Badacze ze Stanford użyli modelu generatywnej sztucznej inteligencji Evo 2 do zaprojektowania i zsyntetyzowania niemal 300 nowych bakteriofagów. Testy laboratoryjne potwierdziły, że 16 z tych wirusów skutecznie zabija E. coli. Praca ta pokazuje, że projektowanie biologiczne de novo może przejść od linii kodu do żywego środka przeciwdrobnoustrojowego.

Od cyfrowej sekwencji do prawdziwego wirusa

Adiunkt Brian Hie, wraz z Instytutem Data Science Stanford przy Fundacji Dieter Schwarz, podał modelowi Evo 2 genom dobrze przebadanego faga ΦX174. Evo 2 traktuje DNA jak język, przewidując sekwencje, które powinny sfałdować się w funkcjonalne białka i złożyć w żywotnego wirusa. Model wygenerował setki odrębnych ciągów DNA; synteza chemiczna przekształciła je w bibliotekę niemal 300 cząstek fagowych.

Przekształcenie wygenerowanego przez komputer ciągu w fizycznego wirusa wymagało czegoś więcej niż tylko kroku przypominającego drukarkę. Zespół zamówił niestandardowe oligonukleotydy DNA, złożył pełne genomy i wprowadził każdy konstrukt do gospodarza bakteryjnego, który mógł „uruchomić” faga. Ten proces — projektowanie, synteza, składanie i ratowanie (rescue) — od dawna jest standardem dla naturalnych izolatów fagowych, ale rzadko stosowano go do całkowicie stworzonych przez AI genomów.

Przesiewanie pod kątem aktywności przeciwbakteryjnej

Prawdziwym testem było sprawdzenie, czy jakikolwiek zaprojektowany przez AI fag może zainfekować i zniszczyć cel bakteryjny. Badacze poddali 300 kandydatów działaniu laboratoryjnego szczepu E. coli, powszechnej przyczyny infekcji dróg moczowych i modelu w badaniach nad opornością na antybiotyki. Po testach plackowych (plaque assays) i pomiarach hamowania wzrostu, 16 fagów wyróżniło się szybką lizą kultur bakteryjnych i wysoką wielkością burstu (liczba nowych cząstek faga uwalnianych z jednej zainfekowanej komórki).

Te 16 trafień nie tylko przetrwało przesiew, ale wykazało większą skuteczność w zabijaniu niż wiele naturalnych krewnych ΦX174. Dane sugerują, że Evo 2 potrafi odtworzyć znane funkcje wirusowe, a także eksplorować przestrzeń sekwencji, której biologia nigdy nie próbowała, docierając do rozwiązań, które są zarówno żywotne, jak i skuteczne.

Dlaczego ma to znaczenie dla badań nad środkami przeciwdrobnoustrojowymi

Terapia fagowa — wykorzystująca wirusy polujące na bakterie — powróciła jako możliwe rozwiązanie problemu globalnego wzrostu infekcji opornych na antybiotyki. Tradycyjne odkrywanie polega na poszukiwaniu fagów w ściekach, glebie lub mikrobiomach zwierząt, co może trwać miesiące i przynosić nieprzewidywalne rezultaty. Evo 2 oferuje alternatywę opartą przede wszystkim na obliczeniach: naukowcy określają cel bakteryjny, pozwalają modelowi wygenerować genomy kandydatów, a następnie testują wybraną grupę w laboratorium.

Jeśli ten proces zostanie przeskalowany, może on skrócić lata pobierania próbek środowiskowych do tygodni projektowania in silico i wysokoprzepustowej syntezy. Dostosowywanie genomów fagowych na żądanie otwiera również drzwi do inżynierii dodatkowych cech, takich jak szerszy zakres gospodarzy lub odporność na bakteryjne mechanizmy obronne przeciwko fagi.

Ryzyka i otwarte pytania

Ten przełom jest wciąż na wczesnym etapie. Wszystkie eksperymenty ograniczono do szalek Petriego; nie przeprowadzono żadnych modeli zwierzęcych ani badań klinicznych. Obawy dotyczące bezpieczeństwa pozostają aktualne — wprowadzenie syntetycznych wirusów do pacjentów lub środowiska może mieć nieprzewidziane skutki ekologiczne. Ramy regulacyjne dla genetycznie modyfikowanych fagów wciąż ewoluują, a droga od skuteczności laboratoryjnej do zatwierdzonej terapii może być długa.

Co więcej, choć Evo 2 odniosło sukces z stosunkowo prostym, dobrze scharakteryzowanym fagiem, takim jak ΦX174, pozostaje kwestią otwartą, czy model poradzi sobie z większymi, bardziej złożonymi genomami wirusowymi lub czy zaprojektuje fagi, które muszą radzić sobie z bakteryjnymi systemami odpornościowymi in vivo. Obecny sukces może odzwierciedlać trenowanie modelu na obfitych danych dotyczących ΦX174, a nie uniwersalną zdolność do generowania dowolnego wirusa od zera.

Co dalej

Zespół ze Stanford przetestuje 16 wiodących fagów przeciwko klinicznie istotnym szczepom E. coli, w tym tym opornym na wiele antybiotyków. Równoległe prace będą sprawdzać, czy Evo 2 można nakierować na projektowanie fagów dla innych problematycznych bakterii, takich jak Klebsiella czy Pseudomonas. Priorytetem będzie również zwiększenie skali syntezy — od kilkuset kandydatów do tysięcy — ponieważ większe biblioteki mogą ujawnić jeszcze potężniejsze lub działające szerzej wirusy.

Poza terapią fagową, metodologię tę można by wykorzystać do innych celów inżynierii biologicznej: projektowania enzymów dla chemii przemysłowej, tworzenia syntetycznych szlaków metabolicznych, a nawet budowania nowych wektorów szczepionkowych. Zdolność Evo 2 do generowania funkcjonalnych sekwencji DNA wskazuje na przyszłość, w której „kod” stanie się uniwersalnym językiem projektowania systemów żywych.

Wnioski

Model Evo 2 opracowany przez Stanford przekształcił obliczeniową prognozę w żywe narzędzie przeciwdrobnoustrojowe, dowodząc, że biologia de novo napędzana przez AI potrafi tworzyć funkcjonalne wirusy zdolne do eliminacji groźnych patogenów. To potwierdzenie koncepcji zmniejsza dystans między projektowaniem cyfrowym a rzeczywistymi terapiami, jednak wyzwania związane z bezpieczeństwem, regulacjami oraz skalowalnością muszą zostać rozwiązane, zanim syntetyczne fagi staną się rutynowym elementem arsenału przeciwdrobnoustrojowego.