano Escherichia coli C, un ceppo di laboratorio non patogeno usato di routine in biologia e privo di rischi per persone o animali. Come modello di riferimento, i modelli hanno lavorato a partire da phiX174, un piccolo fago naturale con un genoma di 5.386 nucleotidi che codifica 11 geni e che da decenni funge da organismo modello in biologia.

Da migliaia di progetti a 16 virus funzionanti

L'IA ha generato e filtrato migliaia di sequenze genomiche candidate fino ad arrivare a quasi 300 progetti. I ricercatori hanno poi sintetizzato e assemblato fisicamente 285 di essi in laboratorio, e test di inibizione della crescita e di infettività hanno confermato che 16 di essi erano virus pienamente funzionanti, cioè infettavano e uccidevano davvero i batteri bersaglio.

Quei 16 genomi funzionanti presentavano tra 67 e 392 mutazioni inedite rispetto al loro parente naturale noto più vicino. Evo-Phi2147 presentava 392 mutazioni e solo il 93,0 per cento di identità di sequenza con il suo parente naturale più prossimo, il fago NC51, e tredici dei sedici genomi funzionanti contenevano mutazioni assenti in qualsiasi sequenza naturale nota. Un altro progetto, Evo-Phi36, ha combinato con successo una proteina di impacchettamento del DNA presa in prestito da un fago più lontano chiamato G4, una combinazione che in precedenza aveva sconfitto i tentativi di ingegneria razionale degli scienziati umani; alcuni fagi progettati dall'IA hanno ucciso E. coli altrettanto bene, o meglio, del fago naturale di riferimento phiX174, e le miscele di fagi progettati si sono rivelate efficaci anche contro ceppi di E. coli che avevano già sviluppato resistenza allo stesso phiX174.

Il sistema di sicurezza che già funziona

La scelta progettuale più importante è ciò che i modelli Evo non possono fare: non possono generare sequenze virali umane, perché quella categoria di dati è stata deliberatamente esclusa dall'addestramento fin dall'inizio. Questa esclusione serve a prevenire sia l'uso improprio accidentale sia quello intenzionale per progettare patogeni pericolosi per l'uomo, e in questo studio sono stati usati solo ospiti batterici non patogeni.

Questa distinzione conta perché separa due domande diverse che spesso vengono confuse quando si parla di IA e biologia: se il modello stesso possa essere indirizzato verso il pericolo, e se il risultato fisico di un modello sicuro possa comunque causare danni più a valle. Qui, alla prima domanda il sistema dà già una risposta strutturale; nella seconda si trova la vera notizia di questa settimana.

Il vero problema: chi esegue l'ordine

In un saggio Perspective pubblicato nello stesso numero di Science, Thomas Inglesby e Moritz Hanke del Johns Hopkins Center for Health Security hanno chiesto controlli obbligatori per legge sugli ordini di materiale genetico sintetico per individuare sequenze potenzialmente pericolose, invece di lasciare quel controllo alla prassi volontaria del settore. Il loro punto non riguarda affatto Evo, ma l'azienda che riceve un ordine e sintetizza fisicamente il DNA, indipendentemente da quale modello di IA o progettista umano abbia prodotto la sequenza in origine.

Questo è il dettaglio su cui i responsabili politici dell'UE e del Regno Unito che stanno redigendo le disposizioni sul rischio biologico dell'AI Act e i controlli sulle esportazioni a duplice uso dovrebbero soffermarsi. Un modello che rifiuta di generare sequenze pericolose è solo un livello di protezione, e il saggio Perspective di questa settimana individua il livello che le norme attuali non coprono ancora in modo affidabile: la fase di sintesi che trasforma qualsiasi progetto generato dall'IA, di questo laboratorio o di qualsiasi altro, in un genoma fisico reale. Non affermiamo cosa richieda oggi esattamente la legge dell'UE o del Regno Unito su questo punto, solo che il commento degli stessi ricercatori indirizza i regolatori esattamente verso questa domanda.

Da leggere ora: Shopify: la ricerca IA triplica gli ordini  |  4.000 app in 30 giorni: la scommessa IA di Cloudflare