Nel contesto delle recenti discussioni su intelligenza artificiale e biotecnologia, la tavola rotonda organizzata da MIT Technology Review ha offerto una rara occasione di dialogo tra un esperto di IA e un giovane ricercatore che sta sperimentando la creazione di virus mediante algoritmi generativi. Samuel King, nominato tra gli Innovators Under 35, ha illustrato come il suo team abbia impiegato un modello di deep learning per generare sequenze di DNA potenzialmente capaci di formare particelle virali.

Introduzione alla progettazione di virus con IA

L’idea di far “disegnare” da una macchina i componenti fondamentali di un organismo è radicata nei progressi della biologia sintetica. Fino a pochi anni fa, i ricercatori dovevano affidarsi a metodi di mutagenesi casuale o a progettazioni manuali basate su conoscenze limitate del genoma. L’avvento di modelli di linguaggio di grandi dimensioni (LLM) e di reti neurali generative ha permesso di trattare il codice genetico come un linguaggio naturale, prevedendo sequenze che soddisfano criteri predefiniti di stabilità, struttura e funzione.

Come funziona l'IA generativa nella progettazione di virus

Architettura del modello

King ha utilizzato una variante di Transformer addestrata su un database di oltre 150 000 genomi virali, inclusi batteriofagi, virus a RNA e retrovirus. Il modello è stato “fine‑tuned” con esempi di sequenze note per la loro capacità di auto‑assemblarsi in capsidi robusti. Durante la fase di generazione, l’algoritmo riceve parametri di input quali dimensione del capside, tipo di acido nucleico (RNA o DNA) e livello di patogenicità desiderato, e restituisce una serie di proposte di sequenze.

Validazione in silico

Le sequenze prodotte vengono poi sottoposte a simulazioni computazionali con software come Rosetta e FoldX, che valutano la conformazione tridimensionale delle proteine capsidali e la probabilità di formazione di strutture stabili. King riferisce che, su 500 proposte generate, circa il 12 % ha superato le soglie di stabilità richieste, un tasso considerato promettente rispetto ai metodi tradizionali.

Risultati preliminari di Samuel King

Il progetto più avanzato ha prodotto una sequenza capace di codificare un capside a icosaedro di 27 nm, simile a quella dei virus del genere Parvovirus. Dopo la sintesi chimica del DNA e la sua introduzione in linee cellulari di E. coli, i ricercatori hanno osservato la formazione di particelle virali non infettive, confermate tramite microscopia elettronica a trasmissione. Sebbene il virus non possieda geni per la replicazione, la dimostrazione di auto‑assemblaggio è un passo fondamentale verso la “fabbricazione” di entità biologiche progettate da macchine.

Implicazioni etiche e di sicurezza

Rischio di “dual use”: la stessa tecnologia può essere impiegata per creare agenti patogeni più virulenti.
Bisogno di regolamentazioni internazionali che includano criteri di trasparenza nella pubblicazione dei dati genetici generati da IA.
Necessità di sistemi di tracciamento delle sequenze generate, analoghi a quelli usati per le biotecnologie farmaceutiche.

King ha sottolineato che il suo lavoro è stato condotto all’interno di un “sandbox” di bio‑sicurezza di livello 2, con supervisione di un comitato etico universitario. Tuttavia, la rapida evoluzione degli algoritmi solleva interrogativi su come prevenire l’accesso non autorizzato a modelli in grado di progettare virus potenzialmente pericolosi.

Prospettive future e regolamentazione

Nel prossimo quinquennio, gli esperti prevedono tre sviluppi chiave: (1) l’integrazione di modelli predittivi di patogenicità, che valuterebbero il potenziale di danno di una sequenza prima della sintesi; (2) la creazione di “AI‑firewalls” che limiterebbero la generazione di sequenze al di sopra di una soglia di rischio; (3) la definizione di standard internazionali, simili al Gene Synthesis Oversight Framework, per le tecnologie di progettazione automatica.

Conclusioni

La conversazione con Samuel King dimostra che l’intelligenza artificiale è già capace di contribuire in maniera concreta alla progettazione di forme di vita sintetiche, anche se ancora lontana dall’autonomia completa. La capacità di generare blueprint genetici apre nuove opportunità per la medicina, la vaccinologia e la ricerca ambientale, ma richiede un dialogo costante tra scienziati, legislatori e società civile per garantire che il potenziale benefico non si traduca in minacce reali. Solo attraverso un approccio responsabile e trasparente sarà possibile sfruttare al meglio questa frontiera emergente della biotecnologia.