Quando l’algoritmo scrive un genoma

Indice

• Come un modello linguistico impara a scrivere DNA
• La terapia fagica e il problema che prova a risolvere
• Dove sta il rischio dual-use
• Il collo di bottiglia

La biologia sintetica ha da sempre lavorato per addizione, tagliando e ricucendo singoli geni dentro organismi esistenti, spostando frammenti come si spostano mattoni in una parete già costruita. Il 6 agosto 2026 questa grammatica è cambiata. Sulle pagine di Science, un gruppo guidato da Brian Hie tra la Stanford University e l’Arc Institute ha documentato la prima progettazione generativa di genomi virali completi e funzionanti, sedici batteriofagi scritti da un modello di intelligenza artificiale e poi assemblati fisicamente in laboratorio, capaci di infettare e uccidere ceppi di Escherichia coli resistenti agli antibiotici. Non l’editing di una sequenza esistente, ma la scrittura di un organismo dall’inizio alla fine a partire da un modello linguistico addestrato sul linguaggio del DNA.

La distinzione conta più di quanto sembri. Chi si occupa di narrazione dell’intelligenza artificiale ha imparato a diffidare degli annunci iperbolici, e la parola “primo” accompagna quasi ogni comunicato dei laboratori di frontiera. Qui però la soglia superata è reale e verificabile su una rivista peer-reviewed, e riguarda esattamente il terreno dove le implicazioni per la sorveglianza e la validazione indipendente smettono di essere teoriche.

Come un modello linguistico impara a scrivere DNA

Il cuore del lavoro sono due modelli della famiglia Evo sviluppata all’Arc Institute, Evo 1 ed Evo 2, addestrati non su testo umano ma su oltre due milioni di genomi di fagi, poi affinati su un sottoinsieme di circa quattordicimila sequenze appartenenti alla famiglia Microviridae. La logica è la stessa che governa i modelli linguistici che generano prosa, trasferita all’alfabeto a quattro lettere degli acidi nucleici. Un modello di questo tipo non conosce la biochimica esplicita di un virus, ma ha assorbito dalle sequenze naturali quali combinazioni di nucleotidi sono evolutivamente plausibili e quali no, imparando ciò che Hie ha descritto come il fatto che tra le innumerevoli combinazioni possibili solo un sottoinsieme molto più piccolo risulta biologicamente vitale e compatibile con il mondo vivente.

Come punto di partenza il gruppo ha usato ΦX174, un fago naturale minuscolo studiato dagli anni Cinquanta, il cui genoma di appena 5.386 nucleotidi codifica undici geni e serve da organismo modello e da controllo standard sulle macchine di sequenziamento ancora oggi. Prompt di questo genoma di riferimento, i modelli hanno prodotto qualcosa come settecentomila candidati, filtrati poi fino a circa trecento disegni. I ricercatori ne hanno sintetizzati e assemblati 285 e li hanno testati in condizioni di laboratorio controllate. Sedici hanno prodotto fagi vitali, capaci di replicarsi dentro la cellula batterica, e alcuni si sono rivelati migliori del ΦX174 naturale nel moltiplicarsi e trasmettere i propri geni contro ceppi resistenti.

Il dato che merita di essere sottolineato, perché racconta la reale novità del metodo, riguarda la distanza dalle sequenze naturali. Uno dei fagi progettati, chiamato Evo-Phi2147, portava 392 mutazioni inedite e appena il 93 per cento di identità con il parente naturale più vicino, e tredici dei sedici disegni funzionanti contenevano mutazioni assenti in qualunque genoma noto. Non si tratta quindi di copie leggermente rimaneggiate, ma di configurazioni genomiche che l’evoluzione non aveva mai prodotto e che nondimeno funzionano.

La terapia fagica e il problema che prova a risolvere

La cornice medica di questo lavoro non è accessoria. La resistenza antimicrobica è tra le prime minacce sanitarie globali, associata secondo l’Organizzazione Mondiale della Sanità a oltre 4,7 milioni di morti nel 2021, e la terapia fagica rappresenta una delle strade alternative agli antibiotici tradizionali. I fagi infettano e distruggono i batteri sfruttandone il macchinario cellulare per replicarsi, ma hanno un limite noto: quando un batterio sviluppa resistenza a un singolo fago, come ha osservato Hie, per quel trattamento la partita è chiusa. La capacità di generare rapidamente varianti nuove e cocktail di fagi diversi promette di aggirare proprio questo vicolo cieco, e nei test un mix dei sedici virus sintetici ha abbattuto ceppi di E. coli già immuni ai fagi naturali.

È qui però che serve la disciplina di chi valida il dato invece di amplificarlo. Martha Clokie, professoressa di microbiologia e direttrice del Becky Mayer Centre for Phage Research, ha inquadrato il risultato come una prova di principio importante, perché mostra che il contesto genomico può essere appreso da un modello, invitando però a tenere la biologia nella giusta prospettiva. Anche fagi estesamente evoluti a partire da ΦX174, ha osservato, restano punti di partenza terapeutici poveri, per via del loro genoma minuscolo e vincolato e di una biologia troppo semplice per ospitare i complessi meccanismi di riconoscimento batterico, di elusione delle difese e di infezione necessari ad affrontare i patogeni clinicamente rilevanti. Tom Ellis, professore di ingegneria dei genomi sintetici all’Imperial College London, ha sottolineato la stessa asimmetria per la via opposta, ricordando che i fagi in questione hanno il genoma più piccolo e più facile da costruire, e che la complessità cresce in modo esponenziale con la dimensione del genoma.

Tra la dimostrazione in piastra Petri e un impiego clinico, insomma, resta una distanza che nessuna delle fonti primarie prova a comprimere. La prova di concetto è solida, la validazione clinica è un’altra cosa.

Dove sta il rischio dual-use

Il modo più pigro di raccontare questa vicenda è quello dell’allarme generico sull’intelligenza artificiale che crea virus. La ricostruzione onesta è più interessante e più scomoda, perché mostra che il presidio di sicurezza costruito dai ricercatori funziona esattamente dove è stato progettato per funzionare, e che il punto debole si trova altrove.

Nel disegnare Evo 2 il gruppo aveva deliberatamente escluso dai dati di addestramento i genomi di virus capaci di infettare esseri umani, animali e altri organismi complessi, una scelta annunciata già nel febbraio 2025 con l’obiettivo dichiarato di prevenire l’uso del modello per lo sviluppo di armi biologiche. Questa esclusione dei dati, in gergo data exclusion o data filtering, è oggi la mitigazione di elezione per i modelli genomici, e in questo studio i fagi bersaglio infettano soltanto un ceppo di laboratorio non patogeno di E. coli. Il modello, così com’è, non può generare sequenze virali umane, perché quei dati non gli sono mai stati mostrati.

Il rischio, quindi, non abita dentro il modello nella sua forma attuale, ma in due punti a valle. Il primo è l’apertura del codice. Evo 2 è open source, una scelta pensata per accelerare la ricerca legittima su patogeni e alternative agli antibiotici, che però mette gli stessi strumenti generativi nelle mani di chiunque disponga di sufficiente potenza di calcolo. Far girare la versione da quaranta miliardi di parametri a piena lunghezza di contesto richiede all’incirca otto server GPU di fascia alta, un hardware stimato tra i 250 e i 350 mila dollari, cifra che colloca la capacità fuori dalla portata del singolo malintenzionato ma dentro quella di istituzioni ben finanziate. E il fatto stesso che il filtro dei dati sia rimovibile significa che chi possiede le competenze e le intenzioni sbagliate può, in linea di principio, riaddestrare o affinare un modello aperto su dati che erano stati esclusi.

Il collo di bottiglia

Questo non è uno scenario ipotetico. Un lavoro condotto da un sottoinsieme della stessa comunità di ricerca ha mostrato che affinare Evo 2 proprio sulle sequenze di virus umani originariamente escluse ne riduce la perplexity nel predire sequenze virali umane trattenute, migliorando anche la previsione delle varianti di fuga immunitaria di SARS-CoV-2 rispetto al modello pre-addestrato. È l’evidenza empirica, per quanto preliminare, che i dati sui patogeni umani sono un ingrediente importante per costruire modelli capaci di progettare agenti con accresciuto potenziale pandemico, e che l’esclusione dei dati è una barriera reale ma non definitiva.

Il secondo punto debole, quello che i biosecurity researcher indicano come più urgente, sta ancora più a valle, nel momento fisico in cui un ordine di materiale genetico sintetico viene evaso. Thomas Inglesby e Moritz Hanke, del centro di biosicurezza della Johns Hopkins, hanno usato lo stesso numero di Science per chiedere uno screening obbligatorio per legge degli ordini di sintesi genetica, non i soli standard volontari oggi adottati dall’industria. È una differenza sostanziale di governance: il collo di bottiglia difendibile non è il modello che progetta una sequenza, ma l’azienda che quella sequenza la sintetizza e la spedisce. Ellis ha aggiunto una nota di realismo che vale la pena non perdere, osservando che la manipolazione dei virus naturali già esistenti resta una minaccia di biosicurezza più concreta e imminente di quella dei virus progettati dall’intelligenza artificiale, data la complessità che cresce esponenzialmente con la dimensione del genoma.