Viruși proiectați cu AI: conversație cu creatorul din spatele cercetării de la Stanford

Inteligența artificială a început să proiecteze nu doar imagini, texte sau cod software, ci și planuri genetice pentru organisme vii. În 2025, Samuel King, doctorand la Stanford, a folosit un model generativ de AI pentru a propune secvențe genetice complete ale unor viruși microscopici. Deși rezultatul nu este încă o formă de viață creată integral de mașini, pasul următor ar putea fi exact acesta: organisme funcționale, proiectate de algoritmi și sintetizate în laborator.

Discuția a fost subiectul unei noi ediții a seriei Roundtables de la MIT Technology Review, unde jurnalistul senior pentru AI a stat de vorbă cu cercetătorul pentru a înțelege limitele, riscurile și promisiunile acestei direcții. Este un moment de răscruce: tehnologia care generează text și imagini a învățat acum să genereze biologie. Iar pentru antreprenori și companii, asta înseamnă oportunități imense, dar și întrebări grele despre siguranță, etică și proprietate intelectuală.

În acest articol, analizăm contextul cercetării, modul în care funcționează din punct de vedere tehnic, impactul potențial pentru industrie și ce ar trebui să știe liderii de afaceri despre viitorul organismelor proiectate cu AI. Vom vedea și cum soluțiile de tipul celor oferite de aiDatix pot ajuta companiile să adopte responsabil astfel de tehnologii.

Ce a realizat, de fapt, cercetătorul de la Stanford

Samuel King nu a creat un virus nou în laborator. Ceea ce a făcut el este, însă, la fel de important: a demonstrat că un model generativ de inteligență artificială, antrenat pe date genomice, poate propune secvențe de ADN sau ARN care sunt plauzibile din punct de vedere biologic. Cu alte cuvinte, modelul nu doar copiază secvențe existente, ci generează structuri noi, care ar putea fi funcționale dacă ar fi sintetizate.

Acest tip de abordare se înscrie într-un domeniu emergent numit biologie generativă. La fel cum ChatGPT generează text pe baza unor tipare statistice, un model genomic învață tipare din mii de secvențe virale cunoscute și produce variante noi. Diferența este că, în biologie, consecințele pot fi mult mai profunde. O secvență greșită nu înseamnă o frază ciudată, ci potențial un organism cu proprietăți periculoase.

Potrivit discuției de la MIT, cercetarea lui King este în fază incipientă, dar deschide ușa către un scenariu în care AI nu doar analizează organisme, ci le proiectează. Acest lucru ar putea accelera dezvoltarea de bacterii pentru curățarea mediului, enzime industriale sau chiar viruși benefici care atacă bacteriile rezistente la antibiotice. În același timp, aceeași tehnologie ar putea fi folosită pentru a proiecta agenți patogeni periculoși, ceea ce ridică semne de întrebare legate de securitatea biologică.

Cum funcționează proiectarea virală cu modele generative

Modelele generative moderne, cum ar fi cele bazate pe arhitecturi de tip transformer sau difuzie, pot fi adaptate pentru a lucra cu date biologice. În loc de cuvinte, modelul procesează nucleotide: adenină, citozină, guanină și timină (sau uracil în ARN). Secvențele sunt tratate ca un limbaj, iar modelul învață reguli statistice despre care combinații sunt mai probabile într-un virus funcțional.

Procesul implică mai multe etape. În prima fază, modelul este antrenat pe un set mare de date genomice, de obicei din baze publice precum GenBank. În a doua fază, cercetătorii folosesc tehnici de condiționare pentru a cere modelului să genereze secvențe care îndeplinesc anumite criterii, de exemplu: o anumită lungime, o anumită structură a proteinei de suprafață sau o anumită rezistență la temperatură. Rezultatul este o listă de secvențe candidate, care trebuie apoi validate experimental.

Validarea este partea cea mai dificilă. Chiar dacă o secvență pare corectă din punct de vedere computațional, poate să nu fie viabilă în practică. De aceea, King și echipa sa nu au sintetizat încă virusurile generate; s-au limitat la analize in silico și la predicții structurale. Cu toate acestea, studiile recente din domeniu arată că modelele generative pot produce secvențe de proteine care se pliază corect și au funcții biologice reale, ceea ce sugerează că trecerea de la predicție la sinteză este doar o chestiune de timp.

Pentru companiile din domeniul biotehnologiei, această abordare ar putea reduce dramatic timpul de dezvoltare a unor noi molecule sau organisme. În loc să testeze mii de variante în laborator, cercetătorii ar putea să genereze sute de candidați virtuali, să-i filtreze cu alte instrumente de AI și să trimită doar cei mai promițători pentru sinteză. Aceasta este exact zona în care soluțiile de automatizare și analiză avansată, precum cele prezentate pe blogul aiDatix, devin esențiale pentru a transforma experimentele în procese scalabile.

Impactul pentru afaceri și biotehnologie

Proiectarea asistată de AI a organismelor nu este doar un subiect academic. Potențialul comercial este uriaș, iar companiile care înțeleg acest lucru devreme vor avea un avantaj competitiv semnificativ. Un prim domeniu de aplicare este dezvoltarea de noi antibiotice și bacteriofagi. Rezistența la antibiotice este o criză globală, iar virusurile care infectează bacterii – fagii – sunt văzute ca o alternativă viabilă. Cu AI, se pot proiecta fagi personalizați pentru a ataca tulpini specifice de bacterii rezistente, mult mai rapid decât prin metode tradiționale.

Un alt domeniu este producția de enzime industriale. Companiile din industria alimentară, textilă sau farmaceutică folosesc enzime pentru a cataliza reacții chimice. Modelele generative pot propune variante de enzime cu stabilitate mai mare, activitate îmbunătățită sau specificitate nouă. Acest lucru reduce costurile de cercetare și accelerează lansarea de produse inovatoare.

Există, de asemenea, aplicații în agricultură: organisme utile pentru fertilizarea solului, protejarea culturilor sau degradarea pesticidelor. Companiile de agritech pot folosi AI pentru a proiecta microorganisme care sporesc randamentul culturilor într-un mod sustenabil. Toate aceste exemple implică un flux de lucru complex: generare de secvențe, evaluare automată, simulări structurale, sinteză și testare. Integrarea acestor fluxuri în platforme software unificate este o oportunitate majoră pentru furnizorii de soluții personalizate.

Aici intervine expertiza aiDatix: dezvoltăm software la comandă care ajută companiile să își automatizeze procesele de analiză a datelor, să integreze modele de inteligență artificială și să construiască instrumente de raportare și control. Pentru firmele care vor să exploreze biologia generativă, o platformă bine proiectată poate face diferența între un prototip de laborator și un produs scalabil. Detalii despre modulele noastre sunt disponibile pe pagina cu funcționalități.

Provocări etice și de reglementare

Pe măsură ce AI devine capabilă să proiecteze organisme, întrebările despre siguranță devin tot mai presante. Una dintre marile temeri este utilizarea duală: aceeași tehnologie care produce fagi benefici poate fi folosită pentru a crea agenți patogeni. De aceea, cercetătorii propun cadre de evaluare a riscurilor înainte de sinteza oricărei secvențe generate de AI. De exemplu, un model ar putea include „filtre de siguranță” care blochează generarea de secvențe similare cu agenți patogeni cunoscuți sau care activează funcții de virulență.

În Statele Unite, agenții precum NIH și IARPA au început să finanțeze programe de securitate biologică bazate pe AI, dar reglementările sunt încă fragmentate. În Europa, legislația AI Act introduce cerințe stricte pentru modelele cu risc ridicat, inclusiv cele din domeniul biologiei sintetice. Companiile care dezvoltă astfel de tehnologii trebuie să fie pregătite să demonstreze conformitatea încă din fazele incipiente de proiectare.

Din perspectiva antreprenorială, ignorarea acestor aspecte poate fi fatală. Investitorii sunt din ce în ce mai atenți la criteriile ESG și la guvernanța datelor. O companie care utilizează AI în biotehnologie fără o strategie clară de etică și securitate riscă nu doar sancțiuni, ci și pierderea încrederii partenerilor. De aceea, recomandăm ca orice inițiativă în acest domeniu să includă încă de la început o analiză de risc, un comitet de etică intern și audituri regulate ale modelelor.

Pentru a discuta despre cum poate fi construită o astfel de infrastructură software, echipa noastră este disponibilă prin pagina de contact. Suntem interesați să colaborăm cu biotehnologiști, cercetători și antreprenori care vor să integreze AI în fluxurile lor de lucru, dar care își doresc o implementare responsabilă și bine securizată.

Tendințe viitoare și ce înseamnă pentru liderii de business

Dincolo de viruși, modelele generative vor fi folosite din ce în ce mai mult pentru proiectarea altor structuri biologice: proteine, plamide, cromozomi artificiali. Deja există companii, precum Profluent sau EvolutionaryScale, care au dezvoltat modele de limbaj genomic uriașe, capabile să propună proteine complet noi, cu aplicații în medicină și chimie. Ritmul descoperirilor se accelerează exponențial, iar costurile de sinteză ADN sunt în scădere continuă, ceea ce face ca bariera de intrare să fie tot mai mică.

Pentru antreprenori, acest lucru înseamnă oportunități în mai multe nișe: servicii de bioinformatică, platforme SaaS pentru laboratoare, instrumente de validare automată a secvențelor, dar și consultanță pentru conformitate. Companiile care vor reuși să construiască puntea între lumea modelelor AI și lumea laboratoarelor vor deveni intermediari esențiali. Deja vedem o cerere crescută pentru soluții de tip MLOps adaptate la date genomice, unde monitorizarea modelelor, versionarea datelor și auditabilitatea sunt critice.

Un alt trend important este democratizarea accesului. Pe măsură ce modelele devin mai eficiente, chiar și echipe mici de cercetare vor putea genera secvențe virtuale fără a deține infrastructură masivă de calcul. În acest context, platformele cloud și serviciile de API devin esențiale. Aici intervine din nou rolul partenerilor tehnologici precum aiDatix, care pot construi straturi de abstractizare și instrumente specifice pentru a ușura integrarea modelelor în aplicații de business.

Concluzia este că proiectarea organismelor cu ajutorul AI – deși încă la început – are un potențial de transformare similar cu cel al internetului. Cei care vor investi acum în înțelegerea acestor tehnologii, în parteneriate interdisciplinare și în infrastructură software robustă vor fi liderii deceniului următor. Iar discuția cu Samuel King, prezentată de MIT Technology Review, ne arată că nu mai este vorba de science fiction, ci de o realitate de laborator care se construiește pas cu pas.

Indiferent de domeniul tău de activitate, întrebarea nu mai este dacă inteligența artificială va afecta biotehnologia și științele vieții, ci când și cum. Rămâi informat cu noutățile din industrie consultând blogul aiDatix, unde publicăm analize detaliate despre aplicațiile practice ale AI în economie. Iar dacă ai un proiect concret care implică procesarea datelor complexe sau automatizarea deciziilor, echipa noastră îți poate oferi o soluție personalizată, de la concept până la implementare.

Resurse utile

Sursă: MIT Tech Review