W czwartek 6 sierpnia „Science” opublikowało pracę, na którą biolodzy syntetyczni czekali od kilkunastu lat. Zespół Uniwersytetu Stanforda i Arc Institute użył generatywnej sztucznej inteligencji do napisania kompletnych genomów wirusów, a szesnaście z tych projektów okazało się w laboratorium w pełni sprawnymi bakteriofagami, zdolnymi do namnażania się i zabijania bakterii.
Kluczowe fakty:
- Zespół Uniwersytetu Stanforda i Arc Institute jako pierwszy wykorzystał generatywną sztuczną inteligencję do zaprojektowania kompletnych genomów wirusów – szesnaście z wygenerowanych projektów okazało się w pełni sprawnymi bakteriofagami zdolnymi do namnażania się i zabijania bakterii.
- Kluczowym narzędziem był model Evo 2, wytrenowany na około 9,3 biliona par zasad z genomów bakterii, archeonów, roślin, zwierząt i fagów, a następnie dotrenowany nadzorowanie na zbiorze 14 466 sekwencji z rodziny Microviridae.
- Zaprojektowane fagi zachowały specyficzność gospodarza, atakując wyłącznie właściwe szczepy bakterii, a mikroskopia krioelektronowa ujawniła, że jeden z nich wykorzystuje białko kapsydu ewolucyjnie odległe od wszystkich znanych struktur w wyjściowej rodzinie wirusów.
To pierwszy raz, kiedy model generatywny zaprojektował cały genom, a nie pojedyncze białko czy dwuskładnikowy układ. I pierwszy raz, kiedy taki projekt przeszedł test fizyczny, czyli został zsyntetyzowany chemicznie i ożył wewnątrz komórki.
Chcesz czytać więcej treści związanych z AI?
Dodaj AIPORT.pl do preferowanych źródeł Google
Czego dokonał zespół Samuela Kinga i Briana Hie
Sercem pracy są dwa modele językowe genomu, Evo 1 i Evo 2, rozwijane przez Arc Institute wspólnie z Nvidią i badaczami ze Stanforda. Działają podobnie do dużych modeli językowych, tylko zamiast przewidywać następne słowo, przewidują następny nukleotyd. Evo 2 wytrenowano na około 9,3 biliona par zasad pochodzących z genomów bakterii, archeonów, roślin, zwierząt i fagów, z oknem kontekstowym sięgającym miliona par zasad.
Surowy model nie potrafił jednak zaprojektować konkretnego faga. Badacze przeprowadzili więc dotrenowanie nadzorowane na zbiorze 14 466 sekwencji z rodziny Microviridae, blisko spokrewnionych z fagiem ΦX174. Dopiero to dało im kontrolę nad tym, co model wypluwa.
Dalej wyglądało to tak:
- modele wygenerowały setki tysięcy kandydujących genomów fagowych, z których do syntezy chemicznej wybrano około trzystu najbardziej obiecujących
- szesnaście zsyntetyzowanych projektów okazało się żywotne, tworzyło cząstki wirusowe, replikowało się i hamowało wzrost właściwego szczepu bakterii
- fagi zachowały specyficzność gospodarza, czyli nie ruszały szczepów niespokrewnionych, co jest warunkiem sensownego zastosowania terapeutycznego
- mikroskopia krioelektronowa potwierdziła, że jeden z wygenerowanych fagów używa w kapsydzie białka pakującego DNA ewolucyjnie odległego od czegokolwiek w rodzinie wyjściowej
- mieszanka wygenerowanych fagów szybko poradziła sobie ze szczepami E. coli, które wcześniej uodporniły się na naturalnego ΦX174
Ostatni punkt jest tym, który powinien zainteresować lekarzy, a nie tylko informatyków. Bakteria uodporniła się na wirusa i przestała być dla niego celem. Model dostarczył alternatywy szybciej, niż zrobiłaby to ewolucja w hodowli.
Brian Hie, adiunkt na Uniwersytecie Stanforda i kierownik projektu, tak opisał to w rozmowie z BBC: „To kolejny krok w złożoności tego, co da się zaprojektować generatywną sztuczną inteligencją” / „This is a next step in the complexity that’s designable by generative AI”. Dodał krótko: „To było dla nas nowe terytorium” / „This was new territory for us”.
Dlaczego akurat ΦX174, a nie cokolwiek innego
Wybór szablonu nie był przypadkowy i mówi sporo o ostrożności zespołu. ΦX174 to fag atakujący pałeczkę okrężnicy, o kolistym genomie długości około 5,4 tysiąca nukleotydów i zaledwie jedenastu genach. Fred Sanger odczytał go w 1977 roku jako pierwszy kompletny genom DNA w historii. W 2003 roku zespół Craiga Ventera zsyntetyzował go chemicznie.
Innymi słowy, to najlepiej opisany wirus na świecie i jednocześnie taki, który nie ma żadnej możliwości zainfekowania człowieka. Do ustalenia, czy maszyna w ogóle potrafi napisać działający genom, trudno o lepszy poligon.
Prof. Patrick Cai z Manchester Institute of Biotechnology, komentując pracę dla Science Media Centre, ocenił ją zwięźle: „To ważny kamień milowy dla genomiki syntetycznej” / „This is an important milestone for synthetic genomics.”
Czytam tę pracę z mieszaniną fascynacji i niepokoju, i uważam, że obie te reakcje są uzasadnione. Fascynacja jest oczywista. Przez dekady projektowanie biologii oznaczało modyfikowanie tego, co już istnieje. Tutaj model wygenerował sekwencje, których nie ma w żadnej próbce pobranej kiedykolwiek z natury, a część z nich okazała się sprawniejsza od pierwowzoru. Dla pacjentów z zakażeniami, na które nie działa już nic, to nie jest ciekawostka.
Niepokój wynika z czegoś innego niż same fagi. Zespół zrobił dokładnie to, czego oczekiwałbym od odpowiedzialnych badaczy: wykluczył z treningu wirusy atakujące organizmy złożone, pracował na modelowym fagu i w warunkach kontrolowanych. Tylko że filtrowanie danych treningowych jest zabezpieczeniem tak długo, jak długo nikt nie dotrenuje modelu na tym, co wycięto. A wagi Evo 2 są publicznie dostępne.
Pytanie, które mnie interesuje, brzmi więc inaczej niż w większości nagłówków. Nie „czy AI zbuduje wirusa”, bo właśnie zbudowała, tylko „kto sprawdza zamówienie, kiedy sekwencja z pliku ma się stać fizycznym DNA”. Dziś odpowiedź brzmi: firma syntetyzująca, dobrowolnie, według procedur zaprojektowanych do wykrywania sekwencji znanych z natury. Sekwencja, której w naturze nigdy nie było, jest w tym systemie punktem ślepym. To da się naprawić i lepiej zrobić to teraz, kiedy rozmawiamy jeszcze o wirusach bakterii.
Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl
Antybiotykooporność, czyli powód, dla którego ktoś w ogóle projektuje wirusy
Terapia fagowa nie jest nowa. Badano ją od lat dwudziestych XX wieku i po wejściu antybiotyków została na Zachodzie odstawiona jako niepotrzebna. Wróciła, bo bakterie robią to, co robią zawsze: uczą się przeżywać.
Skala problemu jest już policzalna. Światowa Organizacja Zdrowia szacuje, że do 2050 roku zakażenia lekooporne mogą odpowiadać za około 10 milionów zgonów rocznie, czyli więcej niż nowotwory. W samej Unii Europejskiej mówi się dziś o ponad 30 tysiącach zgonów rocznie. Rynek nowych antybiotyków tymczasem od lat kuleje, bo mechanizm zwrotu z inwestycji w lek, który ma być stosowany jak najrzadziej, jest dla firm farmaceutycznych fatalny.
Fagi mają w tym układzie przewagę i wadę tej samej natury. Są niesamowicie precyzyjne, atakują konkretne szczepy i nie niszczą mikrobiomu przy okazji. Ale ta sama precyzja oznacza, że dla każdego pacjenta trzeba znaleźć właściwego faga, a kolekcje naturalne mają swoje granice. Praca Kinga i Hie sugeruje, że te granice da się poszerzyć obliczeniowo.
Sam Hie w rozmowie z „Financial Times” był ostrożny w formułowaniu wniosków: „Nasze badanie to dowód słuszności koncepcji, pokazujący po raz pierwszy, że projektowanie generatywne potrafi tworzyć całe funkcjonalne genomy” / „Our study is a proof of concept showing for the first time that generative design can generate entire functional genomes”.
Opisz krótko, czego potrzebujesz. Jesteśmy największym HUB-em AI w Polsce — w naszej bazie znajdziesz blisko 500 zweryfikowanych firm specjalizujących się w AI. W Twoim imieniu poprosimy 3-5 dopasowanych wykonawców o kontakt w ciągu 48 godzin.
Punkt krytyczny leży w syntezatorach DNA, nie w modelu
Razem z badaniem „Science” opublikowało komentarz Thomasa Inglesby’ego i Moritza Hanke z Johns Hopkins Center for Health Security (DOI 10.1126/science.aej8512). Obaj napisali, że praca rodzi „pilne pytania o biobezpieczeństwo i bioochronę” / „urgent biosafety and biosecurity questions” i że problemem nie jest już to, czy generatywne projektowanie genomów wirusowych powstanie, tylko czy da się nim kierować bez otwierania drogi do poważnych szkód. Wirusów zdolnych wywoływać choroby, jak stwierdzili wprost, tworzyć nie należy: „nie powinny być podejmowane” / „should not be pursued”.
Ich najmocniejsza teza jest jednak praktyczna i dotyczy logistyki, nie etyki. Między plikiem z sekwencją a żywym organizmem stoi jeden fizyczny krok: ktoś musi tę sekwencję wydrukować. Firmy świadczące usługi syntezy DNA weryfikują dziś zamówienia i klientów na zasadzie dobrowolnej, a oprogramowanie przesiewowe zaprojektowano do rozpoznawania sekwencji podobnych do znanych patogenów. Genom napisany przez model może nie przypominać niczego z bazy referencyjnej.
Inglesby i Hanke postulują dwie rzeczy: prawny obowiązek weryfikowania przez dostawców syntezy zarówno sekwencji, jak i tożsamości zamawiającego, oraz pilne zbudowanie narzędzi wykrywających projekty pochodzące z modeli. Żadne z tych dwóch dziś nie istnieje w formie obowiązkowej ani wdrożonej. Hanke opisywał zresztą ryzyko obrazowo, wskazując, że wystarczy poprosić genomowy model językowy o genom grypy zmodyfikowany tak, by był bardziej zakaźny lub bardziej śmiertelny.
Dochodzi do tego kwestia, którą Filippa Lentzos z King’s College London podnosi od dawna, czyli że kontrola powinna siedzieć dokładnie w tym punkcie przejścia z cyfrowego do fizycznego. Evo 2 jest modelem otwartym, dostępnym w repozytorium Arc Institute i na platformie BioNeMo Nvidii na licencji Apache 2.0. Wykluczenie z treningu wirusów eukariotycznych było decyzją odpowiedzialną, ale przy otwartych wagach jest zabezpieczeniem miękkim, a nie twardym.
Warto przy tym zachować proporcje. Inglesby i Hanke przyznali, że zespół Kinga podszedł do kwestii biobezpieczeństwa poważniej niż większość twórców potężnych modeli biologicznych. Krytyka dotyczy systemu, nie tych badaczy.
Wrocław ma w tej opowieści własny rozdział
Polska jest jednym z niewielu krajów, w których terapia fagowa nigdy nie została porzucona. Instytut Immunologii i Terapii Doświadczalnej PAN im. Ludwika Hirszfelda we Wrocławiu prowadzi badania nad bakteriofagami od lat pięćdziesiątych, a w 2005 roku uruchomił Ośrodek Terapii Fagowej kierowany przez prof. Andrzeja Górskiego. Ośrodek kwalifikuje dorosłych pacjentów z przewlekłymi zakażeniami opornymi na antybiotykoterapię i prowadzi leczenie w formule eksperymentu leczniczego, zgodnie z Deklaracją Helsińską i ustawą o zawodzie lekarza. Preparaty przygotowuje się indywidualnie, pod konkretny szczep wyizolowany od pacjenta.
Największą bolączką tej metody pozostaje brak dowodu z badania z podwójnie ślepą próbą. Konsorcjum IITD PAN i Uniwersytetu Medycznego we Wrocławiu dostało na to grant Agencji Badań Medycznych w wysokości blisko 15,5 mln zł na projekt RHINOPHAGE, badający terapię fagową w przewlekłym zapaleniu zatok przynosowych. Prof. Górski komentował wtedy, że mimo wzrostu zainteresowania fagami na świecie skuteczności tej terapii nie potwierdzono dotąd w takim badaniu, a projekt jest szansą na zmianę tego stanu.
Polskie tło epidemiologiczne dopełnia obrazu. Raport WIM-PIB „Szpitalne realia antybiotykooporności (i jej koszty)” wskazał 3,5-krotny wzrost liczby izolacji Klebsiella pneumoniae typu NDM wśród nowo przyjmowanych pacjentów, a koszty antybiotykoterapii w pierwszym kwartale 2025 roku wzrosły o ponad 27 procent rok do roku przy niemal niezmienionej liczbie podanych dawek. Według raportu OECD „Health at a Glance 2025″ zużywamy około 31 procent antybiotyków więcej niż średnia w krajach organizacji.
Co z tego wynika dla nas praktycznie? Trzy rzeczy, moim zdaniem. Po stronie medycznej mamy zaplecze, kolekcję fagową i doświadczenie kliniczne, których nie ma prawie nikt w Europie, więc jeśli generatywne projektowanie fagów kiedykolwiek dojrzeje do zastosowania, Wrocław jest naturalnym partnerem, a nie petentem. Po stronie regulacyjnej Polska będzie musiała zająć stanowisko w unijnej dyskusji o nadzorze nad syntezą DNA, bo takie firmy działają również u nas. A po stronie infrastrukturalnej otwarte modele biologiczne działają na tym samym sprzęcie, o który Polska walczy w ramach EuroHPC. Kompetencje do ich uruchamiania i audytowania trzeba budować teraz, nie wtedy, gdy Bruksela przyśle dyrektywę.
Za każdą polską firmą AI stoi konkretny człowiek z imieniem i nazwiskiem, często ten sam w kilku miejscach naraz, i to właśnie ludzie, nie tabelki finansowania, są prawdziwym bohaterem tego artykułu.
Co ten wynik oznacza, a czego na pewno nie
Żeby nie było niedomówień: nikt nie stworzył wirusa groźnego dla ludzi, żadna terapia nie jest dostępna dla pacjentów, a od laboratoryjnej szalki do leku dzieli tę technologię cała droga badań przedklinicznych, klinicznych i rejestracyjnych, czyli lata pracy. Sam zespół podkreślał, że mówi o dowodzie koncepcji.
Co jednak zostało wykazane, jest realne i nieodwracalne. Model generatywny potrafi napisać kompletny, działający genom organizmu. Skala przeszukiwania przestrzeni możliwych rozwiązań przestała być ograniczona liczbą próbek, jakie da się zebrać z natury. A pytanie o to, kto ma dostęp do tych narzędzi, jakie sekwencje można zamówić i kto to sprawdza, przestało być teoretyczne dokładnie 6 sierpnia 2026 roku.
Źródła i metodologia
Artykuł powstał na podstawie analizy redakcji AIPORT.pl oraz dodatkowych źródeł, w tym oryginalnej pracy Samuela H. Kinga i współpracowników „Generative design of bacteriophages with genome language models” opublikowanej w Science 6 sierpnia 2026 roku (DOI 10.1126/science.aec2657), materiałów technicznych Arc Institute opisujących proces dotrenowania modeli Evo oraz komentarzy eksperckich zebranych przez Science Media Centre. Wykorzystano również komentarz Thomasa V. Inglesby’ego i Moritza S. Hanke „AI-designed viral genomes” („Science” 2026, DOI 10.1126/science.aej8512) oraz relacje BBC, „Financial Times”, „The New York Times” i Newsweeka. Kontekst polski oparto na informacjach Instytutu Immunologii i Terapii Doświadczalnej PAN im. Ludwika Hirszfelda, komunikacie Nauka w Polsce o projekcie RHINOPHAGE, raporcie WIM-PIB „Szpitalne realia antybiotykooporności (i jej koszty)” oraz raporcie OECD „Health at a Glance 2025″. Cytaty Briana Hie, Thomasa Inglesby’ego, Moritza Hanke, Patricka Cai i Andrzeja Górskiego zostały zweryfikowane z oryginalnym materiałem źródłowym. Komentarz redakcyjny i ocena kontekstu branżowego: Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl. Artykuł będzie aktualizowany w miarę pojawiania się nowych informacji o generatywnym projektowaniu genomów i o regulacjach dotyczących syntezy DNA.
