La ricerca apre nuove strade contro le infezioni resistenti agli antibiotici, mentre cresce il nodo della biosicurezza
LA NOTIZIA IN BREVE – L’intelligenza artificiale entra in un territorio finora dominato dalla biologia sperimentale: la progettazione di interi genomi virali. Il lavoro pubblicato su Science mostra che i modelli Evo possono proporre sequenze di DNA che, una volta sintetizzate, danno origine a batteriofagi realmente attivi. Il dato più interessante arriva però dai test sui batteri resistenti: alcune combinazioni dei nuovi fagi sono riuscite a colpire ceppi di Escherichia coli contro i quali il virus naturale di riferimento aveva perso efficacia.
La prospettiva riguarda soprattutto la lotta all’antimicrobico-resistenza, perché in futuro sistemi simili potrebbero accelerare la ricerca di virus capaci di attaccare batteri sempre più difficili da trattare con gli antibiotici. Ma lo stesso risultato apre un fronte delicato sul piano della biosicurezza: i virus dell’esperimento non sono pericolosi per l’uomo, mentre la capacità di generare nuovi genomi rende sempre più urgente stabilire regole e controlli per l’impiego dell’IA nelle scienze della vita.
Se vuoi andare oltre alla sintesi della nostra notizia leggi qui di seguito l’approfondimento
L’APPROFONDIMENTO – Per la prima volta un’intelligenza artificiale ha progettato interi genomi virali capaci di funzionare una volta sintetizzati in laboratorio. Stando a quanto pubblicato sulle pagine di Science da un team di ricercatori di Stanford University e Arc Institute, 16 dei 285 genomi sottoposti alla prova sperimentale hanno dato origine a batteriofagi funzionanti. I virus ottenuti sono riusciti a infettare e distruggere batteri, compresi alcuni ceppi di Escherichia coli diventati resistenti al virus naturale utilizzato come riferimento. Il risultato segna un passaggio importante: l’AI generativa non si limita più a suggerire singole proteine o frammenti di DNA, ma può costruire le istruzioni genetiche di un virus completo. Quelli prodotti nello studio non infettano l’uomo. È la capacità dimostrata dall’esperimento, più dei virus stessi, ad aprire una questione di biosicurezza destinata a diventare sempre più difficile da ignorare.
Che cosa ha fatto l’intelligenza artificiale
Sia chiaro, nessun algoritmo ha generato autonomamente alcun organismo vivente. Evo 1 ed Evo 2 hanno scritto sequenze di DNA che i ricercatori hanno poi selezionato, sintetizzato e sperimentato in laboratorio. Come modello di riferimento è stato scelto ΦX174, un batteriofago molto conosciuto dai genetisti. Ha un genoma minuscolo rispetto a quello di organismi più complessi: appena 5.386 nucleotidi e 11 geni. Nel 1977 divenne il primo organismo del quale fu determinata l’intera sequenza genomica; nel 2003 il suo DNA venne ricostruito artificialmente.
Questa volta il compito era diverso. Il modello doveva proporre variazioni abbastanza profonde da produrre qualcosa di nuovo, senza perdere l’insieme di istruzioni necessarie al funzionamento del virus. Cambiare una sequenza è relativamente semplice, ma riuscire a ottenere un virus vitale è meno scontato di quanto si possa pensare.
Leggi di più
Così Evo ha imparato a scrivere DNA
Il paragone più immediato è quello con i grandi modelli linguistici, ma con un alfabeto molto più piccolo. Un sistema come ChatGPT impara relazioni tra parole e simboli analizzando testi; Evo cerca regolarità nelle sequenze genetiche, costruite con le quattro basi del DNA: A, C, G e T.
Evo 2, descritto nel marzo 2026 sulla rivista Nature, è stato addestrato su circa 9.000 miliardi di basi provenienti da batteri, archei, eucarioti e batteriofagi. La versione maggiore conta 40 miliardi di parametri ed è stata sviluppata per lavorare anche su sequenze molto lunghe.
Per l’esperimento pubblicato su Science il campo è stato poi ristretto. I modelli disponevano di informazioni provenienti da oltre due milioni di genomi di batteriofagi e sono stati ulteriormente addestrati su 14.466 sequenze appartenenti ai Microviridae, il gruppo al quale appartiene ΦX174.
Evo, dunque, non è partito da zero e non ha inventato la vita. Semplicemente ha imparato dalle strutture genetiche che già conosciamo e ha cercato altre combinazioni compatibili con quelle regole. Il risultato sorprendente è che alcune di quelle combinazioni funzionano anche fuori dalle simulazioni.
Leggi di più
Sedici successi su 285
L’AI è molto lontana dall’essere una macchina infallibile. Ma 16 risultati positivi su 285 non sono trascurabili. Benché 269 su 285 dei test abbiano portato a batteriofagi incapaci di propagarsi, i 16 funzionanti dimostrano che la strada percorsa può portare a novità rilevanti per moltissimi settori. Secondo i dati dell’Arc Institute i risultati ottenuti erano virus totalmente nuovi, non semplici copie appena ritoccate di ΦX174. I genomi presentavano da 67 a 392 differenze rispetto al parente naturale più vicino. In 13 casi comparivano persino delle mutazioni che i ricercatori non avevano trovato nelle sequenze naturali conosciute. Uno dei virus, chiamato Evo-Φ2147, condivideva circa il 93% della propria sequenza con il fago naturale più simile disponibile nei database: una distanza considerevole per un genoma di queste dimensioni.
Potrebbero diventare utili contro i batteri resistenti
I batteriofagi sono virus specializzati nell’infettare batteri. Alcuni entrano nella cellula, si moltiplicano al suo interno e alla fine la distruggono. Da qui nasce la terapia fagica, studiata da oltre un secolo e tornata al centro dell’attenzione per una ragione molto concreta: l’aumento delle infezioni resistenti agli antibiotici. Anche i batteri, però, imparano a difendersi dai loro virus. Una popolazione può sviluppare mutazioni che rendono inefficace un determinato fago.
I ricercatori hanno quindi sottoposto i virus generati con l’AI a un test più impegnativo. Hanno utilizzato tre popolazioni di E. coli divenute resistenti a ΦX174. Il virus naturale non riusciva più a controllarle; combinazioni dei nuovi fagi, invece, sono riuscite a superare la resistenza in tutti e tre i casi.
È probabilmente questa la parte con le ricadute più rilevanti. In prospettiva si potrebbe chiedere a un modello di esplorare migliaia di alternative genetiche e selezionare candidati da provare contro uno specifico batterio, creando molto più rapidamente cocktail di fagi diversi. In medicina significherebbe disporre di un’altra strada contro infezioni per le quali gli antibiotici stanno perdendo efficacia.
Per ora, però, siamo ancora in laboratorio. Nessun paziente è stato trattato con questi virus e lo studio non dimostra che funzionerebbero allo stesso modo all’interno del corpo umano. Prima di arrivare a una terapia servirebbero verifiche sulla sicurezza, sul comportamento dei fagi nell’organismo, sulla risposta immunitaria, sulla stabilità genetica e sulle modalità di produzione.
Questi virus possono infettare una persona?
I 16 batteriofagi ottenuti nell’esperimento non sono virus umani. Sono stati costruiti per colpire batteri e mostrano un intervallo di ospiti piuttosto ristretto. Nei test si sono replicati su E. coli C e sul ceppo strettamente correlato E. coli W, mentre non hanno mostrato crescita sugli altri sei ceppi batterici esaminati.
Gli autori hanno inoltre introdotto precauzioni specifiche nella costruzione dei dataset utilizzati per il lavoro, escludendo categorie virali considerate problematiche. Brian Hie, biologo computazionale di Stanford e tra i principali autori della ricerca, ha spiegato che il gruppo ha scelto deliberatamente un approccio molto prudente.
La preoccupazione degli specialisti di biosicurezza parte quindi da un’altra domanda: che cosa succederà quando modelli più potenti verranno applicati ad altri virus?
Nessuno studio ha dimostrato che Evo possa produrre su comando un nuovo agente pandemico, e passare da una sequenza digitale a un patogeno umano efficiente richiede conoscenze, strutture e passaggi sperimentali che il clamore attorno all’IA tende facilmente a cancellare.
Ma una barriera è già scesa. Fino a pochi anni fa esplorare enormi quantità di possibili genomi era un lavoro proibitivo. Un modello generativo può farlo a velocità incomparabilmente maggiore, proponendo soluzioni che un gruppo di ricercatori difficilmente potrebbe progettare una alla volta.
La biosicurezza riesce a stare al passo?
La pubblicazione su Science è accompagnata da un commento di Thomas Inglesby e Moritz Hanke, del Johns Hopkins Center for Health Security, dedicato proprio alle conseguenze per la sicurezza biologica.
Il timore non nasce dai batteriofagi dell’esperimento, ma dalla traiettoria della tecnologia. Se i modelli genomici diventeranno più precisi nel riconoscere le relazioni tra mutazioni e caratteristiche biologiche, potrebbero ridurre progressivamente il numero di tentativi necessari per progettare organismi con proprietà desiderate.
È il classico problema del dual use: la stessa tecnologia che può aiutare a costruire un fago contro un superbatterio potrebbe essere impiegata con finalità molto diverse.
Negli Stati Uniti il quadro normativo è cambiato rapidamente. Il 5 maggio 2025 la Casa Bianca aveva emanato l’Executive Order 14292, imponendo restrizioni al finanziamento federale della cosiddetta dangerous gain-of-function research. Il 28 luglio 2026 è arrivata la nuova U.S. Government Policy for Stopping High-Risk Life Sciences Research, con ulteriori obblighi per i progetti biologici considerati ad alto rischio.
Il problema posto dall’AI genomica, però, non coincide perfettamente con quello degli esperimenti tradizionali. Un laboratorio può essere sottoposto a controlli, così come un patogeno o una procedura sperimentale. Un modello informatico può essere copiato, modificato e utilizzato in luoghi diversi.
Evo 2, inoltre, è stato sviluppato come modello aperto. La scelta permette ad altri gruppi di verificare i risultati, costruire nuovi strumenti e accelerare la ricerca. Allo stesso tempo rende meno realistico pensare che la sicurezza futura possa dipendere semplicemente dal decidere chi ha accesso al software.
Per questo stanno acquistando importanza altri punti della catena: screening degli ordini di DNA sintetico, controllo delle sequenze richieste ai fornitori, sistemi di rilevazione, regole per i laboratori e valutazione dei modelli prima della distribuzione.
Che cosa significa per l’Europa e per l’Italia?
La terapia fagica non è una novità assoluta. In Europa è già oggetto di ricerca e l’European Medicines Agency sta lavorando a un quadro specifico per i medicinali basati sui batteriofagi. La bozza pubblicata nell’ottobre 2025 comprende esplicitamente anche prodotti costituiti da fagi con genomi sintetici.
Se un domani un virus progettato con l’intelligenza artificiale dovesse diventare una terapia, non entrerebbe negli ospedali soltanto perché capace di uccidere un batterio in provetta. Dovrebbe passare prima attraverso requisiti di qualità, sicurezza ed efficacia analoghi a quelli previsti per gli altri medicinali biologici, con controlli aggiuntivi legati alla capacità dei fagi di replicarsi ed evolvere.
Per l’Italia il tema incrocia soprattutto l’emergenza dell’antimicrobico-resistenza, già al centro dei programmi sanitari nazionali ed europei. È qui che la tecnologia potrebbe trovare, in futuro, una reale utilità clinica: infezioni nelle quali gli antibiotici disponibili funzionano sempre meno e servono strategie alternative.
Link e fonti
Studi scientifici, documenti istituzionali e materiali utilizzati per verificare e approfondire la ricerca sui batteriofagi progettati con intelligenza artificiale.
-
Studio scientifico
Generative design of novel bacteriophages with genome language models
Il lavoro originale descrive l’impiego dei modelli Evo 1 ed Evo 2 per generare interi genomi di batteriofagi. Nei test sperimentali sono stati ottenuti 16 fagi vitali, alcuni capaci di superare la resistenza sviluppata da ceppi di Escherichia coli.
Consulta lo studio -
Fonte primaria
How We Built the First AI-Generated Genomes
Il resoconto dei ricercatori illustra la progettazione e la validazione sperimentale dei genomi: 285 sequenze sono state testate e 16 hanno prodotto batteriofagi capaci di propagarsi e inibire la crescita dei batteri bersaglio.
Consulta la fonte -
Studio su Evo 2
Genome modelling and design across all domains of life with Evo 2
Lo studio descrive Evo 2, modello genomico addestrato su circa 9.000 miliardi di basi di DNA provenienti dai diversi domini della vita e sviluppato per analizzare e generare sequenze genetiche su larga scala.
Consulta lo studio -
Quadro europeo
Quality aspects of phage therapy medicinal products
La bozza di linea guida dell’EMA definisce i requisiti di qualità per i medicinali destinati alla terapia fagica e comprende esplicitamente anche batteriofagi geneticamente modificati o dotati di genomi sintetici.
Consulta il documento -
Biosicurezza
Dual-use artificial intelligence and biology: upstream risk-benefit reviews
L’analisi del Johns Hopkins Center for Health Security esamina i rischi dual use dei modelli di intelligenza artificiale applicati alla biologia e la necessità di valutazioni di sicurezza prima della loro distribuzione.
Consulta l’analisi -
Verifica indipendente
Safety fears as scientists make first viruses designed by AI
L’approfondimento raccoglie le valutazioni indipendenti di esperti di biologia sintetica e biosicurezza sulle possibili applicazioni terapeutiche e sui rischi legati alla progettazione generativa di interi genomi virali.
Consulta la verifica
Note per i lettori
L’immagine usata per questo articolo è stata creata grazie all’utilizzo di un sistema di Intelligenza Artificiale
