Come ha fatto l’intelligenza artificiale a progettare virus mai esistiti?
Per la prima volta, un modello di intelligenza artificiale applicata alla biologia ha dimostrato di poter progettare sequenze genetiche completamente nuove capaci di svolgere una funzione biologica reale. Un gruppo di ricercatori della Stanford University ha utilizzato un sistema generativo chiamato Evo per progettare nuovi genomi virali e, successivamente, verificarne il comportamento in laboratorio. Il risultato è particolarmente significativo perché 16 dei virus progettati dall’IA sono riusciti a infettare con successo Escherichia coli, dimostrando che le sequenze create dal modello non erano soltanto teoricamente plausibili, ma potevano tradursi in sistemi biologici funzionanti.
Lo studio, pubblicato sulla rivista Science, si inserisce in una delle aree più dinamiche della ricerca contemporanea: l’incontro tra intelligenza artificiale, genomica e biologia sintetica. L’idea alla base dell’esperimento ricorda, almeno concettualmente, il funzionamento dei grandi modelli linguistici. Invece di analizzare parole e frasi, Evo è stato addestrato a riconoscere le regolarità presenti nelle sequenze di DNA, utilizzando milioni di sequenze genetiche provenienti da organismi naturali. Attraverso questo processo, il modello ha imparato a individuare schemi evolutivi e relazioni tra le diverse componenti dei genomi, arrivando poi a generare combinazioni genetiche che non erano state semplicemente copiate dalla natura.
Che cosa sono i virus creati dall’IA e perché sono importanti?
I virus progettati nello studio appartengono alla categoria dei batteriofagi, o semplicemente fagi: virus specializzati nell’infettare i batteri. Non si tratta quindi di virus progettati per infettare direttamente l’uomo. Questa distinzione è fondamentale per comprendere tanto il valore scientifico della ricerca quanto il dibattito sulla sua sicurezza.
I ricercatori hanno infatti adottato una precauzione specifica durante la costruzione del sistema, escludendo dai dati utilizzati per l’addestramento le informazioni relative ai patogeni umani. L’obiettivo era impedire che il modello apprendesse direttamente caratteristiche associate alla capacità di infettare le persone. I test si sono concentrati invece su E. coli, un batterio ampiamente utilizzato nella ricerca microbiologica. Alcuni dei virus generati hanno inoltre dimostrato di essere in grado di superare meccanismi naturali di difesa batterica, un elemento che rende il risultato particolarmente interessante dal punto di vista della biologia evolutiva.
Il dato forse più sorprendente, tuttavia, riguarda la distanza tra ciò che l’IA ha progettato e ciò che normalmente si osserva in natura. I genomi generati presentavano infatti configurazioni genetiche differenti da quelle conosciute nei virus naturali, suggerendo che il modello sia riuscito a esplorare uno spazio biologico più ampio rispetto alla semplice ricombinazione di sequenze già osservate. È proprio questo aspetto a rendere la ricerca potenzialmente importante: l’intelligenza artificiale non si limita a riconoscere ciò che già esiste, ma può essere utilizzata per individuare nuove possibilità biologiche.
L’intelligenza artificiale potrebbe aiutare a combattere i batteri resistenti agli antibiotici?
È in questo punto che emerge una delle applicazioni più interessanti della ricerca. La crescente resistenza agli antibiotici rappresenta una delle principali sfide della medicina moderna e ha spinto gli scienziati a cercare strategie alternative per contrastare batteri sempre più difficili da eliminare. I batteriofagi sono da tempo studiati proprio per la loro capacità di attaccare specifici batteri e, in determinate circostanze, potrebbero rappresentare una componente di nuove strategie terapeutiche.
L’approccio basato sull’IA potrebbe cambiare il modo in cui vengono individuati questi virus. Invece di cercare esclusivamente in natura un batteriofago con le caratteristiche desiderate, in futuro potrebbe essere possibile utilizzare modelli computazionali per progettare candidati biologici destinati a colpire determinati batteri. Questo potrebbe rendere la ricerca più rapida e mirata, soprattutto quando si affrontano microrganismi contro i quali le terapie convenzionali risultano meno efficaci.
È importante, però, non confondere il potenziale della tecnologia con una terapia già disponibile. I risultati ottenuti riguardano esperimenti di laboratorio e rappresentano soprattutto una prova di principio. Tra la progettazione di un virus capace di infettare un batterio in laboratorio e lo sviluppo di un trattamento sicuro ed efficace per un paziente esiste infatti un percorso scientifico molto più lungo, che comprende numerose verifiche sperimentali, valutazioni di sicurezza e controlli regolatori.
Perché la ricerca sull’IA biologica preoccupa gli esperti di bioseurezza?
Proprio perché la tecnologia dimostra di poter progettare sistemi biologici funzionanti, il risultato apre contemporaneamente una questione delicata: quanto deve essere regolamentata l’intelligenza artificiale capace di progettare materiale genetico? Il problema non riguarda soltanto ciò che la tecnologia può fare oggi, ma anche la rapidità con cui questi strumenti potrebbero evolversi.
In un commento pubblicato insieme allo studio, esperti del Johns Hopkins Center for Health Security hanno sottolineato la necessità di rafforzare i sistemi di controllo sulla progettazione biologica assistita dall’IA. Tra le proposte discusse figura l’introduzione di restrizioni sull’utilizzo di tecnologie analoghe per progettare patogeni in grado di colpire esseri umani, animali o colture agricole. L’obiettivo sarebbe costruire una cornice preventiva capace di accompagnare l’innovazione senza attendere che eventuali problemi si manifestino prima di intervenire.
Il dibattito, tuttavia, non è privo di sfumature. Alcuni ricercatori ritengono che il rischio associato ai risultati attuali debba essere valutato nel contesto delle effettive capacità dimostrate dal sistema. Il professor Tom Ellis dell’Imperial College London ha osservato che i virus realizzati nello studio possiedono genomi relativamente piccoli e semplici e che la progettazione di agenti biologici realmente pericolosi richiederebbe livelli di complessità molto maggiori. Anche da questa prospettiva, però, il rafforzamento dei controlli sull’accesso e sull’utilizzo di dati genetici sensibili rimane una misura considerata importante.
Siamo davanti a una nuova fase della biologia sintetica?
Il caso di Evo mostra una trasformazione che va oltre il singolo esperimento. Per decenni, la biologia sintetica ha cercato di comprendere e modificare i sistemi biologici attraverso strumenti sempre più sofisticati. Ora l’IA generativa introduce un elemento nuovo: la possibilità di esplorare sistematicamente combinazioni genetiche che potrebbero non essere mai comparse durante l’evoluzione naturale.
Il valore della ricerca, quindi, non risiede soltanto nei 16 batteriofagi ottenuti in laboratorio, ma nella dimostrazione di un principio più ampio: un modello addestrato sui dati biologici può imparare alcune regole che governano i sistemi viventi e utilizzare quelle regole per proporre nuove configurazioni funzionali. È una prospettiva che potrebbe accelerare la ricerca in diversi settori, dalla scoperta di nuovi strumenti biologici allo studio delle malattie, ma che rende contemporaneamente più urgente la discussione sulla biosecurity nell’era dell’intelligenza artificiale.
La sfida dei prossimi anni sarà dunque trovare un equilibrio tra due esigenze apparentemente opposte: permettere alla ricerca di sfruttare una tecnologia capace di ampliare enormemente lo spazio delle possibilità biologiche e, allo stesso tempo, costruire barriere, controlli e responsabilità adeguati alla crescente potenza degli strumenti di progettazione genetica. Il risultato ottenuto a Stanford non rappresenta la nascita di una nuova generazione di virus pericolosi, ma costituisce un segnale molto più ampio: l’intelligenza artificiale sta iniziando a passare dall’analisi della biologia alla sua progettazione, e questa transizione potrebbe cambiare profondamente il modo in cui la scienza affronta i problemi del futuro.