A IA generativa já projetou novas proteínas, enzimas e sistemas CRISPR — mas um genoma vivo é uma dificuldade de outra ordem. Em um artigo publicado na Science, pesquisadores de Stanford, do Arc Institute e do Broad Institute levaram a biologia generativa para além dessa barreira: pela primeira vez, modelos de linguagem genômica geraram genomas completos de bacteriófagos que de fato se replicaram e infectaram bactérias.
De genes individuais a um genoma funcional completo
Um genoma não é uma bolsa de genes independentes. Um genoma de fago viável precisa coordenar regiões codificantes, regiões não codificantes, promotores, terminadores, origens de replicação, sequências de reconhecimento, molduras de leitura sobrepostas e a ordem dos genes — tudo expresso no momento certo e na dose certa, por meio de uma rede de interações em múltiplas camadas. Uma única alteração de nucleotídeo pode matar o fago inteiro. Por isso o design de genomas completos permaneceu fora de alcance muito tempo depois que o design de proteínas se tornou rotina. É o mesmo salto que os modelos de evolução de proteínas fizeram para moléculas individuais (como dados esparsos impulsionam a evolução de proteínas por IA), só que escalado para um cromossomo vivo inteiro.
O Evo já “falava fago”?
O primeiro teste da equipe foi verificar se os modelos pré-treinados Evo 1 e Evo 2 — treinados em conjuntos de dados de DNA contendo mais de dois milhões de genomas de fagos — já conseguiam produzir DNA de fago plausível. Usando grupos de taxonomia viral como prompts e a ferramenta de classificação de vírus geNomad para validação, eles descobriram que 19–33% da saída do Evo 1 e 34–38% da saída do Evo 2 se liam como viral. Crucialmente, essas sequências tinham baixa similaridade BLAST com genomas naturais, mas mantinham densidade codificante, composição gênica e previsibilidade de estrutura proteica típicas de fagos reais. Os modelos estavam gerando DNA novo em estilo de fago, não copiando dados de treinamento.
Para ir de “parecido com fago” a fagos genuinamente viáveis, os pesquisadores construíram um pipeline completo de geração e triagem. Após um fine-tuning supervisionado com ~15 mil genomas de Microviridae, eles alimentaram os modelos com sequências semente conservadas da origem do genoma do ΦX174. Três restrições de design — qualidade da sequência, tropismo do hospedeiro e diversidade evolutiva — reduziram os candidatos a 302 genomas distintos, dos quais 285 foram sintetizados quimicamente.
Desses, 16 genomas gerados por IA produziram fagos viáveis: 12 de 227 candidatos do Evo 1 (5,3%) e 4 de 58 candidatos do Evo 2 (6,9%). Quando as sequências geradas correspondiam ao genoma natural mais próximo com identidade de 98–100%, a taxa de sucesso saltou para 46,2%. A taxa oficial de 5–7% subestima a conquista: trabalhos anteriores mostraram que uma única mutação não sinônima no ΦX174 pode ser ~20% letal, e ainda assim esses fagos de IA carregavam, cada um, dezenas a centenas de mutações — e continuavam vivos.
Não são cópias — são inovações
Os 16 sobreviventes eram 93,2–98,8% idênticos aos genomas naturais mais próximos, mas as diferenças são o que importa. Elas incluíram extensões gênicas, truncamentos, regiões não codificantes expandidas e combinações gênicas inéditas. Um destaque, o Evo-Φ36, pode ter ganhado um novo gene J, enquanto o Evo gerou mutações compensatórias em outras partes do genoma para que a nova proteína funcione com o capsídeo existente — um ajuste coevolutivo confirmado por estruturas de criomicroscopia eletrônica com resolução de 2,8 Å e 2,9 Å.
O mais consequente: uma mistura dos 16 fagos de IA superou rapidamente uma cepa de E. coli resistente ao ΦX174, enquanto uma mistura de controle com parentes naturais do ΦX174 falhou nas mesmas condições. Este é um exemplo concreto de um modelo de mundo biológico atuando como motor de design, e não apenas como preditor de células.
Por que isso importa
Isso desloca a fronteira da biologia generativa de proteínas individuais e pequenos circuitos genéticos para genomas inteiros executando ciclos de vida completos. Também reposiciona o fago como uma ferramenta terapêutica e industrial programável: em vez de caçar fagos naturais que vençam bactérias resistentes, é possível projetá-los sob demanda. O fluxo de trabalho — geração por modelo de linguagem, triagem com múltiplas restrições, síntese e validação por criomicroscopia — é um modelo que outros laboratórios podem replicar, de forma semelhante ao Claude conduzindo autonomamente experimentos de design de proteínas de ponta a ponta.
Conclusões práticas
- Para pesquisadores: trate o design de genomas como um problema de sistemas — dependências de longo alcance e coadaptação gênica importam mais do que a qualidade local da sequência; incorpore múltiplas restrições (tropismo, diversidade) no filtro, não apenas no gerador. Veja como a evolução de proteínas impulsionada por dados esparsos complementa este trabalho.
- Para fundadores de biotech: a taxa de sucesso de fagos viáveis (~5–7%) é publicável hoje, mas não está pronta para produção; combine design generativo com síntese de alto rendimento para transformar acertos raros em um fluxo de trabalho.
- Para quem acompanha a IA: esta é a evidência mais clara até agora de que modelos de linguagem treinados em DNA escalam para além das moléculas — o mesmo paradigma que produziu o Evo é um substrato candidato para projetar organismos inteiros, não apenas proteínas.
