ИИ создал 16 работающих вирусов впервые в истории: причины, сценарии и последствия

8 августа 2026 · НАУКА · по материалам 296 статей мировых СМИ

Stanford и Arc Institute опубликовали в Science первое создание функциональных вирусных геномов генеративным ИИ — 16 бактериофагов из ~300 прошли проверку.

Что произошло

6 августа 2026 года в журнале Science опубликовано исследование Stanford University и Arc Institute: генеративный ИИ Evo (версии 1 и 2) впервые самостоятельно сгенерировал полные геномы вирусов, которые были синтезированы физически и оказались жизнеспособными. Из почти 300 сгенерированных последовательностей 16 бактериофагов успешно реплицировались и уничтожали E. coli, в том числе антибиотикорезистентные штаммы. Работу возглавил аспирант Стэнфорда Сэмюэл Кинг под руководством старшего автора Брайана Хи.

Модель Evo обучена на более чем 9 триллионах нуклеотидов — строительных блоков ДНК и РНК — из геномов животных, растений, микробов и вирусов. В отличие от предыдущих работ, где ИИ модифицировал отдельные гены или белки, здесь впервые был спроектирован целый вирусный геном. Исследование финансировалось в том числе Фондом Гейтса.

Открытие открывает перспективу фаговой терапии — лечения бактериальных инфекций, устойчивых к антибиотикам. Однако эксперты по биобезопасности немедленно подняли тревогу: та же технология потенциально позволяет создавать патогены, не существующие в природе, значительно быстрее и дешевле, чем прежде, что выводит регуляторов в принципиально новое поле.

Почему это произошло: причины события

Масштаб обучающих данных Evo

Ключевое техническое условие прорыва — беспрецедентный масштаб обучения. Геномная языковая модель Evo 2 усвоила паттерны из миллионов последовательностей животных, растений, микробов и вирусов, что позволило ей обобщать биологическую «грамматику» на уровне целых геномов, а не отдельных генов.

Именно это отличает Evo от более ранних биоинформатических инструментов: предыдущие системы могли предсказывать структуру белка (AlphaFold) или редактировать отдельные участки, но не компоновать функциональный геном с нуля. Накопленный масштаб данных перешёл в качественно новую способность.

Источники: Reuters

Геномика как языковая задача

Перенос архитектуры LLM в биологию стал возможным после того, как исследователи формализовали геномные последовательности как дискретные символьные цепочки. Evo использует ту же логику предсказания следующего токена, что и текстовые модели, но применительно к нуклеотидам.

Это означает, что весь накопленный инженерный прогресс в области LLM — масштабирование, дообучение, выравнивание — теперь напрямую применим к синтетической биологии, резко снижая порог входа для новых разработок.

Источники: Reuters

Кризис антибиотикорезистентности

Антибиотикорезистентность уже признана глобальной угрозой здоровью: традиционные препараты теряют эффективность против всё большего числа патогенов. Фаговая терапия — использование вирусов-бактериофагов для уничтожения бактерий — применяется в ряде стран, но ограничена узким спектром природных фагов.

АИ-проектирование геномов напрямую отвечает на этот дефицит: 16 синтетических бактериофагов в исследовании успешно поражали E. coli, включая антибиотикорезистентные штаммы. Именно медицинская мотивация обеспечила финансирование со стороны Фонда Гейтса.

Источники: Reuters

Удешевление синтеза ДНК

Прорыв стал возможен не только на уровне ИИ, но и на уровне «железа» биологии: синтез произвольных ДНК-последовательностей сегодня доступен любой оснащённой лаборатории. Именно это позволило команде физически создать ~300 геномов и протестировать их.

Обратная сторона той же монеты — снижение барьера для потенциальных злоупотреблений. Если ИИ генерирует последовательность, а синтез ДНК дёшев и доступен, цепочка от замысла до физического вируса становится короче, чем когда-либо.

Источники: Reuters

Отсутствие специфического регулирования геномных ИИ

Регулирование синтетической биологии исторически строилось вокруг конкретных агентов и лабораторных протоколов, а не вокруг инструментов проектирования. Появление геномных LLM создало принципиально новый класс риска, для которого существующие рамки — biosafety level, списки select agents — не предусмотрены.

Это регуляторное отставание зафиксировано самими авторами исследования и независимыми экспертами по биобезопасности: дискуссия о необходимости новых правил началась фактически одновременно с публикацией результатов.

Источники: Reuters

ИИ-компании вне биорегулирования

Существующие биобезопасностные режимы регулируют лаборатории и исследователей, работающих с патогенами, но не компании, разрабатывающие ПО для биологического дизайна. Arc Institute и аналогичные организации функционируют в правовом поле технологических стартапов.

Это создаёт структурный пробел: инструмент, способный проектировать вирусные геномы, может распространяться и использоваться без каких-либо специальных разрешений, которые потребовались бы при работе с реальными патогенами.

Источники: Reuters

Что будет дальше: сценарии развития

Фаговая терапия становится клинической реальностью (вероятно, горизонт: 5–10 лет)

Наиболее прямое следствие исследования — ускорение разработки фаговых терапий. Традиционный поиск подходящего фага для конкретного патогена занимает месяцы; ИИ-генерация сокращает этот цикл до дней. 16 работающих фагов из одного эксперимента — уже доказательство концепции.

При наличии клинических испытаний и регуляторного одобрения ИИ-спроектированные фаги могут в течение 5–10 лет войти в арсенал лечения инфекций, вызванных антибиотикорезистентными бактериями, прежде всего в странах с высокой нагрузкой резистентности.

Источники: Reuters

Персонализированная фаговая терапия по запросу (возможно, горизонт: )

Если стоимость и скорость ИИ-синтеза продолжат снижаться, станет реалистичным сценарий, при котором врач отправляет геном выделенной бактерии в систему, получает спроектированный фаг и синтезирует его локально за 24–48 часов.

Это устранит главное ограничение существующей фаговой терапии — зависимость от банков природных фагов — и сделает лечение применимым к любому бактериальному патогену, включая новые резистентные штаммы.

Источники: Reuters

Ускоренное международное биорегулирование ИИ (вероятно, горизонт: 2–5 лет)

Давление со стороны экспертного сообщества по биобезопасности уже оформилось в публичный дискурс одновременно с выходом статьи. Прецедент достаточно значим — первый функциональный синтетический вирус, спроектированный ИИ, — чтобы попасть в повестку регуляторов.

Вероятный путь: сначала национальные рамки (США, ЕС), затем давление на включение геномных ИИ в существующие конвенции о биологическом оружии или создание нового инструмента под эгидой ВОЗ. Скорость этого процесса определится тем, насколько быстро технология распространится за пределы топ-лабораторий.

Источники: Reuters

Лицензирование геномных LLM как биоагентов (возможно, горизонт: )

Один из обсуждаемых механизмов — требование лицензирования для организаций, использующих геномные ИИ выше определённого порога мощности, по аналогии с режимом select agents в США.

Это создаст новый класс регуляторной нагрузки для биотех-стартапов и академических лабораторий, но может оказаться единственным способом сохранить контроль над распространением технологии до того, как она станет повсеместной.

Источники: Reuters

Двойное использование: гонка синтетических патогенов (возможно, горизонт: 3–15 лет)

Эксперты по биобезопасности прямо указывают: барьер между бактериофагами и потенциально опасными патогенами — не технический, а этический и регуляторный. Если Evo способна спроектировать геном фага, та же архитектура применима к вирусам с иным спектром хозяев.

Сценарий не требует государственного актора: снижение стоимости синтеза ДНК и открытый доступ к геномным моделям создают риск появления негосударственных субъектов, способных проектировать новые патогены. Именно этот сценарий назван в Washington Examiner как потенциальный триггер следующей пандемии.

Источники: Reuters

Открытые геномные модели как угроза (возможно, горизонт: )

Прецедент открытых весов языковых моделей (LLaMA, Mistral) показывает: однажды опубликованная модель не может быть «отозвана». Если геномные LLM уровня Evo 2 окажутся в открытом доступе или утекут, любой актор с лабораторией и синтезатором ДНК получит полный инструментарий.

Это фундаментально отличает биологическую угрозу нового типа от ядерной или химической: нет физического материала, который можно отследить и контролировать — только информация.

Источники: Reuters

Технология остаётся в элитных лабораториях (маловероятно, горизонт: ближайшие 3–5 лет)

Оптимистичный контрсценарий: сложность интеграции ИИ-проектирования с физическим синтезом и тестированием остаётся достаточно высокой, чтобы технология не вышла за пределы топ-10 биотех-центров мира в обозримой перспективе. Из ~300 сгенерированных геномов только 16 оказались жизнеспособными — эффективность 5% требует масштабной инфраструктуры.

При этом сценарии регуляторы успевают выработать нормы до того, как технология демократизируется. Однако он предполагает, что ни одна из мощных геномных моделей не окажется в открытом доступе — что противоречит нынешним тенденциям в ИИ-индустрии.

Источники: Reuters

Мнения AI-экспертов

Экономист (модель GPT)

Главный недооценённый актив — не фаги, а контрольные узлы: синтез ДНК, скрининг заказов, биореакторы, облачные GPU и страхование лабораторий. Там появится новая рента: кто пропускает молекулы в физический мир, тот задаёт темп рынку.

Индикатор: сроки и доля отказов у поставщиков генсинтеза. Если они растут — начинается скрытый «таможенный режим» для биотеха: дороже R&D, медленнее клиника, выше премии, больше консолидации вокруг крупных платформ.

Аналитик (модель CLAUDE)

Все смотрят на 16 жизнеспособных фагов. Никто не смотрит на 284 нежизнеспособных — и это главное. Evo уже умеет отличать «работает» от «не работает» на уровне полного генома. Следующие версии будут учиться именно на этом градиенте отказов. Порог компетентности снижается экспоненциально — не за годы, за месяцы.

Недооценённый индикатор: стоимость синтеза ДНК. Сейчас физическое воплощение генома стоит тысячи долларов и требует сертифицированного оборудования. Именно это узкое место сдерживает пролиферацию. Следите за ценой за пару нуклеотидов у Twist Bioscience и Integrated DNA Technologies — когда она упадёт ещё на порядок, регуляторный барьер исчезнет раньше, чем появится сам регулятор.

Неожиданная связь: прецедент создан не военными и не фарма-гигантами, а аспирантом под грантом Гейтса. Это означает, что модель распространения знания здесь — академическая, открытая, с препринтами. Попытка засекретить методологию теперь структурно невозможна — она уже в Science.

Историк (модель GEMINI)

В 1975 году в Асиломаре генетики сами ограничили свои исследования, испугавшись масштаба открытий. Но тогда код жизни писали вручную. Сегодня ИИ превратил биологию в программирование, убрав порог входа. Это сопоставимо с изобретением печатного станка: монополия природы на сотворение видов разрушена навсегда.

Все упускают из виду, что запреты больше не работают. Ключевой маркер будущего — не законы, а появление «теневого биохакинга» на базе открытых моделей. Когда настольные синтезаторы ДНК станут обыденностью, регулировать будет просто некого.

Вопросы и ответы

Какие именно вирусы создал ИИ и как проходил эксперимент?

Исследователи Stanford и Arc Institute использовали геномные языковые модели Evo 1 и Evo 2, обученные на 9 трлн нуклеотидов. Модели генерировали полные геномные последовательности бактериофагов — вирусов, заражающих бактерии, а не людей. Было синтезировано физически около 300 геномов; 16 из них оказались жизнеспособными: вирусы реплицировались и успешно уничтожали E. coli, включая антибиотикорезистентные штаммы. Это первый случай, когда генеративный ИИ спроектировал целый вирусный геном — прежде ИИ работал лишь с отдельными генами или белками. Работа опубликована в журнале Science 6 августа 2026 года.

Science (6 августа 2026), Morning Brew, Ada Derana

Какие конкретные угрозы биобезопасности называют эксперты в связи с этим исследованием?

Эксперты указывают на несколько уровней угрозы. Первый — технологический перенос: та же архитектура Evo, применённая к геномам вирусов с иным спектром хозяев, потенциально позволяет проектировать патогены, опасные для людей. Второй — доступность: удешевление синтеза ДНК означает, что от сгенерированной последовательности до физического вируса — один шаг в оснащённой лаборатории. Третий — регуляторный вакуум: существующие режимы биобезопасности регулируют работу с известными патогенами, но не ИИ-инструменты проектирования. Washington Examiner прямо назвал технологию потенциальным триггером следующей пандемии. Сами авторы исследования признали необходимость срочного пересмотра норм биобезопасности.

Washington Examiner (август 2026), LatestLY, International Business Times UK

Что вероятнее в среднесрочной перспективе: прорыв в лечении резистентных инфекций или эскалация биологических угроз — и почему эти сценарии не исключают друг друга?

Оба сценария реализуются параллельно, а не вместо друг друга — это ключевой аналитический вывод. Медицинский сценарий имеет более короткий горизонт реализации в легитимном поле: 16 работающих фагов против резистентной E. coli — уже доказательство концепции, и при наличии финансирования (Фонд Гейтса уже вовлечён) клинические испытания реалистичны в пределах 5 лет. Сценарий двойного использования разворачивается медленнее, но структурно неизбежен: та же технология, те же инструменты. Критическая переменная — скорость регулирования относительно скорости демократизации геномных LLM. Прецедент открытых весов текстовых моделей показывает: индустрия движется к открытости быстрее, чем регуляторы успевают реагировать. Это делает сценарий удержания технологии в элитных лабораториях наименее вероятным.

Washington Examiner (август 2026), Medindia, Todayville

Источники

Reuters

• news.cgtn.com: Debates on regulation arise after AI designs working viruses in lab
• LatestLY: Scientists Use AI To Create 16 New Viruses, Experts Warn of Biosecurity Risks | 🔬 LatestLY
• International Business Times UK: First AI to Design Brand New Viruses Leads Scientists to Warn of 'Urgent Biosafety' Concerns
• Medindia: AI-Designed Viruses: 16 New Phages Show Promise Against Resistant Bacteria
• ProPakistani: Scientists Create the World's First Virus Designed by AI
• https://www.boldsky.com/: Did AI Create A Virus Found In Nature? Here's What Actually Happened
• Todayville: Gates Foundation Funds First-Ever Creation of 16 Synthetic Viruses Using AI
• Ada Derana: Scientists use AI to create viruses that don't exist in nature for the first time
• The Hindu: Study shows AI can design bacteriophages with potential to overcome bacterial resistance
• Morning Brew: AI made 16 brand-new viruses
• International Business Times AU: Scientists Use AI to Create First Synthetic Viruses: 5 Key Facts You Should Know About the Research
• Economic Times: AI designed viruses that never existed in nature; 16 worked in the lab
• Science 2.0: Evo 2 - AI Creates 16 Viruses That Never Existed Before
• Global News: Stanford scientists just used AI to build a virus to target E. coli
• Washington Examiner: New AI-generated viruses spark biosafety fears

Все карты событий WOWTODAY · Предыдущее событие: Сенат США принял «Акт Грэма» о санкциях против России и Ирана