Pela primeira vez na história um processo completo de projeto genomico por IA gerou de fato virus viáveis em laboratório.
Pesquisadores da Universidade Stanford e do Arc Institute conseguiram projetar, com inteligência artificial, genomas virais completos que, uma vez sintetizados e testados em laboratório, deram origem a 16 bacteriófagos viáveis. O trabalho, publicado na revista Science, representa a primeira demonstração experimental de vírus funcionais cujos genomas completos foram projetados por modelos generativos de inteligência artificial.
Convém separar bem o que há de novo aqui. Reproduzir em laboratório um vírus já existente é algo que a biologia sintética faz há décadas, e não é disso que se trata. Neste caso, a IA gerou sequências genômicas inéditas, e parte delas efetivamente funcionou quando convertida em DNA físico. O termo “inéditos”, contudo, exige uma qualificação importante: os vírus produzidos não constituem uma classe radicalmente diferente de tudo o que existe na natureza. Eles foram projetados a partir do bacteriófago ΦX174 e de seus parentes evolutivos, ainda que alguns apresentem combinações e mutações genéticas que não são encontradas nos genomas naturais conhecidos.
Do modelo de linguagem ao genoma
A tecnologia empregada pertence à família de modelos Evo, desenvolvidos especificamente para trabalhar com sequências biológicas. Há uma analogia razoável com os grandes modelos de linguagem, os LLMs. Assim como um LLM aprende relações estatísticas entre palavras e tokens para prever e produzir texto, um modelo genômico opera sobre sequências de nucleotídeos e tenta aprender as relações que tornam determinadas estruturas biológicas possíveis. A dificuldade não está no alfabeto, que se resume às quatro bases fundamentais do DNA, representadas pelas letras A, C, G e T, mas nas relações entre milhares, milhões ou bilhões dessas bases e nas funções biológicas que delas emergem.
A escala do treinamento ajuda a dimensionar o problema. O Evo foi alimentado com uma base massiva da ordem de 9 trilhões de nucleotídeos, abrangendo organismos de todos os domínios da vida. Posteriormente, para o experimento com bacteriófagos, os pesquisadores especializaram os modelos utilizando milhares de sequências relacionadas ao ΦX174. O objetivo era consideravelmente mais difícil do que gerar uma proteína isolada, já que um genoma viral completo precisa coordenar simultaneamente diversos genes e elementos regulatórios, preservando funções como replicação, reconhecimento do hospedeiro e formação da própria partícula viral.
700 mil propostas, 285 testes e 16 vírus funcionais
Os modelos produziram aproximadamente 700 mil propostas de genomas e, após um processo computacional de filtragem, os pesquisadores selecionaram 285 candidatos para serem efetivamente construídos e testados. Essa etapa é decisiva, porque existe uma distância considerável entre gerar uma sequência aparentemente plausível no computador e demonstrar que ela funciona biologicamente. As sequências escolhidas foram transformadas em moléculas reais de DNA por síntese genética e, em seguida, introduzidas em células de Escherichia coli, que passaram a fornecer a infraestrutura molecular necessária para interpretar aquelas instruções.
Está aqui uma das partes mais interessantes do experimento. Os pesquisadores não precisaram construir fisicamente cada vírus, apenas o DNA. Quando um dos projetos se mostrava biologicamente funcional, a bactéria passava a produzir as proteínas codificadas pelo genoma viral, a replicar seu material genético e a montar as estruturas necessárias para novas partículas, incluindo o capsídeo que envolve o DNA. Em outras palavras, a sequência projetada pela IA continha informação suficiente para que a própria maquinaria celular convertesse aquele DNA sintético em um vírus funcional. Dos 285 genomas testados, 16 completaram esse processo, propagaram-se e inibiram o crescimento das bactérias hospedeiras.
Conceitualmente, a sequência pode ser representada assim:
IA → genoma digital → DNA sintético → bactéria hospedeira → expressão das instruções genéticas → montagem viral → bacteriófago funcional
Abaixo segue um infográfico para melhor representação visual:
Esse encadeamento é provavelmente mais relevante do que o número 16 isoladamente. A saída de um modelo de IA deixou de ser apenas informação digital: após a intervenção laboratorial necessária, essa informação conseguiu produzir uma entidade biológica capaz de se reproduzir.
Por que usar bacteriófagos
A escolha do ΦX174 obedeceu a razões técnicas e de segurança. Trata-se de um bacteriófago, isto é, um vírus especializado em infectar bactérias, que não infecta seres humanos. Além disso, possui um dos menores genomas virais conhecidos, com apenas 5.386 nucleotídeos e 11 genes, o que torna o problema muito mais administrável do que projetar genomas maiores e mais complexos.
O organismo também carrega uma importância histórica particular. Seu genoma foi o primeiro genoma completo sequenciado, em 1977, e, em 2003, tornou-se um dos primeiros genomas completos sintetizados quimicamente. Agora, a mesma referência biológica foi utilizada para demonstrar uma terceira capacidade, a de projetar novos genomas completos utilizando inteligência artificial.
Os vírus realmente funcionavam
A validação não se limitou a verificar se o DNA havia sido sintetizado corretamente. Os pesquisadores precisavam demonstrar que os novos vírus eram capazes de infectar bactérias, reproduzir-se e gerar novas partículas virais, e os 16 candidatos aprovados passaram nesse teste. Todos apresentaram tropismo restrito principalmente às cepas E. coli C e à relacionada E. coli W, sem crescimento nas seis outras cepas bacterianas usadas para verificar sua especificidade. Alguns chegaram a apresentar desempenho comparável ou superior ao ΦX174 natural em determinados testes, o que evidencia que os resultados não eram versões defeituosas ou biologicamente irrelevantes do vírus original.
IA contra a resistência bacteriana
Outro resultado do trabalho chama atenção pelo potencial terapêutico. Os pesquisadores desenvolveram três linhagens de E. coli resistentes ao ΦX174 natural, resistência que envolvia alterações em estruturas da superfície bacteriana usadas pelo vírus durante a infecção. Diante dessas populações, o ΦX174 original deixou de ser capaz de controlá-las adequadamente. Os pesquisadores recorreram, então, a combinações de bacteriófagos derivados dos designs de IA, populações virais com maior diversidade genética que, após processos adicionais de seleção e recombinação experimental, conseguiram superar a resistência nas três linhagens.
O resultado aponta para uma aplicação particularmente interessante da tecnologia: terapias com bacteriófagos capazes de acompanhar a evolução das próprias bactérias. A relevância é evidente diante do aumento mundial de infecções causadas por bactérias resistentes a antibióticos. Em vez de procurar exclusivamente na natureza um bacteriófago adequado para atacar determinada bactéria, modelos generativos poderiam ajudar a explorar um número muito maior de possibilidades genéticas. Ainda há uma grande distância entre essa demonstração laboratorial e tratamentos médicos rotineiros, mas a direção tecnológica está estabelecida.
O problema do dual use
A mesma característica que torna o resultado promissor para a medicina também explica a preocupação em torno da pesquisa. A capacidade de projetar genomas funcionais é um exemplo claro de tecnologia de dual use, ou uso duplo, já que ferramentas capazes de contribuir para o desenvolvimento de novos tratamentos também podem, teoricamente, ser utilizadas para fins nocivos.
É preciso, no entanto, ser preciso quanto ao alcance do experimento atual. A IA não criou um vírus perigoso para humanos, uma vez que os bacteriófagos estudados infectam bactérias, e os pesquisadores implementaram restrições explícitas para reduzir riscos. Os sistemas utilizados no trabalho tiveram deliberadamente limitada sua exposição a vírus eucarióticos relevantes para humanos, animais e plantas, e os pesquisadores preservaram características genéticas que restringiam os vírus projetados aos hospedeiros bacterianos desejados. Transformar este experimento em “a IA já consegue criar novos vírus humanos” seria, portanto, incorreto.
As dificuldades técnicas também continuam enormes. Tom Ellis, especialista em engenharia de genomas sintéticos do Imperial College London, ressaltou que o ΦX174 representa um alvo particularmente favorável para esse tipo de pesquisa. O genoma do coronavírus responsável pela COVID-19, por exemplo, é cerca de seis vezes maior, e esse acréscimo de complexidade torna o problema substancialmente mais difícil. Ainda assim, a discussão sobre biossegurança não depende da capacidade atual de gerar um novo patógeno humano. Ela surge porque agora existe uma demonstração concreta de que modelos generativos conseguem participar do projeto completo de sistemas virais funcionalmente viáveis.
O problema de governança
Até recentemente, grande parte das preocupações regulatórias em biotecnologia se concentrava na manipulação de organismos existentes, na pesquisa de ganho de função e no controle de agentes biológicos considerados perigosos. Os modelos generativos introduzem uma categoria diferente, em que o objeto de risco pode começar como informação. Um arquivo contendo uma sequência genética não é um organismo, e um modelo de IA tampouco é um laboratório biológico, mas a combinação entre capacidade computacional, síntese de DNA e infraestrutura laboratorial permite construir uma cadeia que liga essas duas realidades:
modelo de IA → sequência genética → síntese → organismo funcional
Essa cadeia cria questões de governança que atravessam áreas tradicionalmente tratadas de forma separada, entre elas a segurança de IA, a biossegurança, o controle de acesso a modelos, a triagem de pedidos de síntese genética, a pesquisa científica e a regulação laboratorial. Especialistas em segurança biológica vêm alertando exatamente para essa lacuna: a tecnologia necessária para compor genomas virais com IA já existe, ao passo que os mecanismos internacionais de governança capazes de acompanhar essa capacidade ainda estão em formação.
Ao mesmo tempo, é importante não exagerar o risco imediato. Como observou Hsu Li Yang, diretor do Asia Centre for Health Security, o experimento não significa que alguém com conhecimento básico possa simplesmente produzir novos vírus perigosos em casa. A infraestrutura necessária para transformar uma sequência computacional em um organismo continua exigindo conhecimento especializado, equipamentos e capacidade de laboratório.
Da leitura para a escrita e agora para o design
Há uma maneira instrutiva de observar a evolução da genômica. Durante décadas, aprendemos progressivamente a ler o DNA; em seguida, desenvolvemos tecnologias para editá-lo e sintetizá-lo; agora, começamos a construir ferramentas capazes de projetar genomas completos. A diferença é relevante, porque editar significa partir de algo que já existe e modificá-lo, enquanto projetar significa explorar possibilidades biológicas que não precisam ter ocorrido anteriormente na evolução natural.
Os 16 bacteriófagos não representam organismos completamente desconectados da natureza, pois seguem profundamente relacionados ao ΦX174 e a seus parentes. O que o experimento demonstra é que um modelo computacional conseguiu navegar nesse espaço genético e encontrar soluções que, uma vez convertidas em DNA, funcionaram biologicamente. Essa capacidade tende a crescer junto com os modelos, com os dados disponíveis e com a redução dos custos de síntese genética, o que aponta para uma aproximação cada vez maior entre inteligência artificial e engenharia biológica.
Fica, assim, uma questão de governança que provavelmente ganhará importância nos próximos anos: como controlar não apenas aquilo que conseguimos modificar na natureza, mas também aquilo que começamos a ser capazes de projetar?
Fontes
- G1, 6 de agosto de 2026. IA, vírus, avanço e riscos | G1
- InfoMoney, 6 de agosto de 2026. IA cria vírus inéditos na natureza pela primeira vez | InfoMoney
- Olhar Digital, 6 de agosto de 2026. IA cria vírus inéditos em laboratório pela primeira vez | Olhar Digital
- Al Jazeera, 7 de agosto de 2026. AI used to create viruses not found in nature for first time | Al Jazeera
- Axios, 6 de agosto de 2026. Now AI can create new viruses | Axios
- CNN, 6 de agosto de 2026. AI viruses and bacteriophages | CNN
- Forbes, 6 de agosto de 2026. AI Model Trained In DNA Invents 16 New Viruses Not Found In Nature | Forbes
Leia também: IA na educação: as novas diretrizes do CNE.
Consultoria em IA é uma das frentes da Marcio.AI.