Potwierdzony kamień milowy, a nie nowe odkrycie

W czwartek 6 sierpnia 2026 roku recenzowane czasopismo Science opublikowało badanie opisujące pierwsze zaprojektowanie przez generatywną AI kompletnych, działających genomów bakteriofagów, pod kierunkiem Briana Hie, adiunkta na Stanford University i Innovation Investigator w Arc Institute. Ci, którzy pamiętają podobne nagłówki sprzed roku, nie mylą się.

Ta sama metoda badawcza pojawiła się po raz pierwszy jako preprint na serwerze bioRxiv we wrześniu 2025 roku, niemal rok przed tegotygodniową publikacją. To, co zmienia się w tym tygodniu, to nie sama nauka, lecz fakt, że praca przeszła teraz formalna recenzję naukową w jednym z dwóch najbardziej prestiżowych czasopism naukowych na świecie, co oznacza, że niezależni eksperci ocenili metody i wyniki przed publikacją, zamiast polegać wyłącznie na relacji jednego laboratorium.

Jak Evo 1 i Evo 2 zaprojektowały żywe genomy

Zespół użył dwóch modeli AI do języka genomowego, Evo 1 i Evo 2, części serii modeli Evo z Arc Institute. Oba były już wcześniej trenowane na ponad 2 milionach genomów fagów, a następnie badacze dostroili je specyficznie na 14 466 sekwencjach z rodziny wirusów Microviridae.

Celem były bakteriofagi infekujące Escherichia coli C, niechorobotwórczy szczep laboratoryjny rutynowo stosowany w biologii i niestanowiący zagrożenia dla ludzi ani zwierząt. Jako wzorzec odniesienia modele wykorzystały phiX174, mały naturalny fag o genomie liczącym 5386 nukleotydów, kodujący 11 genów, który od dziesięcioleci służy jako organizm modelowy w biologii.

Od tysięcy projektów do 16 działających wirusów

AI wygenerowała i przefiltrowała tysiące kandydujących sekwencji genomowych, zawężając je do niemal 300 projektów. Badacze fizycznie zsyntetyzowali i złożyli następnie 285 z nich w laboratorium, a testy hamowania wzrostu i zakaźności potwierdziły, że 16 z nich to w pełni działające wirusy - to znaczy naprawdę infekowały i zabijały docelowe bakterie.

Te 16 działających genomów miało od 67 do 392 nowych mutacji w porównaniu z najbliższym znanym naturalnym krewnym. Evo-Phi2147 miał 392 mutacje i tylko 93,0 procent identyczności sekwencji z najbliższym naturalnym odpowiednikiem, fagiem NC51, a trzynaście z szesnastu działających genomów zawierało mutacje nieobecne w żadnej znanej naturalnej sekwencji. Inny projekt, Evo-Phi36, z powodzeniem połączył białko pakujące DNA zapożyczone z odlegle spokrewnionego faga o nazwie G4 - kombinację, która wcześniej pokonała racjonalne próby inżynieryjne ludzkich naukowców; niektóre fagi zaprojektowane przez AI zabijały E. coli tak samo dobrze, albo lepiej, niż naturalny fag referencyjny phiX174, a mieszanki zaprojektowanych fagów okazały się także skuteczne przeciwko szczepom E. coli, które już rozwinęły odporność na sam phiX174.

Zabezpieczenie, które już działa

Najważniejsza decyzja projektowa jest to, czego modele Evo nie potrafią zrobić: nie potrafią generować ludzkich sekwencji wirusowych, ponieważ ta kategoria danych została celowo wykluczona z ich treningu od samego początku. To wykluczenie ma zapobiegać zarówno przypadkowemu, jak i celowemu nadużyciu polegającemu na projektowaniu patogenów niebezpiecznych dla ludzi, a w tym badaniu wykorzystano wyłącznie niechorobotwórcze gospodarze bakteryjne.

To rozróżnienie ma znaczenie, ponieważ oddziela dwa różne pytania, które często miesza się w relacjach o AI i biologii: czy sam model może zostać skierowany ku zagrożeniu oraz czy fizyczny wynik bezpiecznego modelu może mimo to wyrządzić szkodę dalej w łańcuchu. Tutaj pierwsze pytanie ma już wbudowaną w system strukturalną odpowiedź; to w drugim kryje się prawdziwa wiadomość tego tygodnia.

Prawdziwa luka: kto realizuje zamówienie

W towarzyszącym eseju Perspective opublikowanym w tym samym numerze Science, Thomas Inglesby i Moritz Hanke z Johns Hopkins Center for Health Security domagali się prawnie wymaganej kontroli zamówień na syntetyczny materiał genetyczny pod kątem potencjalnie niebezpiecznych sekwencji, zamiast pozostawiać tę kontrolę dobrowolnej praktyce branżowej. Ich argument nie dotyczy w ogóle Evo, lecz firmy, która otrzymuje zamówienie i fizycznie syntetyzuje DNA, niezależnie od tego, który model AI albo który człowiek zaprojektował daną sekwencję.

To właśnie ten szczegół powinni wziąć pod uwagę decydenci polityczni UE i Wielkiej Brytanii, którzy przygotowują przepisy dotyczące ryzyka biologicznego w AI Act oraz kontrolę eksportu podwójnego zastosowania. Model, który odmawia generowania niebezpiecznych sekwencji, to tylko jedna warstwa ochrony, a tegotygodniowy esej Perspective wskazuje warstwę, której obecne przepisy wciąż nie obejmują w wiarygodny sposób: etap syntezy, który zamienia każdy projekt wygenerowany przez AI, z tego laboratorium lub jakiegokolwiek innego, w rzeczywisty fizyczny genom. Nie twierdzimy, czego dokładnie wymaga dziś prawo UE lub Wielkiej Brytanii w tej kwestii - stwierdzamy jedynie, że własny komentarz badaczy kieruje uwagę regulatorów dokładnie na to pytanie.

Czytaj dalej: Shopify: wyszukiwanie AI potroiło zamówienia  |  4 000 aplikacji w 30 dni: zakład AI Cloudflare