ИИ добрался до вирусных геномов не на слайдах, а в лаборатории: исследователи Arc Institute и Stanford получили 16 жизнеспособных бактериофагов из 285 синтетических кандидатов. Для ИТ-рынка это важный сдвиг: специализированные модели начинают не просто анализировать биоданные, а проектировать конструкции, которые работают в живой системе.
Эксперимент ограничили безопасным классом вирусов
Работу опубликовали в Science. Команда использовала геномные модели Evo 1 и Evo 2, которые устроены по логике LLM, но учатся не на текстах, а на последовательностях ДНК. Для узкой задачи исследователи дообучили систему на 14 466 геномах семейства Microviridae, близких к фагу ΦX174.
Для справки: бактериофаг - это вирус, который заражает бактерии, а не человека. В эксперименте использовали именно такой объект и дополнительно исключили всё, что связано с вирусами людей, животных, растений и грибов. Цель была не в том, чтобы сделать новый патоген, а в том, чтобы проверить, может ли модель собрать рабочий вирусный геном в контролируемых условиях.
Из 700 тысяч вариантов до лаборатории дошли 285
После настройки Evo сгенерировала около 700 000 вариантов геномов. На синтез и проверку отправили 285 кандидатов, и 16 из них дали жизнеспособные бактериофаги: они заражали лабораторные штаммы E. coli и размножались внутри них. По данным Engadget и Arc Institute, часть образцов показала жизнеспособность не хуже природного ΦX174, а некоторые размножались быстрее.
Это были не аккуратные копии природы. У работающих фагов нашли от 67 до 392 новых мутаций относительно ближайших известных аналогов. Один из образцов, Evo-Φ2147, сохранил лишь 93% средней нуклеотидной идентичности к ближайшему известному фагу NC51 и при некоторых таксономических подходах может считаться новым видом.
Практическая польза упирается в те же риски
У технологии есть вполне прикладной сценарий: бактериофаги рассматривают как инструмент против бактерий, устойчивых к антибиотикам. Если такие модели ускорят поиск нужных комбинаций, биотех-команды смогут быстрее проверять гипотезы для фаговой терапии и синтетической биологии, а не месяцами перебирать варианты вручную в лаборатории.
Но вместе с пользой растёт и цена ошибки. Здесь ИИ уже не пересказывает известную биологию, а помогает собирать жизнеспособные объекты с заданными свойствами. Для русскоязычной ИТ-аудитории это знакомая история в новом масштабе: в чувствительных областях больше недостаточно политики «используем ответственно». Нужны ограничения на доступ к моделям, аудит запросов, независимая экспертиза и контроль не только в интерфейсе, но и в лаборатории.
Значение для рынка
Главный вывод простой: генеративные модели переходят из режима ассистента в режим конструктора физического мира. Сегодня это бактериофаги, завтра это молекулы, материалы и клеточные системы. Для стартапов это будущие регуляторные издержки, для корпораций это вопрос реального контроля и ответственности, а не красивого раздела про безопасность в презентации.
Следующий спор пойдёт уже не о том, способен ли ИИ проектировать такие объекты, а о том, кто и по каким правилам получит к ним доступ. Оригинал заметки: . Технические детали эксперимента: .