I ricercatori di Stanford hanno utilizzato il modello di IA generativa Evo 2 per progettare e sintetizzare quasi 300 nuovi batteriofagi. I test di laboratorio hanno confermato che 16 di questi virus uccidono efficacemente l'E. coli. Il lavoro dimostra che il design biologico de novo può passare da una riga di codice a un agente antimicrobico vivente.

Da una sequenza digitale a un virus reale

L'Assistant Professor Brian Hie, insieme al Dieter Schwarz Foundation Stanford Data Science Institute, ha fornito a Evo 2 il genoma del fago ΦX174, ampiamente studiato. Evo 2 tratta il DNA come un linguaggio, prevedendo sequenze che dovrebbero ripiegarsi in proteine funzionali e assemblarsi in un virus vitale. Il modello ha prodotto centinaia di diverse stringhe di DNA; la sintesi chimica le ha trasformate in una libreria di quasi 300 particelle fagiche.

Trasformare una stringa generata dal computer in un virus fisico ha richiesto più di un semplice passaggio simile alla stampa. Il team ha ordinato oligonucleotidi di DNA personalizzati, ha assemblato genomi completi e ha introdotto ogni costrutto in un ospite batterico in grado di "avviare" un fago. Quel flusso di lavoro — progettazione, sintesi, assemblaggio e recupero — è da tempo lo standard per gli isolati fagici naturali, ma è stato raramente applicato a genomi interamente creati dall'IA.

Screening dell'attività antibatterica

La vera prova consisteva nel capire se i fagi progettati dall'IA potessero infettare e distruggere un bersaglio batterico. I ricercatori hanno testato i 300 candidati con un ceppo di laboratorio di E. coli, una causa comune di infezioni delle vie urinarie e un modello per gli studi sulla resistenza agli antibiotici. Dopo saggi su placca e misurazioni dell'inibizione della crescita, 16 fagi si sono distinti per la rapida lisi delle colture batteriche e per l'elevato burst size (il numero di nuove particelle fagiche rilasciate per cellula infettata).

Quei 16 successi non si sono limitati a superare lo screening; hanno superato molti parenti naturali di ΦX174 in termini di efficienza di uccisione. I dati suggeriscono che Evo 2 possa riprodurre funzioni virali note e anche esplorare uno spazio di sequenze che la biologia non ha mai campionato, arrivando a soluzioni che sono sia vitali che potenti.

Perché è importante per la ricerca antimicrobica

La fagoterapia — l'uso di virus che si nutrono di batteri — è riemersa come una possibile risposta all'aumento globale delle infezioni resistenti agli antibiotici. La scoperta tradizionale si basa sulla ricerca di fagi nelle acque reflue, nel suolo o nei microbiomi animali, un processo che può richiedere mesi e produce risultati imprevedibili. Evo 2 offre un'alternativa basata sul calcolo computazionale: gli scienziati specificano un bersaglio batterico, lasciano che il modello generi i genomi candidati e poi testano un set mirato in laboratorio.

Se la pipeline dovesse scalare, potrebbe comprimere anni di campionamento ambientale in settimane di progettazione in silico e sintesi ad alto rendimento. Personalizzare i genomi dei fagi su richiesta apre anche la porta all'ingegnerizzazione di tratti extra, come intervalli di ospiti più ampi o resistenza alle difese batteriche anti-fago.

Rischi e domande aperte

La scoperta è ancora agli inizi. Tutti gli esperimenti sono stati limitati alle piastre di Petri; non sono stati condotti modelli animali o studi clinici. Rimangono preoccupazioni per la sicurezza: l'introduzione di virus sintetici nei pazienti o nell'ambiente potrebbe avere impatti ecologici imprevisti. I quadri normativi per i fagi ingegnerizzati geneticamente sono ancora in evoluzione e il percorso dall'efficacia di laboratorio alla terapia approvata potrebbe essere lungo.

Inoltre, sebbene Evo 2 abbia avuto successo con un fago relativamente semplice e ben caratterizzato come ΦX174, resta da vedere se il modello sarà in grado di gestire genomi virali più grandi e complessi o di progettare fagi che debbano navigare nei sistemi immunitari batterici in vivo. Il successo attuale potrebbe riflettere l'addestramento del modello su abbondanti dati relativi a ΦX174 piuttosto che una capacità universale di generare qualsiasi virus da zero.

I prossimi passi

Il team di Stanford testerà i 16 fagi principali contro ceppi di E. coli clinicamente rilevanti, inclusi quelli resistenti a più antibiotici. Parallelamente, il lavoro esplorerà se Evo 2 possa essere istruito per progettare fagi per altri batteri problematici, come Klebsiella o Pseudomonas. Scalare la sintesi — da poche centinaia di candidati a migliaia — sarà un'altra priorità, poiché librerie più ampie potrebbero rivelare virus ancora più potenti o ad ampio spettro d'azione.

Oltre alla fagoterapia, la metodologia potrebbe essere riutilizzata per altri obiettivi di bioingegneria: progettare enzimi per la chimica industriale, creare percorsi metabolici sintetici o persino costruire nuovi vettori vaccinali. La capacità di Evo 2 di generare sequenze di DNA funzionali punta verso un futuro in cui il "codice" diventerà un linguaggio di progettazione universale per i sistemi viventi.

In sintesi

Il modello Evo 2 di Stanford ha trasformato una previsione computazionale in uno strumento antimicrobico vivente, dimostrando che la biologia de novo guidata dall'IA può produrre virus funzionali capaci di uccidere un importante patogeno. La prova di concetto riduce il divario tra la progettazione digitale e le terapie del mondo reale, ma le sfide relative alla sicurezza, alla regolamentazione e alla scalabilità devono essere risolte prima che i fagi sintetici diventino una parte integrante dell'arsenale antimicrobico.