AI проектира 16 нови работещи бактериофага

Екип от Arc Institute в Пало Алто и Станфордския университет е проектирал цели геноми на бактериофаги с помощта на генеративни модели и е получил 16 работещи вируса, които заразяват и убиват E. coli. Изследването на Самюел Кинг и колеги от лабораторията на Брайън Хай излезе в четвъртък, 6 август 2026 г., в списание Science. Това е първият публикуван случай, в който изкуственият интелект написва пълния геном на жизнеспособен организъм — а не отделен ген или белтък.

Какво точно направиха

Инструментът е Evo — геномен езиков модел, който третира ДНК като текст и се обучава да предсказва следващия нуклеотид. Evo 1 е обучен върху около 2,7 милиона геноми на прокариоти и фаги, а Evo 2 разширява това до над 9,3 трилиона нуклеотида от около 128 000 организма.

За задачата екипът е донастроил (fine-tuning) двата модела върху почистен набор от близо 15 000 генома от семейство Microviridae — групата на ΦX174, класическият фаг, който заразява само E. coli. ΦX174 е удобен избор: геномът му е едва 5386 нуклеотида с 11 гена, някои от които се четат в застъпващи се рамки, тоест една и съща ДНК кодира два различни белтъка.

Снимка: Arc Institute

Моделите са генерирали хиляди кандидат-геноми. Компютърни филтри са отсели онези с дължина между 4000 и 6000 бази и с пълен набор от необходими гени, което е свело списъка до 302 проекта. От тях 285 са били успешно синтезирани и сглобени, а след въвеждане в клетки на E. coli 16 са произвели заразни фаги. Успеваемост от около 5% — ниска, но не нулева, а това е разликата между „не работи“ и „работи“.

Не са копия

Получените геноми не са леко пренаписани версии на ΦX174. Всеки от работещите фаги носи между 67 и 392 нови мутации, а сходството им с най-близкия познат природен геном е между 93,0% и 98,8%. Няколко от тях са под прага от 95%, който в вирусологията обикновено се използва за обособяване на нов вид.

В пряка конкуренция някои от проектираните фаги се справят по-добре от дивия ΦX174. При съвместно култивиране вариантът Evo-Φ69 е нараснал до 65 пъти спрямо изходното си ниво в сместа.

Най-практичният резултат е друг: коктейл от проектираните фаги бързо преодолява щамове E. coli, които вече са развили устойчивост към ΦX174. Според авторите това „очертава път към адаптивни и устойчиви фагови терапии срещу бързо еволюиращи патогени“ — тоест към лечение на бактериални инфекции с вируси там, където антибиотиците се провалят.

Какво казват независимите експерти

Реакциите, събрани от Science Media Centre, са предпазливо положителни. Проф. Патрик Цай от Манчестърския институт по биотехнологии отбелязва, че AI излиза отвъд предсказването на биологични последователности и вече генерира цели функциониращи геноми.

Има и трезви уговорки. Проф. Жорди Гарсия Охалво от Университета „Помпеу Фабра“ в Барселона нарича постижението значително, но напомня, че работещите фаги са 16 от хиляди генерирани. Д-р Саймън Джаксън от Университета на Уайкато е още по-конкретен: проработили са около 5% от проектите, а половината от тях са придобили допълнителни мутации в процеса. Иначе казано, моделът предлага сурови идеи, а лабораторията остава филтърът.

Биобезопасността е истинската тема

Тук е нужна яснота, за да няма паника: бактериофагите заразяват бактерии и не могат да заразят човек. Експериментите са правени с непатогенни щамове E. coli C и W, в отделни ламинарни боксове със специален режим за унищожаване на отпадъците. Още при обучението на Evo екипът съзнателно е изключил вирусите, които заразяват еукариоти — тоест хора, животни, растения и гъби.

Проблемът не е в тази статия, а в прецедента. В същия брой на Science излиза коментар на изследователи от Johns Hopkins Center for Health Security с изречение, което вероятно ще се цитира дълго: способността да се съставят вирусни геноми с генеративен AI вече съществува, а управлението, което да я направлява безопасно — не. Основната им тревога са именно еукариотните патогени, за които съществуващите контрамерки може да не работят.

Регулаторната рамка около синтеза на ДНК днес се крепи на скрининг по списъци с известни опасни последователности. Геном, който е на 93% сходен с познат и на 7% нов, не се хваща лесно от такъв филтър.

Контекст

Резултатът се появи първо като preprint в bioRxiv през септември 2025 г. и мина близо година рецензиране, преди да стигне до Science. Новината беше отразена и от Engadget.

Това е поредният случай, в който голям модел не пише текст, а върши работа в природните науки — както при отворения код на WeatherNext за урагани. Разликата е, че тук изходът не е прогноза, а нещо, което се размножава.

Практическото приложение остава далеч. Никой от 16-те фага не е бил използван при пациент, всичко е в лабораторни съдове в Станфорд и Arc Institute, а до одобрена фагова терапия има години клинични изпитвания — за сравнение, ретиналният имплант PRIMA вървя по този път повече от десетилетие. Но принципът е доказан: генеративните модели вече могат да проектират геном, който работи.