Em um laboratório da Universidade de Stanford, pesquisadores observaram manchas claras se espalharem por uma placa de Petri cheia de bactérias — o sinal inconfundível de que algo que eles haviam construído inteiramente dentro de um computador acabara de ganhar vida. Os organismos que estavam eliminando aquelas bactérias não foram retirados da natureza. Eles eram vírus projetados por IA, gerados por um modelo computacional chamado Evo e depois quimicamente construídos do zero, e os resultados agora levantam questões que vão muito além de um laboratório no porão de Stanford.
Summary
Principais pontos
- Evo, um modelo de IA desenvolvido pela Universidade de Stanford e pelo Arc Institute, propôs 700.000 possíveis genomas virais, dos quais 285 foram quimicamente sintetizados e 16 produziram vírus capazes de se replicar e matar bactérias.
- Evo foi treinado primeiro em aproximadamente nove trilhões de nucleotídeos de milhões de animais, plantas, micróbios e vírus, depois especializado nos 11 genes do bacteriófago Phi X-174 e em cerca de 15.000 genomas relacionados.
- Os vírus gerados por IA foram tão robustos quanto os naturais, e alguns se replicaram mais rápido do que o próprio fago natural Phi X-174.
- As regras atuais de biossegurança dos Institutos Nacionais de Saúde dos EUA (NIH) proíbem experimentos que tornem patógenos mais perigosos, mas não cobrem claramente o design puramente computacional de vírus, a menos que envolva uma “entidade de preocupação”.
- Especialistas, incluindo Moritz Hanke, do Johns Hopkins Center for Health Security, alertam para um crescente descompasso entre o que a IA agora consegue fazer e as regras destinadas a controlá-la.
Modelo de IA Evo projeta novos genomas virais para bactérias
Evo funciona como uma versão genética de um grande modelo de linguagem, prevendo sequências de DNA da mesma forma que o ChatGPT prevê a próxima palavra em uma frase. Em vez de linguagem, porém, ele aprendeu os padrões escritos no próprio código genético da vida. A equipe por trás dele, sediada em Stanford e no Arc Institute, decidiu verificar se esse tipo de reconhecimento de padrões poderia ir um passo além do design de proteínas ou antibióticos individuais — e realmente produzir um vírus funcional.
Como o Evo foi treinado
A formação do modelo ocorreu em duas etapas. O treinamento inicial do Evo utilizou aproximadamente nove trilhões de nucleotídeos provenientes de milhões de organismos que abrangem os reinos animal, vegetal, microbiano e viral, absorvendo padrões que se estendem por toda a árvore da vida. Só depois dessa base ampla é que uma segunda rodada de treinamento, especializada, foi realizada, desta vez focada estritamente nos 11 genes do bacteriófago Phi X-174 e em cerca de 15.000 de seus parentes mais próximos. Para Samuel King, doutorando em Stanford e coautor da pesquisa, estruturar o treinamento dessa forma pareceu o passo óbvio. “Parecia simplesmente o próximo passo óbvio”, disse ele.
De 700.000 candidatos a 16 vírus funcionais
Uma vez treinado, o Evo propôs 700.000 possíveis genomas virais. Os pesquisadores reduziram esse enorme conjunto aos candidatos mais promissores e mandaram sintetizar quimicamente 285 sequências como DNA, que foram então inseridas em bactérias para ver o que aconteceria. Dezesseis dessas sequências produziram vírus capazes de se replicar — e, crucialmente, capazes de matar as bactérias-alvo, E. coli, no processo. King e seus colegas teriam percebido que os fagos estavam funcionando nas primeiras horas da manhã, ao observar manchas claras surgindo nas placas de Petri. “Começamos a ver essas manchas claras e foi extremamente empolgante”, disse King. Quando a equipe mais ampla viu os resultados, segundo o professor assistente de Stanford Brian Hie, “a sala explodiu em aplausos espontaneamente”.
Como os vírus projetados por IA realmente se saíram no laboratório
Os 16 vírus que surgiram do experimento não eram curiosidades de laboratório frágeis. Eles igualaram o desempenho de vírus que ocorrem naturalmente e, em alguns casos, os superaram — um resultado que surpreendeu até pesquisadores que não participaram do trabalho.
Robustez, velocidade e marcos científicos
Os vírus projetados se mostraram tão robustos quanto os naturais, e alguns se replicaram ainda mais rápido do que o próprio Phi X-174. “Eles não são apenas versões debilitadas de coisas que já existem”, disse Oliver Crook, químico de proteínas da Universidade de Oxford que não fez parte do estudo. Patrick Cai, biólogo sintético da Universidade de Manchester, chamou o trabalho de um “marco importante”, acrescentando que “a importância vai muito além dos fagos — sugere que modelos de linguagem de genomas estão começando a aprender os princípios de design codificados pela evolução, abrindo a porta para a escrita de genomas assistida por IA.” Marc Güell, do laboratório de biologia sintética da Universidade Pompeu Fabra, descreveu-o como um “ponto de virada muito significativo” porque, pela primeira vez, “estamos começando a projetar biologia em um computador”.
Ainda assim, Crook foi cuidadoso ao moderar as expectativas. A IA não inventou nada fundamentalmente novo — os vírus resultantes são muito semelhantes a espécies naturais e dependem da mesma biologia subjacente, em vez de algum mecanismo inédito. Se o Evo conseguir repetir o mesmo feito com outras famílias de vírus continua sendo uma questão em aberto. Se a abordagem realmente se generalizar, disse Crook, ela poderá gerar ferramentas genuinamente úteis para a medicina e a biotecnologia: “Grande parte da nossa ciência se baseia em vírus como tecnologia.” Para contextualizar, o genoma do fago com o qual a equipe trabalhou tem cerca de 5.400 pares de bases, em comparação com aproximadamente 500.000 pares de bases na menor célula viva e cerca de três bilhões no genoma humano — uma diferença que, segundo Hie, faz com que projetar um organismo vivo simples seja “provavelmente muito trabalhoso, mas não impossível”, e algo em que a equipe está “definitivamente interessada em trabalhar”.
Lacunas de biossegurança em torno do design computacional de vírus
A descoberta surge em um momento em que a política de biossegurança dos EUA ainda não alcançou o que os modelos de IA agora conseguem gerar em uma tela. Esse descompasso está no centro do debate em torno da sintetização de genomas virais guiada por inteligência artificial.
O que as regras de biossegurança dos EUA não cobrem
No final de julho, os Institutos Nacionais de Saúde divulgaram uma política sobre pesquisa em ciências da vida de alto risco que proíbe a criação de variantes patogênicas mais perigosas. No entanto, trabalhos conduzidos inteiramente por métodos computacionais — projetar DNA viral em um computador sem construí-lo fisicamente — não são cobertos “a menos que envolvam uma entidade de preocupação”, de acordo com a agência. Essa distinção é fácil de aplicar a algo como a varíola, claramente classificada como perigosa. É muito mais nebuloso quando o vírus em questão saiu de um modelo de IA em vez de uma lista de patógenos conhecidos, que é exatamente o tipo de ambiguidade que agora molda os debates sobre regulação de biossegurança com os quais a política de IA luta para acompanhar.
Precauções e alertas de especialistas
A equipe de Stanford e do Arc Institute não esperou que os reguladores se atualizassem. Durante toda a fase de treinamento, o Evo não foi exposto a nenhuma informação sobre vírus que infectam humanos ou seus organismos patogênicos associados que afetam animais, plantas ou fungos — o que significa que o modelo simplesmente não pode produzir essas sequências genéticas para começar. “Nossa intenção foi simplesmente exercer o máximo de cautela”, disse Brian Hie. Moritz Hanke, do Johns Hopkins Center for Health Security, chamou essa decisão de “bastante louvável”, especialmente porque nenhuma regra oficial a exigia: “Porque eles não recebem orientação de lugar nenhum sobre o que deveriam estar fazendo.”
Hanke e Thomas Inglesby, também de Johns Hopkins, foram além em um comentário publicado juntamente com a pesquisa na revista Science, alertando que as descobertas levantam “urgentes questões de biossegurança e biosegurança.” A verdadeira questão, argumentaram, não é se o design generativo de genomas virais existirá daqui para frente — ele claramente já existe — mas se pode ser usado sem “possibilitar danos graves”. Hanke expôs a preocupação de forma direta: “Qual é o risco daquilo que eu nunca vi antes?”, perguntou, descrevendo “um enorme descompasso” entre a velocidade com que a ciência avança e a lentidão com que as barreiras de proteção a acompanham. Seu pior cenário é fácil de imaginar: “Você poderia dizer: ‘Ei, modelo de linguagem genômica, faça para mim um genoma de influenza modificado para ser mais transmissível ou mais letal.'”
Por que isso importa: o mesmo atalho computacional que permitiu ao Evo projetar 16 bacteriófagos funcionais em questão de meses, usando nove trilhões de nucleotídeos de dados de treinamento e uma rodada de refinamento direcionada ao Phi X-174, é um método de uso geral. Nada na técnica subjacente o restringe a matadores de bactérias inofensivos. É exatamente essa lacuna que Hanke e Inglesby estão apontando: um método de pesquisa que avança mais rápido do que a política destinada a contê-lo, em um campo em que a pesquisa em biologia sintética cada vez mais desfoca a linha entre projetar novos medicamentos e projetar novos riscos.
Por enquanto, os pesquisadores dizem que as salvaguardas que aplicaram — excluir dados de vírus que infectam humanos, trabalhar apenas com bacteriófagos e executar tudo dentro de um laboratório seguro — contribuem muito para manter a tecnologia voltada para o benefício, e não para o dano. Hie argumenta que a abordagem tem o potencial de “melhorar massivamente a saúde humana” por meio de novos medicamentos e terapias, incluindo tratamentos à base de fagos para infecções resistentes a antibióticos. Se essa promessa se sustenta fora do Phi X-174, e se os reguladores agirão antes que a próxima versão desse experimento tenha como alvo algo menos contido, são as duas questões que provavelmente definirão o que vem a seguir para vírus projetados por IA.
Perguntas frequentes
Quão eficazes foram os vírus projetados por IA nos testes de laboratório?
De 285 sequências de genomas virais sintetizadas, 16 produziram vírus capazes de se replicar e matar bactérias no laboratório.
Quais dados foram usados para treinar o modelo de IA Evo?
O Evo foi inicialmente treinado em aproximadamente nove trilhões de nucleotídeos de milhões de animais, plantas, micróbios e vírus e, em seguida, especificamente nos 11 genes do fago Phi X-174 e em cerca de 15.000 genomas relacionados.
Por que as políticas atuais de biossegurança dos EUA não regulam vírus projetados por IA?
Porque o design puramente computacional de DNA viral não é coberto pelas políticas atuais do NIH dos EUA, a menos que envolva uma entidade de preocupação, criando uma lacuna regulatória para vírus projetados por IA.
Que precauções os cientistas tomaram durante o treinamento do Evo?
Eles excluíram dados sobre vírus que infectam humanos e patógenos relacionados, para impedir que a IA gerasse genomas virais potencialmente perigosos que infectam humanos.
{“@context”:”https://schema.org”,”@type”:”FAQPage”,”mainEntity”:[{“@type”:”Question”,”name”:”Quão eficazes foram os vírus projetados por IA nos testes de laboratório?”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”De 285 sequências de genomas virais sintetizadas, 16 produziram vírus capazes de se replicar e matar bactérias no laboratório.”}},{“@type”:”Question”,”name”:”Quais dados foram usados para treinar o modelo de IA Evo?”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”O Evo foi inicialmente treinado em aproximadamente nove trilhões de nucleotídeos de milhões de animais, plantas, micróbios e vírus e, em seguida, especificamente nos 11 genes do fago Phi X-174 e em cerca de 15.000 genomas relacionados.”}},{“@type”:”Question”,”name”:”Por que as políticas atuais de biossegurança dos EUA não regulam vírus projetados por IA?”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”Porque o design puramente computacional de DNA viral não é coberto pelas políticas atuais do NIH dos EUA, a menos que envolva uma entidade de preocupação, criando uma lacuna regulatória para vírus projetados por IA.”}},{“@type”:”Question”,”name”:”Que precauções os cientistas tomaram durante o treinamento do Evo?”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”Eles excluíram dados sobre vírus que infectam humanos e patógenos relacionados, para impedir que a IA gerasse genomas virais potencialmente perigosos que infectam humanos.”}}]}
Artigo produzido com a assistência de inteligência artificial e revisado pela equipe editorial.
