L’intelligenza artificiale generativa può creare virus batterici. La scoperta è frutto di una ricerca pubblicata sulla rivista Science e destinata ad avere un impatto decisivo su life sciences e biotecnologie, ma anche sulla biosicurezza. Un gruppo di scienziati dell’Arc Institute, l’organizzazione biomedica della Stanford University che approfondisce i modelli linguistici per il Dna, ha utilizzato modelli di AI addestrati su milioni di genomi naturali per progettare interi batteriofagi capaci di colpire ceppi di Escherichia coli resistenti.
I batteriofagi sono tipi particolari di virus che sono specializzati proprio nel “mangiare” i batteri. Innocui per le cellule dei mammiferi, i batteriofagi infettano e distruggono specifiche specie batteriche: si moltiplicano in maniera esponenziale nelle cellule ospiti e mutano a una frequenza tale da sconfiggere i batteri resistenti ai fagi. I ricercatori di Stanford hanno spiegato nel paper che il loro studio offre speranza per nuove medicine, ma al tempo stesso chiedono garanzie assolute sulla scrittura artificiale della biologia.
In questo articolo:
- Come l’intelligenza artificiale può progettare virus
- Cosa sono i batteriofagi fatti con l’AI e che possono fare
- L’interesse industriale dietro questa scoperta
- Perché il modello dell’Arc Institute è open source
- I rischi e gli interrogativi sulla biosicurezza
Come l’intelligenza artificiale può progettare virus
La ricerca del team dell’Arc Institute si è concentrata sull’uso di genome language models, ovvero modelli linguistici genomici equivalenti agli Llm alla base degli attuali chatbot. I modelli denominati Evo (Evo 1 e Evo 2) hanno analizzato migliaia di famiglie di batteriofagi simili al ΦX174, un fago litico formato da appena 11 geni. Dopo una lunga fase di test, i sistemi hanno generato nuove sequenze di Dna: su 285 genomi sintetizzati e candidati, 16 versioni sono risultate funzionanti.
Il tasso di successo è stato del 5,6%. I virus sintetizzati e provati in laboratorio sono riusciti a propagarsi e a inibire la crescita dei batteri bersaglio. Non solo: i fagi attivi hanno mantenuto il corretto tropismo, ossia hanno colpito i ceppi individuati senza danneggiare quelli non correlati. I 16 fagi generati dall’AI non sono risultati mere copie del virus usato come riferimento, ma hanno mostrato proprietà evolutive e combinazioni genetiche peculiari.
Cosa sono i batteriofagi fatti con l’AI e che possono fare
I batteriofagi non infettano gli esseri umani: colpiscono e distruggono esclusivamente i batteri. Nel caso della ricerca di Stanford, le sequenze generate dall’AI hanno prodotto fagi artificiali capaci di colpire ceppi di Escherichia coli resistenti. Il cocktail frutto dell’esperimento di biologia generativa è riuscito a contrastare due ceppi che avevano sviluppato una forte resistenza ai fagi naturali. L’intelligenza artificiale potrebbe quindi fornire un aiuto decisivo nella terapia fagica.
Nella lotta all’antibiotico-resistenza che rende i farmaci inefficaci per la capacità dei batteri di sopravvivere o crescere nonostante la presenza di un antibiotico, l’AI potrebbe progettare virus su misura per combattere batteri particolarmente difficili da eliminare. Su scala più ampia, i modelli linguistici genomici potrebbero diventare uno strumento chiave delle scienze della vita contro infezioni di qualsiasi tipo estremamente complicate da trattare.
Non bisogna dimenticare che la ricerca è uno studio proof of concept: una prova di concetto che funziona come test preliminare condotto in laboratorio. L’idea si è dimostrata concretamente fattibile e applicabile nel mondo reale, ma non attesta ancora un’efficacia concreta nei pazienti. L’AI si è semplicemente limitata a progettare nuovi batteriofagi che hanno funzionato: non ha sviluppato una terapie innovativa applicabile, un vaccino o un rimedio diretto contro una malattia infettiva, né ha creato virus umani dal nulla.
L’interesse industriale dietro questa scoperta
L’industria farmaceutica guarda con attenzione all’esperimento condotto a Palo Alto. Secondo uno studio dell’Oms, un’infezione batterica comune su sei fra quelle confermate in laboratorio nel mondo nel 2023 è stata resistente ai trattamenti antibiotici. Si stima che l’antibiotico-resistenza sia stata associata a oltre 4,7 milioni di decessi a livello globale nel 2021. Senza un intervento adeguato, il costo totale per il trattamento delle sole infezioni batteriche resistenti raggiungerà i 412 miliardi di dollari all’anno fino al 2035, con ulteriori perdite di produttività per 443 miliardi annui.
Nell’Unione europea, l’antibiotico-resistenza provoca 133.000 decessi e costa ogni anno 11,7 miliardi di euro tra spesa sanitaria e perdita di produttività. Oltre che sulla salute e sul sistema sanitario, l’impatto è sociale: l’antibiotico-resistenza colpisce in modo sproporzionato le popolazioni vulnerabili ed erode la fiducia del pubblico nella medicina. Inoltre, incide sulla salute degli animali e delle piante e danneggia le aziende agricole, minacciando la sicurezza e la sovranità alimentare.
Perché il modello dell’Arc Institute è open source
Evo 2, il modello che ha elaborato le sequenze genetiche in laboratorio, è stato reso disponibile in modalità open source dal gruppo guidato dal dottor Brian Hie. Il codice sorgente del sistema, i suoi parametri e parte dell’infrastruttura sono pubblici e accessibili all’intera comunità scientifica. La collaborazione aperta, con uno sviluppo affidato alla comunità di ricerca globale e ai singoli contributori, punta ad accelerare la ricerca e l’innovazione in settori che vanno dalla medicina alla biologia industriale.
La capacità di progettare rapidamente genomi e di ottimizzarli per specifici batteri apre una strada inedita per il biotech. Il mercato globale delle biotecnologie vale 2.000 miliardi di dollari ed è previsto in forte crescita nei prossimi anni. Un comparto già in espansione che conta su un’intelligenza artificiale generativa capace di progettare un genoma di virus in grado di replicarsi e infettare il suo bersaglio, potrebbe crescere ancora puntando su batteri destinati alla produzione di nuovi farmaci, materiali, enzimi o molecole industriali.
I rischi e gli interrogativi sulla biosicurezza
Nello sviluppo dei modelli, i ricercatori di Stanford hanno escluso virus che infettano esseri umani, animali e piante per ridurre qualsiasi tipo di rischio. Gli scienziati autori dello studio chiedono infatti che venga posta particolare attenzione su biosicurezza, biocontenimento e controllo della sintesi del Dna. La progettazione di interi sistemi genetici funzionanti con la GenAI, apre possibilità inedite che richiedono verifiche, regole e controlli adeguati.
“La capacità di comporre genomi virali utilizzando l’intelligenza artificiale generativa esiste già oggi; la governance per gestirla in modo sicuro invece no”, hanno sottolineato Tom Inglesby e Moritz Hanke del Johns Hopkins Center for Health Security. Tom Ellis, professore di ingegneria del genoma sintetico all’Imperial College di Londra, ha invece affermato che nonostante l’esperimento sia impressionante, la GenAI difficilmente sarà in grado di creare genomi più complessi.
“Onestamente la minaccia derivante dalla progettazione e scrittura completa del genoma di un virus o di un batterio tramite intelligenza artificiale è molto esagerata, se consideriamo che prendere agenti patogeni esistenti e apportare modifiche al loro genoma per ottenere funzionalità aggiuntive è molto più semplice e ha molte più probabilità di rappresentare una reale minaccia patogena”, ha dichiarato convinto Ellis.
