Immagine copertina generata con l’intelligenza artificiale
L’intelligenza artificiale entra in una nuova fase della ricerca biologica. Dopo essere stata utilizzata soprattutto per progettare proteine, ora viene impiegata per generare genomi di virus capaci di infettare i batteri, producendo varianti geneticamente distanti da un virus già esistente. Il risultato, ottenuto da un gruppo di ricercatori della Stanford University, apre prospettive interessanti per lo studio dei batteriofagi. Ma porta con sé anche interrogativi sulla sicurezza e sulla necessità di nuove forme di governance.
Large genome models, come funziona la nuova frontiera dell’AI
I large genome models utilizzano un approccio simile a quello dei grandi modelli linguistici, ma applicato al DNA anziché al linguaggio umano. Addestrati su enormi quantità di sequenze genetiche, questi sistemi cercano di riconoscere le relazioni presenti nei genomi e di prevedere quali sequenze possano seguire.
Il compito è tutt’altro che semplice: mentre il DNA utilizza soltanto quattro basi, il loro significato dipende dal contesto biologico. Gli esperimenti condotti con Evo 1 ed Evo 2 hanno tuttavia mostrato che i modelli possono arrivare a generare sequenze associate a proteine funzionali e strutture genetiche.
Dalla sequenza al genoma di un virus
Per mettere alla prova questa capacità, i ricercatori hanno scelto ΦX174, un piccolo batteriofago che infetta E. coli e che rappresenta uno dei virus meglio studiati. Il suo genoma è relativamente semplice e il ciclo di infezione è stato ampiamente caratterizzato.
I modelli sono stati preparati utilizzando anche sequenze provenienti da batteriofagi e successivamente adattati alla famiglia alla quale appartiene ΦX174. L’obiettivo era verificare se l’AI fosse in grado non soltanto di produrre singoli geni plausibili, ma un intero genoma virale.
Virus simili all’originale, ma con caratteristiche inattese
La maggior parte delle sequenze generate dal sistema non si è rivelata funzionante. Una parte, però, ha mostrato la capacità di inibire la crescita di E. coli, indicando che poteva effettivamente comportarsi come un virus.
I risultati hanno evidenziato un aspetto particolarmente interessante. I virus più simili al ΦX174 originale avevano maggiori probabilità di essere vitali, ma alcuni dei candidati funzionanti presentavano differenze molto più marcate. In singoli casi sono state osservate modifiche nella struttura dei geni, la perdita di una proteina compensata da cambiamenti in altre parti del genoma e persino l’inserimento di un gene proveniente da un virus molto distante.
Un possibile aiuto contro la resistenza batterica
La ricerca potrebbe avere anche una ricaduta pratica. I batteriofagi vengono studiati da tempo come possibile strumento contro le infezioni batteriche resistenti agli antibiotici, ma anche i batteri possono sviluppare resistenze nei confronti di determinati virus.
In questo contesto, i ricercatori hanno confrontato un insieme di batteriofagi naturali con un gruppo di virus generati dall’AI. Nei test descritti nello studio, il cocktail naturale non è riuscito a superare la resistenza dei batteri, mentre quello composto dai virus generati dai modelli ha rapidamente sviluppato la capacità di infettare nuovamente gli ospiti resistenti.
I rischi e la necessità di nuove regole
La stessa tecnologia che rende possibile questo risultato introduce però nuovi problemi di sicurezza. I ricercatori hanno escluso dai dati di addestramento i virus capaci di infettare cellule complesse, proprio per ridurre il rischio di generare sequenze potenzialmente pericolose.
Il limite, però, è evidente: con risorse computazionali sufficienti, un sistema analogo potrebbe essere addestrato includendo anche altri tipi di virus. Per questo gli autori chiedono una maggiore attenzione alla governance dei large genome models e di tecnologie collegate, compresi i sistemi utilizzati per ordinare sequenze di DNA personalizzate. La regolamentazione, secondo i ricercatori, fatica ancora a tenere il passo con la velocità dell’evoluzione dell’intelligenza artificiale.
Fonte: Ars Technica
