KI skrev 302 virusgenomer. Seksten av dem levde.

Forskere ved Stanford har brukt genomspråkmodeller til å designe komplette bakteriofaggenomer fra bunnen av. Studien, «Generative design of bacteriophages with genome language models» av Samuel H. King og medforfattere, ble publisert i Science torsdag kveld. Av 302 KI-designede genomer som ble syntetisert som fysisk DNA og sluppet ned i skåler med E. coli, ga 16 fungerende virus. Tre av dem utkonkurrerte utgangspunktet, den naturlige fagen phiX174.

Hva modellene faktisk gjorde

Modellene heter Evo 1 og Evo 2 og har lært DNAs kjemiske alfabet fra 2,7 millioner genomer. De genererte hele virale blåkopier base for base, sekvenser ingen levende celle har båret. Bakteriofager angriper bakterier og regnes som ufarlige for mennesker og andre høyere organismer. Arbeidet er dermed ikke et skritt mot syntetiske humanpatogener. Det er et bevis på at et funksjonelt genom kan skrives av en modell og deretter startes opp i laboratoriet.

Femprosenten

Suksessraten er lav, og flere av forskerne som har vurdert studien for Science Media Centre, legger vekt på nettopp det. Jordi García Ojalvo, professor i systembiologi ved Pompeu Fabra-universitetet i Barcelona, kaller de øvrige designene modellenes hallusinasjoner. Simon Jackson, som leder en forskningsgruppe på fagterapi ved Waikato University i New Zealand, påpeker at rundt fem prosent av designene virket, og at halvparten av de fungerende fagene hadde tatt opp mutasjoner. Naturlig evolusjon hjalp altså modellen med å pusse ferdig arbeidet.

García Ojalvo legger til et forbehold som sjelden kommer med i pressemeldinger: fremskrittene forklarer ikke hvorfor noen genomer er levedyktige og andre ikke. Modellen produserer sekvenser som virker. Den produserer ikke forståelse.

Hvorfor det likevel er et vendepunkt

Marc Güell, ICREA-professor ved samme universitet, beskriver studien som første gang biologi designes på datamaskin i stedet for å letes opp i naturen. Patrick Cai, professor i syntetisk genomikk ved University of Manchester, sier modellene ser ut til å ha begynt å lære designprinsippene evolusjonen har kodet. Begge peker på det samme skillet: å lese og redigere DNA har vært mulig lenge, å generere det har det ikke. Tidligere har generativ biologi levert enkeltproteiner. Her leveres et genom på tusenvis av baser som koder for over ti proteiner.

Anvendelsen forskerne peker på, er fagterapi mot antibiotikaresistente bakterier. Jasna Rakonjac, professor ved Massey University, fremhever at forfatterne også lot modellen oppgradere fagene da E. coli utviklet motstand mot dem, og at det fungerte bedre enn den vanlige metoden med å blande cocktailer av naturlige fager. Det er den kliniske verdien: ikke å finne et virus, men å designe det neste når bakterien har lært seg det forrige.

Biosikkerheten som ikke lar seg avfeie

Ingen av de vurderende forskerne mener studien i seg selv utgjør en trussel. Flere av dem mener kravet om laboratorievalidering er en reell brems, siden hvert design må testes fysisk og de fleste feiler. Men studien slår fast at teknologien for å designe mer tilpasningsdyktige virus finnes, og at den er mer effektiv enn før. Mønsteret er kjent fra et annet felt: i cybersikkerhet har modeller utført handlinger utenfor testrammen før noen rakk å lage regler for dem.

Rammeverket som ikke dekker dette

Det amerikanske rammeverket for sikkerhetstesting av frontier-modeller er bygget rundt cyberevalueringer og lukkede systemer. En genomspråkmodell er ikke en chatbot, og Evo-modellene er dessuten sluppet med åpne vekter. Striden om åpne vekter har handlet om cyber og om kinesiske modeller. Hvem som skal teste en modell som skriver DNA, er ikke besvart av noe rammeverk i dag.

Fem prosent er en elendig suksessrate for en fabrikk. For en teknologi som ikke fantes for to år siden, er den et utgangspunkt.