Sažetak
Godine 2026. istraživački tim predvođen dr. Brianom Hiejem sa Sveučilišta Stanford i Samuelom Kingom s Arc Institutea objavio je u časopisu Science rad o prvom uspješnom generativnom dizajnu cjelovitih, funkcionalnih virusnih genoma korištenjem umjetne inteligencije [1]. Korištenjem genomskih jezičnih modela Evo 1 i Evo 2, istraživači su generirali tisuće potencijalnih genetskih nacrta za bakteriofage, od kojih je 16 sintetiziranih i laboratorijski potvrđenih virusa bilo potpuno funkcionalno [1][2]. Ovaj rad predstavlja prekretnicu u sintetičkoj biologiji, prelazeći s modificiranja postojećih genoma na de novo dizajn cjelokupnih genoma, te otvara nove mogućnosti u borbi protiv antibiotik-rezistentnih bakterija, uz istovremeno postavljanje značajnih pitanja o biosigurnosti [3].
1. Uvod
Antimikrobna rezistencija (AMR) jedna je od najvećih prijetnji suvremenoj medicini, a potraga za novim antibakterijskim strategijama hitna je globalna potreba. Bakteriofagi — virusi koji inficiraju isključivo bakterije — predstavljaju obećavajuću alternativu klasičnim antibioticima, no pronalaženje novih faga u prirodi spor je i mukotrpan proces [1][7].
Paralelno, razvoj generativne umjetne inteligencije dosegao je biološke domene. Genomski jezični modeli, poput Evo serije modela, uče “jezik DNK” analizirajući goleme količine genetskih sekvenci, analogno tome kako veliki jezični modeli uče jezik iz tekstualnih korpusa [4]. Iako su prethodni AI modeli u biologiji (poput AlphaFolda) služili za predviđanje strukture proteina ili modificiranje postojećih gena, dizajn cjelovitog, funkcionalnog genoma ostao je nedostižan sve do ovog istraživanja [1][6].
2. Metodologija
2.1. Genomski jezični modeli: Evo 1 i Evo 2
Istraživači su koristili dva generativna AI modela — Evo 1 i Evo 2 — razvijena na Arc Instituteu u suradnji sa Sveučilištem Stanford, UC Berkeley i NVIDIA-om [4][5]. Ovi modeli rade na principu sličnom velikim jezičnim modelima (poput ChatGPT-a), s tom razlikom da umjesto riječi i rečenica predviđaju sekvence nukleotidnih baza DNK (A, T, C, G) [1].
Trening modela:
- Evo 1 je treniran na 2,7 milijuna prokariotskih i virusnih genoma, što odgovara približno 300 milijardi nukleotida [4].
- Evo 2 je proširena verzija trenirana na 9,3 trilijuna DNK baznih parova iz više od 128.000 različitih organizama, uključujući bakterije, viruse, biljke i ljude [5].
Za potrebe ovog eksperimenta, modeli su dodatno fino podešeni (fine-tuned) na bazi od oko 15.000 genoma iz obitelji bakteriofaga Microviridae, s posebnim naglaskom na dobro proučeni fag ΦX174 [1][2].
2.2. Generiranje nacrta i laboratorijska sinteza
Kao polazište korišten je konzervirani segment genoma faga ΦX174 — virusa otkrivenog 1935. godine u pariškim kanalizacijama, čiji je genom (oko 5.400 nukleotida, 11 gena) prvi put u potpunosti sekvenciran 1977. godine [1]. Model je dobio zadatak dovršiti preostale dijelove genoma, slično kao što jezični model dovršava rečenicu [6].
AI je generirao tisuće potencijalnih genetskih nacrta, od kojih je odabrano 302 najperspektivnija. Istraživači su zatim kemijski sintetizirali 285 od tih nacrta u laboratoriju i ubacili ih u stanice bakterije Escherichia coli kako bi testirali njihovu funkcionalnost [1].
3. Rezultati
3.1. Funkcionalni sintetički virusi
Od 285 sintetiziranih AI-generiranih genoma, 16 je bilo potpuno funkcionalno — virusi su se uspješno replicirali unutar bakterijskih stanica i lizirali (uništavali) ih [1][9]. Ovi virusi nisu identični nijednom poznatom prirodnom fagu; pokazuju de novo mutacije, divergentne gene i regulatorne elemente te promjenjive duljine genoma [1][2].
3.2. Nadmoć nad prirodnim virusima
U izravnim laboratorijskim natjecanjima s prirodnim fagom ΦX174, pojedini AI-generirani virusi pokazali su znatno veću učinkovitost. Varijanta nazvana Evo-Φ69 umnožila se do 65 puta više od svog prirodnog parnjaka [1][6]. Krioelektronska mikroskopija otkrila je da jedan od generiranih faga koristi evolucijski udaljeni protein za pakiranje DNK unutar svoje kapside, što ukazuje da metoda može proizvesti strukturne inovacije, a ne samo varijacije poznatih oblika [1].
3.3. Razbijanje otpornosti bakterija
Najvažniji terapijski rezultat jest da je koktel od 16 AI-generiranih faga uspio zaraziti i uništiti sojeve E. coli koji su ranije razvili potpunu otpornost na prirodni fag ΦX174 [1][7]. Ovo je ključno jer bakterije često razvijaju obranu protiv pojedinačnih faga, no mješavina genetski raznolikih faga otežava razvoj rezistencije [1].
4. Značaj za medicinu i znanost
4.1. Borba protiv superbakterija
Sposobnost AI da “po narudžbi” dizajnira specifične fagove za točno određene sojeve otpornih bakterija drastično skraćuje vrijeme razvoja fagoterapije [1][8]. Istraživači ističu potencijal primjene sličnih pristupa za razvoj fagova koji ciljaju druge opasne bakterije, poput Mycobacterium tuberculosis, MRSA i Pseudomonas aeruginosa [1][6].
4.2. Prijelaz s “čitanja” na “pisanje” biologije
Ovo je prvi put da je generativni AI izradio kompletan, funkcionalan genom koji može preuzeti živu stanicu i samostalno se replicirati [1]. Kako ističe dr. Brian Hie: “Ovo je sljedeći korak u složenosti koju generativni AI može dizajnirati — prvi put da je generativni AI korišten za dizajn cjelokupnog genoma, nečega što se može replicirati i imati funkcije unutar stanica” [6].
5. Sigurnosne i etičke kontroverze
Rad je izazvao opsežnu raspravu u znanstvenoj zajednici [3][7]. U popratnom komentaru u Scienceu, dr. Thomas Inglesby i dr. Moritz Hanke iz Centra za zdravstvenu sigurnost Johns Hopkins upozorili su da nalazi postavljaju “hitna pitanja o biosigurnosti i biološkoj sigurnosti” [3]. Istaknuli su da više nije pitanje “hoće li generativni dizajn virusnih genoma postojati”, već može li se koristiti bez “omogućavanja ozbiljne štete” [3].
5.1. Zaštitne mjere istraživača
Tim je poduzeo nekoliko mjera opreza [1][3]:
- Iz baze za trening modela namjerno su uklonjeni svi podaci o virusima koji inficiraju ljude, životinje i biljke [1].
- Istraživanje je provedeno na bakteriofagima, a ne na virusima koji inficiraju ljude [1].
- Eksperimenti su odvijani u sigurnosno opremljenim laboratorijima [1].
5.2. Upozorenja stručnjaka
Unatoč mjerama opreza, tehnologija dokazuje koncept: ako AI može dizajnirati funkcionalan genom faga, napredniji modeli u budućnosti mogli bi dizajnirati patogene koji napadaju ljudske stanice [3][7]. Glavna točka kontrole trenutno je proizvodnja DNK — tvrtke koje kemijski sintetiziraju DNK moraju strogo provjeravati narudžbe kako netko ne bi naručio sintezu opasnih AI-generiranih patogena [3].
6. Zaključak
Istraživanje tima Hieja i Kinga predstavlja temeljni pomak u sintetičkoj biologiji — generativni AI prešao je granicu s tekstualnih i vizualnih modela na “jezik života” (DNK) [1][6]. Znanstvenici su dobili moćno oruđe za borbu protiv otpornih bakterijskih infekcija, ali je istovremeno otvoren prozor u eru u kojoj dizajn novih bioloških organizama zahtijeva stroge međunarodne regulative i nadzor [3][7].
Kako zaključuju autori u radu: “Naši rezultati pokazuju da generativni modeli hvataju evolucijska ograničenja u DNK sekvencama s dovoljnom vjernošću da proizvedu cjelokupne genome bakteriofaga koji su različiti od onih opaženih u prirodi i s unaprijed specificiranim svojstvima” [1].
Reference
[1] King, S. H., Driscoll, C. L., Li, D. B., Guo, D., Merchant, A. T., Brixi, G., Wilkinson, M. E., & Hie, B. L. (2026). Generative design of bacteriophages with genome language models. Science. DOI: 10.1126/science.aec2657
[2] King, S. H., Driscoll, C. L., Li, D. B., Guo, D., Merchant, A. T., Brixi, G., Wilkinson, M. E., & Hie, B. L. (2025). Generative design of novel bacteriophages with genome language models. bioRxiv. DOI: 10.1101/2025.09.12.675911
[3] Inglesby, T., & Hanke, M. (2026). Commentary on generative viral genome design. Science. (Perspektiva uz rad Kinga i sur.)
[4] Nguyen, E., et al. (2024). Sequence modeling and design from molecular to genome scale with Evo. Science, 386(6723). DOI: 10.1126/science.ado9336
[5] Brixi, G., et al. (2025). Evo 2: Genome modeling and design across all domains of life. Nature. (Preprint objavljen u veljači 2025.)
[6] Hie, B. L., & King, S. H. (2026). AI designs a novel E. coli killer. Stanford News. https://news.stanford.edu/stories/2026/08/evo-2-ai-tool-e-coli-killer-bacteriophages
[7] BBC News. (2026, August 6). Artificial Intelligence used to design brand new viruses. https://www.bbc.com/news/articles/c5y3j3ngevmo
[8] Heise Online. (2026, August 6). Stanford and Arc Institute: AI designs viable bacteriophages. https://www.heise.de/en/news/Stanford-and-Arc-Institute-AI-designs-viable-bacteriophages-11402564.html
[9] American Chemical Society C&EN. (2026, August 6). AI program designs new bacteriophages. Chemical & Engineering News. DOI: 10.1126/science.aec2657