Zespół z Uniwersytetu Stanforda i Arc Institute w Palo Alto użył genomowych modeli językowych Evo 1 oraz Evo 2 do zaprojektowania kompletnych genomów bakteriofagów, a szesnaście z tych projektów okazało się w laboratorium żywe i zakaźne. Praca ukazała się w czwartek 6 sierpnia 2026 roku w „Science”, a redakcja pisma dołączyła do niej komentarz specjalistów od bezpieczeństwa biologicznego z Johns Hopkins.
Kluczowe fakty:
- Zespół z Uniwersytetu Stanforda i Arc Institute wykorzystał modele językowe Evo 1 i Evo 2 do wygenerowania 302 projektów genomów bakteriofagów, z których szesnaście okazało się żywymi i zakaźnymi wirusami po przetestowaniu w laboratorium. Wyniki zostały opublikowane 6 sierpnia 2026 roku w czasopiśmie „Science" (DOI: 10.1126/science.aec2657).
- Jeden z wygenerowanych fagów zbudował kapsyd z białka pochodzącego od ewolucyjnie odległego krewnika – jest to połączenie, które nigdy nie zostało wytworzone przez naturę, potwierdzone kriomikroskopią elektronową.
- Koktajl złożony z kilku wygenerowanych fagów skutecznie przełamał oporność szczepów E. coli odpornych na oryginalny bakteriofag ΦX174, który posłużył jako punkt wyjścia do projektowania nowych genomów.
Sprawdziłem tę historię od strony chronologii, bo łatwo ją pomylić. Wersja robocza badania wisiała na bioRxiv od września 2025 roku i wtedy przeszła przez media technologiczne. Teraz mamy recenzowaną publikację w „Science” pod numerem DOI 10.1126/science.aec2657, z pełnym zestawem danych i z osobnym tekstem policy w tym samym numerze. Różnica jest realna: to, co dziesięć miesięcy temu było zapowiedzią, dziś jest zweryfikowanym wynikiem.
Chcesz czytać więcej treści związanych z AI?
Dodaj AIPORT.pl do preferowanych źródeł Google
Trzysta dwa projekty, szesnaście żywych wirusów
Za punkt wyjścia posłużył ΦX174, bakteriofag atakujący pałeczkę okrężnicy (Escherichia coli), jeden z najlepiej opisanych wirusów w historii biologii molekularnej. Zespół Briana Hiego kazał modelom napisać własne warianty jego genomu, literę po literze, a potem wybrane sekwencje zsyntetyzowano jako fizyczne nici DNA i wpuszczono do hodowli bakterii.
Przebieg eksperymentu wyglądał tak:
- Evo 1 uczono na 2,7 miliona genomów bakterii i fagów, Evo 2 na ponad 9,3 biliona nukleotydów pochodzących z ponad 128 tysięcy genomów z całego drzewa życia
- modele wygenerowały tysiące kandydatów, z czego 302 wydrukowano jako prawdziwe DNA i przetestowano w szalkach
- szesnaście projektów złożyło się w działające cząstki wirusowe, zakaziło bakterie i doprowadziło do ich rozpadu
- kriomikroskopia elektronowa potwierdziła, że jeden z wygenerowanych fagów buduje kapsyd z białka pakującego DNA pochodzącego od ewolucyjnie odległego krewnego, czyli z połączenia, którego natura nigdy nie wyprodukowała
- koktajl złożony z kilku wygenerowanych fagów szybko przełamał oporność szczepów E. coli odpornych na oryginalny ΦX174
Dr Simon Clarke z Uniwersytetu w Reading zwrócił uwagę, że trzy warianty wypadły lepiej od macierzystego szczepu, na którym je wzorowano. To już nie jest odtwarzanie natury, tylko wychodzenie poza nią.
Arc Institute zapowiadał ten kierunek publicznie od dawna, informując o pierwszej generatywnej konstrukcji genomów fagowych jeszcze na etapie preprintu.
In a new preprint from @brianhie’s lab, the team reports the first generative design of viable bacteriophage genomes.
Leveraging Evo 1 & Evo 2, they generated whole genome sequences, resulting in 16 viable phages with distinct genomic architectures. pic.twitter.com/x0ectv8dah
— Arc Institute (@arcinstitute) September 17, 2025
Skuteczność jest niska i nikt tego nie ukrywa
Tu zaczyna się część, którą nagłówki zwykle gubią. Z tysięcy wygenerowanych sekwencji zadziałało szesnaście. Dr Simon Jackson z Uniwersytetu Waikato, kierujący grupą badającą terapię fagową, wyliczył, że sprawdziło się około pięciu procent projektów, a połowa działających fagów nabyła po drodze mutacje. Naturalna ewolucja dokończyła robotę za model.
Jordi García Ojalvo z Uniwersytetu Pompeu Fabra w Barcelonie ujął to jeszcze ostrzej i nazwał resztę wygenerowanych genomów halucynacjami modelu, dokładnie w tym samym sensie, w jakim mówimy o halucynacjach czatbotów. Jego zdaniem ryzyko biologiczne jest przy tej technologii mniejsze niż przy klasycznych dużych modelach językowych, bo każdy projekt trzeba fizycznie zsyntetyzować i przetestować pojedynczo, a wydajność procesu pozostaje niska.
Marc Güell, profesor ICREA z tej samej uczelni, patrzy na to z drugiej strony i widzi przełom pojęciowy:
„Po raz pierwszy w historii zaczynamy projektować biologię na komputerze” / „For the first time in history, we are beginning to design biology on a computer”
Prof. Patrick Cai z Manchester Institute of Biotechnology dodaje, że znaczenie tej pracy wykracza daleko poza same fagi, bo pokazuje, że genomowe modele językowe zaczynają przyswajać reguły projektowe zapisane przez ewolucję. Następny krok to skalowanie na większe i bardziej skomplikowane genomy, a to wciąż jest muzyka przyszłości. Genom E. coli jest o trzy rzędy wielkości większy od ΦX174.
Czytam ten materiał z mieszaniną podziwu i niepokoju, i nie zamierzam udawać, że jedno wyklucza drugie. Podziw, bo antybiotykooporność zabija więcej ludzi niż większość chorób, o których mówi się w mediach codziennie, a tempo odkrywania nowych antybiotyków od dekad nie nadąża za tempem, w jakim bakterie się uczą. Jeśli model potrafi w tydzień wygenerować sto kandydatów tam, gdzie mikrobiolog szukał ich latami w próbkach ścieków, to jest to narzędzie, którego pacjenci z zakażeniami wielolekoopornymi po prostu potrzebują.
Niepokój wynika z czego innego. Jedyną barierą, która oddziela to badanie od scenariusza z gatunku najgorszych, jest filtr nałożony na dane treningowe. Wirusy zakażające organizmy eukariotyczne, w tym człowieka, wycięto z Evo świadomie. Ale wagi modelu są otwarte, a udokumentowano już przypadki, w których zewnętrzne zespoły dostrajały je z powrotem na sekwencjach ludzkich patogenów. Filtr założony dobrowolnie da się dobrowolnie zdjąć.
Pytanie, które sobie zadaję, brzmi więc nie „czy to jest niebezpieczne”, tylko „kto konkretnie za to odpowiada”. Firmy syntetyzujące DNA sprawdzają zamówienia na zasadzie dobrej woli, bo w większości jurysdykcji nie ma przepisu, który by je do tego zmuszał. Oprogramowanie skanujące porównuje zamawianą sekwencję z bazą znanych patogenów. Sekwencja napisana przez model może nie przypominać niczego z tej bazy i przejść jako neutralna. To luka, którą widać gołym okiem, i nie zamknie jej ani AI Act, ani żadne rozporządzenie napisane pod kątem czatbotów.
Zespół ze Stanforda zachował się przy tym przyzwoicie. Sami opisali zagrożenia w publikacji, sami zaprosili do rozmowy specjalistów od bezpieczeństwa. Gorzej, że są w tym wyjątkiem, a nie normą.
Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl
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.
Johns Hopkins: technologia jest, nadzoru nie ma
W tym samym numerze „Science” ukazał się tekst Thomasa Inglesby’ego i Moritza Hanke z Center for Health Security przy Johns Hopkins University. Ocenili, że autorzy badania podeszli do kwestii bezpieczeństwa poważniej niż większość zespołów rozwijających biologiczne modele AI, i jednocześnie postawili diagnozę, która nie zostawia złudzeń:
„Umiejętność komponowania genomów wirusów za pomocą generatywnej sztucznej inteligencji już istnieje; nadzoru, który bezpiecznie by nią pokierował, nie” / „The ability to compose viral genomes using generative AI now exists; the governance to safely steer it does not”
Ich propozycje sprowadzają się do dwóch rzeczy. Pierwsza to ustawowy obowiązek weryfikacji każdego zamówienia i każdego klienta przez dostawców syntetycznego DNA. Druga to narzędzia detekcyjne przystosowane do wykrywania sekwencji napisanych przez model, a nie tylko kopii znanych patogenów. Prace nad wspólnymi standardami skanowania zamówień prowadzi od listopada 2025 roku konsorcjum techniczne powołane przez International Biosecurity and Biosafety Initiative for Science.
Warto mieć w pamięci jedną liczbę. Genom HIV liczy około 10 tysięcy zasad, koronawirusa około 30 tysięcy. ΦX174 ma około 5 tysięcy. Odległość, o której mówimy, nie jest astronomiczna.
Wrocław prowadzi jedyny w Unii ośrodek terapii fagowej
Ten temat ma w Polsce zaskakująco mocne umocowanie i mało kto o tym pamięta. Ośrodek Terapii Fagowej działa od 2005 roku przy Instytucie Immunologii i Terapii Doświadczalnej im. Ludwika Hirszfelda PAN we Wrocławiu i jest jedyną placówką tego typu w Unii Europejskiej. Prowadzi eksperymentalne leczenie zakażeń bakteryjnych preparatami fagowymi u pacjentów, u których antybiotyki zawiodły, na podstawie protokołu zatwierdzonego przez komisję bioetyczną. Kolekcja instytutu obejmuje ponad 300 preparatów terapeutycznych skierowanych przeciwko czternastu rodzajom bakterii.
Wrocławski zespół pod kierunkiem prof. Andrzeja Górskiego prowadzi też projekt RHINOPHAGE, niekomercyjne badanie kliniczne nad skutecznością terapii fagowej w przewlekłym zapaleniu zatok przynosowych, na które konsorcjum z Uniwersytetem Medycznym we Wrocławiu dostało z Agencji Badań Medycznych blisko 15,5 mln zł. Głównym badaczem jest prof. Tomasz Zatoński. Sens tego przedsięwzięcia polega na tym, że mimo dekad praktyki terapia fagowa wciąż nie ma za sobą podwójnie zaślepionego badania z placebo, a bez tego nie wejdzie do standardowej medycyny.
Polska ma też problem, na który fagi mogłyby być odpowiedzią. Według raportu OECD „Health at a Glance 2025″ polscy lekarze przepisywali w 2023 roku średnio 21 dawek dobowych definiowanych na tysiąc mieszkańców dziennie, czyli około 31 procent powyżej średniej OECD. ECDC szacuje, że w Unii Europejskiej, Islandii i Norwegii zakażenia bakteriami opornymi na antybiotyki odpowiadają rocznie za ponad 35 tysięcy zgonów, a obciążenie zdrowotne z tego tytułu jest porównywalne z grypą, gruźlicą i HIV razem wziętymi. Ponad 70 procent tych skutków wiąże się z zakażeniami szpitalnymi.
Gdyby generatywne projektowanie fagów wyszło z laboratorium, wrocławski instytut byłby w Europie jedną z niewielu jednostek gotowych operacyjnie, żeby to podchwycić. Ma zaplecze, ma kolekcję, ma pacjentów i ma doświadczenie regulacyjne. Pytanie brzmi, czy ktokolwiek w kraju traktuje to jako aktywo strategiczne, czy raczej jako niszową ciekawostkę z Dolnego Śląska.
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 dalej
Szesnaście fagów siedzi na razie w szalkach w Palo Alto i żaden nie trafił do pacjenta. Samuel King, pierwszy autor pracy, zapowiada kontynuację programu pod kątem zakażeń lekoopornych. Zanim to się stanie, trzeba pokazać, że da się projektować większe fagi, panować nad tym, jakie bakterie zaatakują, i udowodnić bezpieczeństwo w badaniach klinicznych.
Ale kierunek jest już wyznaczony i nie zawróci. Kolejne pytanie dotyczy nie tego, czy modele nauczą się pisać genomy, tylko kto będzie pilnował, co dokładnie napiszą.
Źródła i metodologia
Artykuł powstał na podstawie analizy redakcji AIPORT.pl oraz źródeł, w tym oryginalnej publikacji Samuela H. Kinga i współpracowników Generative design of bacteriophages with genome language models, Science z dnia 06.08.2026, towarzyszącego jej komentarza Thomasa Inglesby’ego i Moritza Hanke AI-designed viral genomes, Science oraz zestawu opinii eksperckich zebranych przez Science Media Centre. Wykorzystano również materiały Arc Institute, MIT Technology Review, CNN, Axios i Forbes oraz dane ECDC i OECD. Polski kontekst opracowano na podstawie informacji Instytutu Immunologii i Terapii Doświadczalnej im. Ludwika Hirszfelda PAN, Agencji Badań Medycznych i serwisu Nauka w Polsce. Cytaty Thomasa Inglesby’ego i Moritza Hanke (Johns Hopkins Center for Health Security) oraz Marca Güella (Uniwersytet Pompeu Fabra) zostały zweryfikowane z oryginalnym anglojęzycznym 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 regulacjach dotyczących syntezy DNA.
