I genomi virali progettati dall'intelligenza artificiale sollevano preoccupazioni in materia di biosicurezza. / AI-Designed Viral Genomes Raise Biosecurity Concerns

 I genomi virali progettati dall'intelligenza artificiale sollevano preoccupazioni in materia di biosicurezza. / AI-Designed Viral Genomes Raise Biosecurity Concerns

Segnalato dal Dott. Giuseppe Cotellessa / Reported by Dr. Giuseppe Cotellessa

I ricercatori hanno utilizzato l'intelligenza artificiale per creare virus sintetici in grado di infettare i batteri, il che potrebbe rivelarsi prezioso nella lotta contro la resistenza agli antibiotici, ma solleva anche urgenti questioni di biosicurezza.

Questa innovazione, descritta sulla rivista Science, rappresenta la prima volta che un metodo di progettazione generativa è stato utilizzato per l'intero genoma di un batteriofago, un piccolo virus in grado di infettare i batteri.

La sua creazione, tramite un algoritmo di intelligenza artificiale noto come modello linguistico del genoma, offre promettenti applicazioni nel campo delle scienze biologiche, ma solleva anche questioni di biosicurezza e biocontenimento.

"Il nostro approccio amplia le potenzialità della genomica sintetica, affiancandosi a metodi come l'evoluzione diretta e l'ingegneria razionale, traccia un percorso per la generazione di terapie fagiche adattive e resistenti contro agenti patogeni in rapida evoluzione e pone le basi per la progettazione generativa di genomi più grandi e complessi", hanno riferito Samuel King, dottorando presso l'Università di Stanford, ed i suoi collaboratori.

Tuttavia, hanno aggiunto: "La capacità di generare nuovi genomi di fagi con sistemi di intelligenza artificiale solleva anche importanti considerazioni in materia di biosicurezza, biocontenimento e bioprotezione, rendendo necessario un dibattito sui punti di forza e sui limiti della governance, delle politiche e delle strategie di mitigazione dell'abuso.

"I gruppi che in futuro si occuperanno della progettazione del genoma intero dovrebbero consultare esperti di sicurezza durante l'intero ciclo di vita del progetto."

Analogamente ai modelli linguistici su larga scala addestrati su grandi insiemi di testo, i modelli linguistici genomici vengono addestrati su vaste porzioni di DNA, comprendenti milioni di genomi provenienti da diverse forme di vita.

Attraverso questo metodo, apprendono i vincoli evolutivi che modellano le sequenze di DNA in natura e si dimostrano promettenti per la progettazione di sistemi biologici.

Tuttavia, la loro capacità di generare interi genomi funzionali non era stata testata fino ad ora. King ed il suo gruppo hanno deciso di applicare la tecnica ai batteriofagi, in quanto questi si prestano particolarmente bene a tale scopo grazie alle loro dimensioni relativamente ridotte, alla facilità di manipolazione sperimentale ed alle ampie applicazioni in biologia molecolare, ingegneria microbica e terapia.

Il gruppo ha perfezionato i modelli di linguaggio genomico Evo 1 e 2 su 14.266 genomi della famiglia Microviridae di virus a DNA a singolo filamento per renderli adatti a generare genomi di batteriofagi.

Utilizzando il batteriofago naturale ΦX174 come modello di progettazione ed attraverso diverse fasi di filtraggio computazionale e sperimentale, King ed i suoi collaboratori hanno creato 16 batteriofagi sintetici a partire da quasi 300 progetti iniziali.

Questi virus possedevano genomi che differivano sostanzialmente da qualsiasi genoma naturale ed erano in grado di infettare i batteri del ceppo C di Escherichia coli.

Se utilizzati in una combinazione di "cocktail di fagi", sono stati in grado di superare la resistenza che questi batteri normalmente presentano nei confronti dei batteriofagi ΦX174 di tipo selvatico.

I modelli di intelligenza artificiale hanno tenuto conto dei vincoli a livello genomico, anziché limitarsi ad unire geni. Uno dei batteriofagi progettati, Evo-Φ36, conteneva una proteina troncata funzionale che in precedenza non funzionava quando veniva introdotta nel ceppo selvatico ΦX174 tramite ingegneria genetica non basata sull'intelligenza artificiale.

Il gruppo ha spiegato che ciò è avvenuto perché il contesto genomico generato dall'IA che circonda la sequenza che codifica la proteina troncata si è coadattato.

In un editoriale che accompagna l'articolo, Thomas Inglesby, MD, e Moritz Hanke, MD, entrambi della Johns Hopkins University di Baltimora, affermano che, anziché essere una pratica volontaria come avviene attualmente, i fornitori di acidi nucleici sintetici – i mattoni dei patogeni – dovrebbero essere obbligati per legge a controllare gli ordini dei propri clienti per identificare sequenze problematiche, come quelle che codificano per patogeni o tossine, nonché a verificare la legittimità dei clienti stessi.

"Dato che i genomi generati dall'IA possono essere molto diversi dalle sequenze di acidi nucleici precedentemente caratterizzate, è urgente sviluppare metodi di screening in grado di individuare nuove anomalie", hanno avvertito.

"King e colleghi affrontano le questioni di biosicurezza e biocontenimento in modo più ponderato rispetto alla maggior parte degli sviluppatori di potenti modelli di intelligenza artificiale biologica... La questione non è più se la progettazione generativa del genoma virale esisterà, ma se la società sarà in grado di creare un sistema di supervisione che permetta ai suoi benefici di manifestarsi, impedendo al contempo che causi gravi danni."

ENGLISH

Researchers have used artificial intelligence to create synthetic viruses that can infect bacteria, which could prove valuable in the battle against antibiotic resistance but also raise urgent biosecurity questions.

The advance, outlined in Science, is the first time a generative design has been used for the entire genome of a bacteriophage, a small virus that can infect bacteria.

Its creation, using an AI algorithm known as a genome language model, holds promising life science applications but also brings up biosafety and biosecurity issues.

“Our approach expands what synthetic genomics can achieve alongside methods such as directed evolution and rational engineering, lays out a path for generating adaptive and resilient phage therapies against rapidly evolving pathogens, and establishes a foundation for the generative design of larger, more complex genomes,” reported Samuel King, a PhD student at Stanford University, and co-workers.

Nonetheless, they added: “The capability to generate new phage genomes with AI systems also raises important biosafety, biocontainment, and biosecurity considerations necessitating discourse on the strengths and limitations of governance, policies, and misuse mitigation strategies.

“Groups conducting future whole-genome design work should consult both safety and security professionals throughout the project lifecycle.”

Like large language models trained on large bodies of text, genome language models are trained on vast swathes of DNA involving millions of genomes from a variety of life forms.

Through this, they learn the evolutionary constraints that shape DNA sequences in nature and show promise for designing biological systems.

However, their ability generate entire functional genomes has not been tested until now. King and team decided to apply the technique to bacteriophages, as they are particularly well suited due to being relatively small, experimentally tractable, and having broad applications in molecular biology, microbial engineering, and therapeutics.

The team fine-tuned the genome language models Evo 1 and 2 on 14,266 genomes from the Microviridae family of single-stranded DNA viruses to make them adept at generating genomes of bacteriophages.

Using the natural ΦX174 bacteriophage as a design template and several steps of computational and experimental filtering, King and co-workers created 16 synthetic bacteriophages from nearly 300 initial designs.

These viruses had genomes that diverged substantially from any natural genome and were able to infect Escherichia coli strain C bacteria.

When used in a “phage cocktail” combination, they were able to overcome the resistance that these bacteria normally have against wild-type ΦX174 bacteriophages.

The AI models took genome-level constraints into account rather than simply stitching together genes. One of the designed bacteriophages, Evo-Φ36, carried a functional truncated protein that did not previously function when introduced into wild-type ΦX174 through engineering not involving AI.

The team explained that this occurred because the AI-generated genomic context surrounding the sequence encoding the truncated protein coadapted.

In an editorial accompanying the article, Thomas Inglesby, MD, and Moritz Hanke, MD, both from Johns Hopkins University in Baltimore, say that, rather than is currently voluntary practice, providers of synthetic nucleic acids—the building blocks for pathogens—should have to legally screen their customers’ orders to identify sequences of concern such as encoding pathogens or toxins as well as the customers themselves for legitimacy.

“Because AI-generated genomes can be very different from previously characterized nucleic acid sequences, screening methods that can flag new concerning designs need to be urgently developed,” they advised.

“King et al. engage with biosafety and biosecurity questions more deliberately than most developers of powerful biological AI models…The question is no longer whether generative viral genome design will exist. It is whether society can build oversight that allows its benefits to unfold while preventing it from enabling serious harm.”

Da:

https://www.insideprecisionmedicine.com/topics/precision-medicine/ai-designed-viral-genomes-raise-biosecurity-concerns/