Uz Gatesovo financiranje umjetna inteligencija po prvi put stvara 16 virusa koji se repliciraju.
Umjetna inteligencija sada može osmisliti potpune genome virusa koji se potom mogu sintetizirati u laboratoriju i pretvoriti u funkcionalne viruse. Istraživači sa Stanford Universityja i Arc Institutea upravo su to učinili – 16 njihovih dizajna koje je izradila umjetna inteligencija uspjelo je zaraziti bakterije i samostalno se razmnožavati. Jedan od financijskih podupiratelja vodećeg istraživača, inače, jest Gates Foundation.
Dana 6. kolovoza u časopisu Science objavljena je studija „Generative design of bacteriophages with genome language models“. Istraživači sa Stanford Universityja i Arc Institutea za to su koristili genomske modele umjetne inteligencije Evo 1 i Evo 2 kako bi osmislili potpuno nove genome bakteriofaga ΦX174. Gotovo 300 odabranih dizajna koje je izradila umjetna inteligencija potom je sintetizirano kao DNK i laboratorijski testirano na bakteriji Escherichia coli. Njih 16 je funkcioniralo: zarazili su bakterije, razmnožavali se u njima i stvarali nove virusne čestice. Time je pala dosad ključna granica. Umjetna inteligencija napisala je potpune genome virusa, ti su digitalni nacrti fizički izrađeni, a iz njih su nastali virusi sposobni za razmnožavanje.
AI DESIGNS working VIRUSES for the first time, sparking medical HOPE & FEAR — NYT
— The Mad Hatter (@GeraldAvery17) August 10, 2026
Stanford team trained AI model on millions of genetic sequences to generate 16 viable viruses capable of infecting drug-resistant bacteria pic.twitter.com/jfGYJL1N0W
Evo funkcionira slično kao veliki jezični model (GPT, Gemini, Grok), samo što ne radi s riječima, nego s DNK. Umjesto da predviđa koja će riječ doći sljedeća, model izračunava koji bi genetski građevni element – A, C, G ili T – mogao slijediti u nekom slijedu. Iz milijuna postojećih genoma uči biološke strukture i povezanosti te na temelju toga može stvarati nove sekvence. Već je 2024. godine također u časopisu Science objavljen temeljni rad „Sequence modeling and design from molecular to genome scale with Evo“. Model je bio treniran na milijunima prokariotskih i virusnih genoma te je trebao analizirati i iznova osmišljavati genetske sekvence. Sada je iz toga nastao alat koji u jednom komadu stvara potpune genome virusa.
Dobiveni fagovi nisu bili puka kopija prirodnog ΦX174. Uspješni genomi pokazivali su brojne promjene u odnosu na svoje najbliže poznate prirodne srodnike. Nekoliko ih je sadržavalo mutacije koje nisu pronađene ni u jednoj poznatoj prirodnoj sekvenci. Neki su AI-fagovi osim toga mogli napasti bakterijske sojeve protiv kojih prirodni početni fag više gotovo nije djelovao. Za medicinu je to zanimljivo. Fagovi bi mogli pomoći u borbi protiv bakterija otpornih na antibiotike, a prilagođeni virusi mogli bi se za tu svrhu ciljano optimizirati. S tehnološkog je gledišta, međutim, stvar mnogo veća: računalo ispisuje genetski nacrt, servis za sintezu od njega stvara DNK, a u laboratoriju iz toga nastaje virus koji se može sam razmnožavati.
Ugrađena sigurnosna barijera nije neprobojni zid
Virusi koji su sada stvoreni bili su bakteriofagi. Oni napadaju bakterije, a ne ljude. Ljudski patogeni bili su uklonjeni iz podataka za treniranje Evo 2. Međutim, ta je zaštitna mjera već testirana kako bi se provjerilo koliko je otporna. James Black, Moritz Hanke, Aaron Maiwald i drugi istraživači objavili su rad „Open-weight genome language model safeguards: Assessing robustness via adversarial fine-tuning“. Naknadno su trenirali Evo 2 sekvencama 110 virusa štetnih za ljude. Nakon toga model je takve sekvence mogao znatno bolje obrađivati. U daljnjim testovima pokazao je čak i prve sposobnosti prepoznavanja varijanti s mogućim izbjegavanjem imunološkog odgovora.
Rezultat je za biološku sigurnost sve samo ne umirujući: uklanjanje opasnih virusa iz izvornog materijala za treniranje ne sprječava da se javno dostupan model kasnije ponovno trenira takvim podacima. Zaštitnu mjeru moguće je barem djelomično zaobići. Izvorni rad Trenutačno istrenirani parametri modela Evo 2 javno su dostupni. Tko posjeduje potrebno stručno znanje i dovoljnu računalnu snagu, može preuzeti model, samostalno ga pokretati i dalje trenirati. Tehnička osnova dakle već postoji. Da razvoj nije tek akademska sporedna stvar, pokazuje već i okruženje u kojem je rad objavljen. Istraživači biološke sigurnosti sve se više bave pitanjem kako bi se generativni genomski modeli mogli zloupotrijebiti i koje bi granice uopće mogle učinkovito funkcionirati.
BIG BREAKTHROUGH:
— SciTech Era (@SciTechera) August 7, 2026
For the first time, Scientists have used AI to design fully functional viruses that have never existed in nature 👀
"Researchers from Stanford University and the Arc Institute used genome language models called Evo 1 and Evo 2 to generate complete viral… pic.twitter.com/gGE5tAs9OC
Razlog za to je očit. Dosad su istraživači morali stvarati, uzgajati, testirati, selektirati varijante virusa i razvijati ih kroz brojne eksperimentalne cikluse. Genomska umjetna inteligencija može proizvesti goleme količine mogućih sekvenci i pritom otkriti strukture kojih se čovjek možda uopće ne bi dosjetio. Istodobno je proizvodnja sintetičke DNK odavno dio komercijalne rutine. Put sada vodi od računala preko sintetizatora DNK do laboratorija. Kod ΦX174 taj je lanac funkcionirao.
Gates Foundation financirala vodećeg istraživača
Kada se pogleda financiranje, pojavljuje se ime koje se već godinama redovito pojavljuje u velikim biotehnološkim projektima. Brian L. Hie, profesor na Stanfordu i jedan od ključnih ljudi iza rada objavljenog u časopisu Science, među svojim financijerima navodi Gates Foundation. Osim nje, navedeni su Arc Institute, Chan Zuckerberg Initiative, ARPA-H i Schmidt Sciences.
Podaci o financiranju ne navode koji je financijer platio pojedini korak ovog eksperimenta. Međutim, utvrđeno je sljedeće: Gates Foundation financirala je znanstvenika koji je na čelu istraživanja u okviru kojeg su prvi put potpuni genomi virusa osmišljeni umjetnom inteligencijom pretvoreni u viruse sposobne za razmnožavanje. Gatesov novac pojavljivao se i u ranijim istraživačkim projektima u kojima su ulogu imali cjepiva, genetske promjene virusa i tehnologije za evidentiranje cijepljenja.
Potvrda o cijepljenju pod kožom
Godine 2019. u stručnom časopisu Science Translational Medicine objavljena je studija „Biocompatible near-infrared quantum dots delivered to the skin by microneedle patches record vaccination“. Istraživači Massachusetts Institute of Technologyja u njoj su razvili topljive flastere s mikroneedlama koji su zajedno s cjepivom mogli u kožu unijeti nevidljive kvantne točke bliskog infracrvenog područja. Oznake su trebale informacije o cijepljenju pohraniti izravno na tijelu.
Uz odgovarajuće prilagođenu tehnologiju pametnog telefona kasnije su se mogle ponovno očitati. U pokusima na životinjama uzorci su bili vidljivi još mjesecima poslije; daljnja testiranja ispitivala su znatno dulju trajnost. I ovaj je projekt, među ostalima, financirala Bill & Melinda Gates Foundation. Digitalno očitljiva potvrda o cijepljenju pod kožom – financirana Gatesovim novcem. Kakva slučajnost.
BREAKING: Gates Foundation Funds First-Ever Creation of 16 Synthetic Viruses Using AI
— Nicolas Hulscher, MPH (@NicHulscher) August 7, 2026
For the first time ever, mad scientists used AI models to design entire viral genomes, physically manufacture them, and turn them into 16 new functional viruses capable of replicating.
Project… pic.twitter.com/4ZZR4hk8ts
9,5 milijuna dolara za potragu za opasnim mutacijama gripe
Trag vodi još dalje u prošlost, do Yoshihira Kawaoke, jednog od najpoznatijih istraživača gripe na svijetu. University of Wisconsin–Madison 2009. godine dobio je od Bill & Melinda Gates Foundation 9,5 milijuna dolara za petogodišnji istraživački program pod njegovim vodstvom. Sveučilište je tada samo opisalo o čemu je riječ: Kawaokin tim trebao je identificirati mutacije u virusima ptičje gripe koje tim virusima omogućuju vezanje za ljudske receptore ili učinkovito razmnožavanje u ljudskim stanicama. Cilj je bio pronaći genetske promjene koje bi mogle imati ulogu u nastanku pandemijskog virusa.
Nekoliko godina poslije Kawaokin laboratorij našao se u središtu svjetske rasprave o istraživanjima „gain-of-function“. Godine 2012. u stručnom časopisu Nature objavljena je studija „Experimental adaptation of an influenza H5 HA confers respiratory droplet transmission to a reassortant H5 HA/H1N1 virus in ferrets“. U njoj je eksperimentalni virus gripe prilagođen tako da se može prenositi između tvorova kapljicama iz dišnih puteva. Tvorovi se u istraživanju gripe smatraju važnim modelom za prijenos virusa gripe među sisavcima. Objava je tada izazvala žestoke rasprave. Središnje pitanje već je tada bilo isto ono koje danas s umjetnom inteligencijom postaje još hitnije: koliko daleko smije ići istraživanje kada virusima daje svojstva koja ih čine zaraznijima, otpornijima ili teže kontroliranima?
Umjetna inteligencija ubrzava biološku potragu
Nova generacija genomske umjetne inteligencije znatno zaoštrava ovaj problem. Klasično istraživanje virusa zahtijeva pokus za pokusom. Mutacije se stvaraju, uzgajaju, testiraju i ponovno odbacuju. Genomski modeli, nasuprot tome, mogu u kratkom vremenu proći kroz goleme količine mogućih sekvenci i iz njih stvoriti nove nacrte. DNK se potom bez problema može sintetizirati.
U slučaju nove studije u časopisu Science upravo je to učinjeno: umjetna inteligencija stvorila je potpune genome virusa, istraživači su naručili odgovarajuće sekvence DNK, sastavili ih – i 16 tih virusa funkcioniralo je. Medicinska korist takvih alata može biti golema. Nove terapije fagima protiv otpornih bakterija spadaju među očite mogućnosti primjene. No ista tehnološka sposobnost ne nestaje čim se promijeni svrha njezine uporabe.
Svaki napredak čini ove modele zanimljivijima i onima koji slijede druge ciljeve osim razvoja novih lijekova – primjerice za stvaranje biološkog oružja. Istodobno sinteza DNK postaje sve brža i jeftinija, pa put od digitalnog dizajna virusa do laboratorija postaje sve kraći. A javno dostupan model nikoga ne pita za što se zapravo dalje trenira.
