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, prowadzone przez Briana Hie, adiunkta na Stanford University i Innovation Investigator w Arc Institute. Ci, którzy pamiętają podobne nagłówki sprzed roku, dobrze pamiętają.

Ta sama metoda badawcza po raz pierwszy pojawiła się 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 formalną recenzję naukową w jednym z dwóch najbardziej prestiżowych czasopism naukowych na świecie - 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 przetwarzania języka genomowego, Evo 1 i Evo 2, wchodzących w skład serii modeli Evo z Arc Institute. Oba były już wcześniej trenowane na ponad 2 milionach genomów fagów, a następnie badacze doszkolili je specyficznie na 14 466 sekwencjach z rodziny wirusów Microviridae.

Celem były bakteriofagi infekujące Escherichia coli C - niechorobotwórczy szczep laboratoryjny rutynowo stosowany w biologii, niestanowiący zagrożenia ani dla ludzi, ani dla zwierząt. Jako wzorzec odniesienia modele wykorzystały phiX174, mały naturalny fag o genomie liczącym 5 386 nukleotydów, kodującym 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 skutecznie jak, albo lepiej niż, naturalny fag referencyjny phiX174, a mieszanki zaprojektowanych fagów okazały się także skuteczne wobec szczepów E. coli, które zdążyły już rozwinąć odporność na sam phiX174.

Zabezpieczenie, które już działa

Najistotniejszym wyborem projektowym 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. Ma to zapobiegać zarówno przypadkowemu, jak i celowemu wykorzystaniu do projektowania patogenów niebezpiecznych dla ludzi, a w tym badaniu posłużono się wyłącznie niechorobotwórczymi gospodarzami bakteryjnymi.

To rozróżnienie ma znaczenie, ponieważ oddziela dwa różne pytania, które w doniesieniach o AI i biologii często się ze sobą myli: czy sam model można skierować ku zagrożeniu oraz czy fizyczny efekt bezpiecznego modelu może mimo to wyrządzić szkodę dalej w łańcuchu. Na pierwsze pytanie system ma już wbudowaną strukturalną odpowiedź; 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 przyjmuje zamówienie i fizycznie syntetyzuje DNA, niezależnie od tego, jaki model AI albo jaki człowiek pierwotnie zaprojektował daną sekwencję.

To właśnie ten szczegół powinni wziąć pod uwagę decydenci polityczni UE i Wielkiej Brytanii, przygotowujący 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, zamieniający 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 sam komentarz badaczy kieruje uwagę regulatorów dokładnie na to pytanie.

Czytaj dalej: Claude prowadzi już 26 procent własnych badań  |  Włamanie zmusza OpenAI do nowych zasad