Um marco confirmado, não uma nova descoberta

Na quinta-feira, dia 6 de agosto de 2026, a revista com revisão por pares Science publicou um estudo que descreve a primeira conceção por IA generativa de genomas completos e funcionais de bacteriófagos, liderado por Brian Hie, professor assistente na Stanford University e Innovation Investigator no Arc Institute. Quem se lembra de títulos semelhantes do ano passado não se engana.

O mesmo método de investigação tinha surgido pela primeira vez como preprint no servidor bioRxiv em setembro de 2025, quase um ano antes da publicação desta semana. O que muda esta semana não é a ciência subjacente, mas sim o facto de o trabalho ter agora passado por uma revisão formal por pares numa das duas revistas científicas mais prestigiadas do mundo, o que significa que especialistas independentes examinaram os métodos e os resultados antes da publicação, em vez de se confiar apenas no relato de um único laboratório.

Como o Evo 1 e o Evo 2 conceberam genomas vivos

A equipa usou dois modelos de IA de linguagem genómica, o Evo 1 e o Evo 2, parte da série de modelos Evo do Arc Institute. Ambos já tinham sido treinados de forma alargada em mais de 2 milhões de genomas de fagos, e os investigadores afinaram-nos depois especificamente com 14 466 sequências da família de vírus Microviridae.

O alvo eram os bacteriófagos que infetam a Escherichia coli C, uma estirpe de laboratório não patogénica utilizada rotineiramente em biologia e sem qualquer risco para pessoas ou animais. Como modelo de referência, os modelos trabalharam a partir do phiX174, um pequeno fago natural com um genoma de 5 386 nucleótidos que codifica 11 genes e que serve há décadas como organismo modelo em biologia.

De milhares de desenhos a 16 vírus funcionais

A IA gerou e filtrou milhares de sequências genómicas candidatas até quase 300 desenhos. Os investigadores sintetizaram e montaram depois fisicamente 285 deles em laboratório, e ensaios de inibição de crescimento e infetividade confirmaram que 16 deles eram vírus plenamente funcionais, ou seja, infetavam e matavam mesmo as bactérias-alvo.

Esses 16 genomas funcionais apresentavam entre 67 e 392 mutações inéditas em relação ao seu parente natural conhecido mais próximo. O Evo-Phi2147 apresentava 392 mutações e apenas 93,0 por cento de identidade de sequência com o seu parente natural mais próximo, o fago NC51, e treze dos dezasseis genomas funcionais continham mutações ausentes de qualquer sequência natural conhecida. Outro desenho, o Evo-Phi36, combinou com sucesso uma proteína de empacotamento de ADN emprestada de um fago mais distante chamado G4, uma combinação que anteriormente tinha derrotado as tentativas de engenharia racional de cientistas humanos; alguns fagos concebidos por IA mataram E. coli tão bem como, ou melhor do que, o fago natural de referência phiX174, e misturas de fagos concebidos revelaram-se também eficazes contra estirpes de E. coli que já tinham desenvolvido resistência ao próprio phiX174.

O desenho de segurança que já funciona

A decisão de desenho mais consequente é o que os modelos Evo não conseguem fazer: não conseguem gerar sequências virais humanas, porque essa categoria de dados foi deliberadamente excluída do seu treino desde o início. Essa exclusão destina-se a evitar tanto o uso indevido acidental como o intencional para conceber agentes patogénicos perigosos para o ser humano, e neste estudo foram usados apenas hospedeiros bacterianos não patogénicos.

Essa distinção importa porque separa duas questões diferentes que muitas vezes se confundem na cobertura sobre IA e biologia: se o próprio modelo pode ser orientado para o perigo, e se o resultado físico de um modelo seguro pode ainda assim causar dano mais a jusante. Aqui, a primeira questão já tem uma resposta estrutural incorporada no sistema; é na segunda que está a verdadeira notícia desta semana.

A verdadeira lacuna: quem executa a encomenda

Num ensaio Perspective publicado no mesmo número da Science, Thomas Inglesby e Moritz Hanke, do Johns Hopkins Center for Health Security, defenderam uma verificação obrigatória por lei das encomendas de material genético sintético para deteta sequências potencialmente perigosas, em vez de deixar essa verificação a prática voluntária do setor. O argumento deles não tem nada a ver com o Evo, mas sim com a empresa que recebe uma encomenda e sintetiza fisicamente o ADN, seja qual for o modelo de IA ou o criador humano que produziu a sequência em primeiro lugar.

É esse o pormenor em que os decisores políticos da UE e do Reino Unido, que estão a elaborar disposições sobre risco biológico no AI Act e controlos de exportação de dupla utilização, deveriam concentrar-se. Um modelo que recusa gerar sequências perigosas é apenas uma camada de proteção, e o ensaio Perspective desta semana identifica a camada que as regras atuais ainda não cobrem de forma fiável: a etapa de síntese que transforma qualquer desenho gerado por IA, deste laboratório ou de qualquer outro, num genoma físico real. Não afirmamos o que a legislação da UE ou do Reino Unido exige exatamente hoje neste ponto, apenas que o próprio comentário dos investigadores aponta os reguladores exatamente para esta questão.

Leia a seguir: Shopify: a IA de pesquisa triplicou encomendas  |  4.000 apps em 30 dias: a aposta de IA da Cloudflare