Een bevestigde mijlpaal, geen nieuwe ontdekking

Op donderdag 6 augustus 2026 publiceerde het collegiaal getoetste tijdschrift Science een studie over het eerste generatieve-AI-ontwerp van complete, functionele bacteriofaaggenomen, geleid door Brian Hie, assistent-hoogleraar aan Stanford University en Innovation Investigator bij het Arc Institute. Wie zich vergelijkbare koppen van vorig jaar herinnert, vergist zich niet.

Dezelfde onderzoeksmethode dook voor het eerst op als preprint op de server bioRxiv in september 2025, bijna een jaar voor de publicatie van deze week. Wat deze week verandert, is niet de onderliggende wetenschap, maar het feit dat het werk nu formele collegiale toetsing heeft doorstaan bij een van de twee meest gerenommeerde wetenschappelijke tijdschriften ter wereld, wat betekent dat onafhankelijke experts de methoden en resultaten voor publicatie hebben doorgelicht, in plaats van te vertrouwen op het verslag van een enkel laboratorium.

Hoe Evo 1 en Evo 2 levende genomen ontwierpen

Het team gebruikte twee AI-modellen voor genoomtaal, Evo 1 en Evo 2, onderdeel van de Evo-modelreeks van het Arc Institute. Beide waren al breed getraind op meer dan 2 miljoen faaggenomen, en de onderzoekers stemden ze vervolgens specifiek af op 14.466 sequenties uit de virusfamilie Microviridae.

Het doelwit waren bacteriofagen die Escherichia coli C infecteren, een niet-pathogene laboratoriumstam die routinematig in de biologie wordt gebruikt en geen risico vormt voor mensen of dieren. Als referentiesjabloon gebruikten de modellen phiX174, een kleine natuurlijke faag met een genoom van 5.386 nucleotiden dat 11 genen codeert en al decennialang als modelorganisme in de biologie dient.

Van duizenden ontwerpen naar 16 werkende virussen

De AI genereerde en filterde duizenden kandidaat-genoomsequenties tot bijna 300 ontwerpen. Onderzoekers synthetiseerden en assembleerden vervolgens 285 daarvan fysiek in het laboratorium, en groeiremmings- en infectiviteitstesten bevestigden dat 16 daarvan volledig functionele virussen waren, dat wil zeggen dat ze de doelbacterie daadwerkelijk infecteerden en doodden.

Die 16 werkende genomen droegen tussen 67 en 392 nieuwe mutaties ten opzichte van hun dichtstbijzijnde bekende natuurlijke verwant. Evo-Phi2147 droeg 392 mutaties en slechts 93,0 procent sequentie-identiteit met zijn dichtstbijzijnde natuurlijke verwant, faag NC51, en dertien van de zestien functionele genomen bevatten mutaties die in geen enkele bekende natuurlijke sequentie voorkomen. Een ander ontwerp, Evo-Phi36, combineerde met succes een DNA-verpakkingseiwit dat was ontleend aan een verder verwante faag genaamd G4, een combinatie die eerder de doelbewuste, rationele ontwerppogingen van menselijke wetenschappers had verslagen; sommige door AI ontworpen fagen doodden E. coli even goed als, of beter dan, de natuurlijke referentiefaag phiX174, en mengsels van ontworpen fagen bleken ook effectief tegen E. coli-stammen die al resistentie tegen phiX174 zelf hadden ontwikkeld.

Het veiligheidsontwerp dat al werkt

De meest ingrijpende ontwerpkeuze is wat de Evo-modellen niet kunnen: ze kunnen geen menselijke virussequenties genereren, omdat die datacategorie van meet af aan doelbewust van de training is uitgesloten. Die uitsluiting moet zowel onbedoeld als opzettelijk misbruik voorkomen bij het ontwerpen van voor mensen gevaarlijke ziekteverwekkers, en in deze studie werden uitsluitend niet-pathogene bacteriële gastheren gebruikt.

Dat onderscheid is belangrijk, omdat het twee verschillende vragen scheidt die in berichtgeving over AI en biologie vaak door elkaar worden gehaald: kan het model zelf richting gevaar worden gestuurd, en kan de fysieke uitkomst van een veilig model verderop in de keten toch schade veroorzaken. Op de eerste vraag heeft het systeem hier al een structureel antwoord ingebouwd; in de tweede zit het echte nieuws van deze week.

Het echte gat: wie de bestelling uitvoert

In een begeleidend Perspective-essay in datzelfde nummer van Science pleitten Thomas Inglesby en Moritz Hanke van het Johns Hopkins Center for Health Security voor wettelijk verplichte controle van bestellingen van synthetisch genetisch materiaal op mogelijk gevaarlijke sequenties, in plaats van die controle over te laten aan vrijwillige praktijken in de sector. Hun punt gaat helemaal niet over Evo, maar over het bedrijf dat een bestelling ontvangt en het DNA fysiek synthetiseert, ongeacht welk AI-model of welke menselijke ontwerper de sequentie oorspronkelijk heeft geproduceerd.

Dat is het detail waar EU- en VK-beleidsmakers die werken aan biologische-risicobepalingen in de AI Act en aan tweeledig-gebruik-exportcontroles bij stil zouden moeten staan. Een model dat weigert gevaarlijke sequenties uit te voeren, is maar een enkele beschermingslaag, en het Perspective-essay van deze week benoemt de laag die huidige regels nog niet betrouwbaar dekken: de synthesestap die elk door AI gegenereerd ontwerp, uit dit laboratorium of elk ander, omzet in een echt fysiek genoom. Wij beweren niet wat de EU- of VK-wetgeving op dit punt precies vereist, alleen dat het commentaar van de onderzoekers zelf regelgevers precies op deze vraag wijst.

Lees hierna: Shopify: AI-zoeken verdrievoudigt bestellingen  |  4.000 apps in 30 dagen: Cloudflares AI-gok