Um marco confirmado, não uma descoberta nova
Na quinta-feira, 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, liderada por Brian Hie, professor auxiliar na Stanford University e Innovation Investigator no Arc Institute. Quem se lembra de títulos semelhantes do ano passado não está enganado.
O mesmo método de investigação já tinha surgido 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 em si, mas 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 especializados em linguagem genómica, o Evo 1 e o Evo 2, integrados na 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, usada rotineiramente em biologia e sem qualquer risco para pessoas ou animais. Como modelo de referência, os sistemas 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 restarem quase 300 desenhos. Os investigadores sintetizaram e montaram depois fisicamente 285 delas em laboratório, e ensaios de inibição do crescimento e de infetividade confirmaram que 16 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 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 antes 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 já resistentes ao próprio phiX174.
O desenho de segurança que já funciona
A decisão de conceção mais determinante está naquilo que os modelos Evo não conseguem fazer: não conseguem gerar sequências virais humanas, porque essa categoria de dados foi deliberadamente excluída do treino desde o início. Essa exclusão destina-se a evitar tanto o uso indevido acidental como o intencional na conceção de agentes patogénicos perigosos para o ser humano, e neste estudo usaram-se apenas hospedeiros bacterianos não patogénicos, do início ao fim.
Essa distinção importa porque separa duas questões distintas que a cobertura sobre IA e biologia costuma confundir: 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, defendem a verificação obrigatória por lei das encomendas de material genético sintético, para detetar sequências potencialmente perigosas, em vez de deixar essa verificação à prática voluntária do setor. O argumento deles nada tem a ver com o Evo propriamente dito, 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 nesse pormenor que os decisores políticos da UE e do Reino Unido, ao redigirem as disposições sobre risco biológico do AI Act e os controlos de exportação de dupla utilização, deveriam concentrar-se. Um modelo que se recusa a produzir 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 aqui o que a legislação da UE ou do Reino Unido exige exatamente sobre este ponto hoje, apenas que o próprio comentário dos investigadores aponta os reguladores precisamente para esta questão.
Leia a seguir: O Claude já lidera 26 por cento da sua investigação | Uma falha obriga a OpenAI a reescrever regras
