6 августа 2026 года в журнале Science вышла статья с академически сухим названием — «Generative design of bacteriophages with genome language models». Через сутки она разошлась по лентам в куда более бодрых формулировках: «нейросеть создала вирус с нуля», «ИИ выпустил сотни боевых бактериофагов». Между исходной работой и этими заголовками лежит расстояние, которое стоит пройти пешком.
Я исследователь искусственного интеллекта, а не вирусолог, и смотрю на такие сюжеты со своей стороны: что именно сделала модель, что за неё сделали люди, как отличали удачу от неудачи и какие в итоге получились цифры. Дальше — подробный разбор с этой позиции.
Сразу обозначу две рамки. Первая: в тексте нет методических деталей, по которым что-либо можно воспроизвести, — тем более применительно к возбудителям, опасным для человека. О биобезопасности я говорю на уровне «какие существуют ограничения», а не «как это делается». Вторая: это не медицинский материал. Рекомендаций лечиться фагами здесь нет и быть не может — с инфекцией идут к врачу.
Бактериофаг: вирус, у которого хозяин — бактерия
Как он устроен
Бактериофаг — вирус, который поражает не человека, не животное и не растение, а бактерию. Устроен он экономно: белковая оболочка-«голова» с генетическим материалом внутри, у многих видов — трубка-хвост и опорная площадка с нитями, которыми частица цепляется за поверхность клетки. Фаги — самые многочисленные биологические объекты на планете, их количество оценивают величиной порядка десяти в тридцать первой степени частиц; они есть везде, где есть бактерии, включая кишечник человека.
Дальше возможны два сценария. При литическом фаг заставляет клетку собирать свои копии, после чего она разрушается и потомство выходит наружу. При лизогенном вирусный геном встраивается в бактериальный и надолго затихает. Для терапии интересны именно литические фаги — те, что убивают клетку, а не поселяются в ней.
Почему фагом пробуют лечить
Ключевое свойство — узкая специализация. Фаг узнаёт конкретные молекулы на поверхности клетки и потому работает часто даже не по виду бактерии, а по отдельным её штаммам. Отсюда три различия с антибиотиком. Фаг бьёт прицельно и не выкашивает заодно нормальную микрофлору. Он размножается там, где есть мишень, — доза в очаге нарастает сама. И он способен меняться вслед за бактерией, тогда как молекула антибиотика неизменна.
Из тех же свойств растут и трудности. Под конкретный штамм нужен конкретный фаг, а чаще — смесь из нескольких, «коктейль». Подбирать и хранить такие коллекции долго и дорого, и они устаревают вместе с бактериями. Именно здесь появляется соблазнительная идея: пусть варианты предлагает модель.
Что модель сделала на самом деле
Языковая модель генома, а не изобретатель вирусов
Evo 1 и Evo 2 устроены принципиально так же, как языковые модели: они обучены предсказывать следующий символ последовательности. Только алфавит у них не буквенный, а нуклеотидный. Предобучение шло больше чем на двух миллионах геномов бактериофагов, после чего последовало дообучение на выборке из 14 466 последовательностей семейства Microviridae — того самого, к которому относится ΦX174.
ΦX174 — маленький и очень хорошо изученный фаг кишечной палочки. Его геном длиной 5386 нуклеотидов в 1977 году стал первым в истории полностью прочитанным геномом ДНК-организма, и с тех пор фаг служит удобной лабораторной моделью. Он и был образцом.
Насколько сгенерированное отличается от природного
Модели писали целые геномы «в стиле» ΦX174. У шестнадцати вариантов, которые в итоге ожили, обнаружилось от 67 до 392 новых мутаций, а сходство с природной последовательностью составило от 93,0 до 98,8 процента.
Это уточнение работает в обе стороны. С одной — формулировка «вирус с нуля» неточна: архитектура генома, то есть набор генов, их порядок и перекрытия, взята у известного фага, и модель воспроизводила именно её. С другой — «подумаешь, пара мутаций» тоже неверно: сотни изменений, внесённых разом, а не по одному, как это делает эволюция, дают последовательность, которой в природе нет.
Один вариант пошёл дальше остальных. Модель подставила в него ген белка, отвечающего за упаковку ДНК, от эволюционно далёкого родственника — по прежним экспериментам такая замена фаг ломала. Здесь вариант остался жизнеспособным, а электронная микроскопия подтвердила, что чужой белок действительно встроен в оболочку.
Откуда взялись «сотни бактериофагов»
Из числа сгенерированного. Модели выдали тысячи последовательностей, фильтры оставили 302 непохожих друг на друга кандидата, физически синтезировать и собрать удалось 285. Живыми оказались 16 — 5,6 процента. «Сотни» относятся к вариантам на входе, а не к работающим вирусам на выходе.
И глагол «спроектировала» стоит читать буквально: модель написала текст генома. ДНК синтезировали, собирали, вводили в бактерию и проверяли люди — и это не формальность, а самая длинная и дорогая часть работы.
Как проверяют, что получившееся работает
Из текста в молекулу
Перевод последовательности в вещество — отдельная индустрия: коммерческий синтез фрагментов ДНК, их сборка в целую молекулу, введение в клетки лабораторной кишечной палочки. Технические подробности я сознательно опускаю. Важно другое: этот шаг физический, медленный и оставляющий следы — заказ, поставщик, помещение, люди.
Критерий простой: бактерии гибнут или нет
Дальше проверка устроена почти грубо. Культуру бактерий растят в лунках планшета и следят за мутностью: размножающаяся культура мутнеет. Если геном «завёлся», фаг начинает собираться и разрушать клетки — мутность падает, и в этой работе падение фиксировали в первые часы. Такой скрининг позволяет параллельно вести сотни вариантов, а выживших потом прочитать секвенированием и убедиться, что в клетке действительно тот геном, который задумывался.
Из 285 собранных вариантов подтвердились шестнадцать. Пять с половиной процентов — честная цена генерации: модель предлагает правдоподобные тексты, но правдоподобие последовательности и работоспособность вируса совпадают далеко не всегда.
Что показал коктейль
Отдельный эксперимент касался устойчивости. Исследователи вырастили штаммы кишечной палочки, устойчивые к природному ΦX174, — сам по себе он с ними уже не справлялся. Смесь сгенерированных фагов пробивала защиту всех трёх штаммов за один–пять циклов пересева, причём выигрывали иногда не исходные варианты, а их «мозаичные» потомки, собравшие куски двух-трёх разных ИИ-геномов.
Что тут доказано, а что нет. Доказано: на лабораторной непатогенной кишечной палочке, в лунке планшета, смесь ИИ-вариантов работает там, где одиночный природный фаг бессилен. Не доказано ничего, что касается пациента, — ни на животных, ни по безопасности, ни по дозам.
Устойчивость к антибиотикам: почему за это вообще взялись
Цифры, которые стоит знать
Самая крупная оценка масштаба — проект GRAM, чей систематический анализ опубликован в The Lancet в сентябре 2024 года. По нему в 2021 году устойчивость бактерий к антибиотикам была непосредственной причиной примерно 1,14 миллиона смертей в мире, а с 1990 года суммарно унесла более 36 миллионов жизней. Прогноз к 2050 году — около 1,91 миллиона смертей в год, рост почти на 70 процентов; между 2025 и 2050 годами авторы ожидают порядка 39 миллионов смертей.
Оговорка, которая обязана стоять рядом: это модельные оценки с широкими доверительными интервалами, а не бухгалтерский учёт. Но даже нижние границы оставляют проблему в разряде крупнейших в медицине — и объясняют, почему к фагам, о которых знают с 1917 года, вернулись именно сейчас.
Где сегодня находится фаговая терапия
На подступах к доказательной медицине. Зарегистрированного фагового препарата в западных регуляторных системах нет. Применяют фаги по особым режимам: в Бельгии с 2018 года — как индивидуально изготавливаемые по рецепту препараты, в ряде стран — по программам сострадательного применения, когда антибиотики уже не сработали. Есть наблюдательные регистры и готовящиеся клинические испытания, например французские — по инфекциям костей и суставов.
Данные обнадёживают, но пока другого качества, чем у антибиотиков. Бельгийский ретроспективный разбор ста персонализированных курсов, проведённых в двенадцати странах с 2008 по 2022 год, сообщает о клиническом улучшении в 77 процентах случаев — но это серия наблюдений без контрольной группы, а не рандомизированное испытание. Повторю: любое решение о терапии принимает врач, и самостоятельных выводов из этих процентов делать нельзя.
Биобезопасность: метод применим не только к фагам
Что ограничили сами авторы
Работа сопровождается собственным разделом о рисках, и ограничения в ней не декоративные. Обучающие данные моделей исключают вирусы человека — сгенерировать их модель не может. Эксперименты вели только на непатогенном лабораторном штамме кишечной палочки. Физическая часть шла в изолированных боксах с отдельными правилами утилизации, а специфичность к хозяину удерживалась неизменной частью белка, которым фаг цепляется за клетку.
Эксперты, комментировавшие статью, называют такую сдержанность правильной — и тут же указывают на её предел: чистота обучающих данных одной лаборатории ничего не говорит о том, на чём обучит модель другая. Исключение данных — это норма поведения, а не техническое препятствие.
Где стоят реальные ограничители
Их принято описывать как несколько последовательных «горлышек». Первое — данные и модели: разработчики могут не включать в обучение опасные классы последовательностей, но делают это добровольно. Второе — синтез ДНК: заказ на изготовление длинной последовательности проходит через поставщика, и мировая практика — проверять и заказ, и заказчика; общепринятый порог проверки — последовательности от 200 нуклеотидов. Третье — лаборатория: помещение нужного уровня биобезопасности, реактивы, обученные люди, документированные процедуры.
Самое слабое звено сейчас — второе. По данным международной инициативы IBBIS, которая ведёт карту поставщиков синтеза ДНК и развивает открытый инструмент проверки заказов Common Mechanism, публично заявленные процедуры скрининга есть лишь у небольшой доли из более чем семисот известных поставщиков. Требования вводят США, Евросоюз, Великобритания, Новая Зеландия, но единой обязательной мировой рамки нет.
Отсюда и смещение всей дискуссии. Спрятать модель тяжело: архитектуры публикуются, вычисления дешевеют. А вот сделать проверяемым физический шаг — синтез и лабораторию — задача выполнимая и понятная регулятору. Именно на неё сейчас смотрят внимательнее, чем на запрет самих моделей.
Что я буду считать следующим настоящим шагом
Три проверяемых признака
Первый — масштаб. ΦX174 мал, прост и удобен; ничто в работе не показывает, что подход перенесётся на геномы в разы длиннее и сложнее устроенные. Пока это не повторено, разговор идёт о доказательстве принципа.
Второй — критерий успеха. Сегодня он звучит как «упала мутность в лунке». Настоящим шагом станут модели на животных с контрольными группами, а затем клинические испытания — с их сроками, отказами и скучными отчётами.
Третий — объяснимость. Модель не отвечает на вопрос, почему из 285 вариантов ожили именно эти шестнадцать. Пока ответа нет, генерация остаётся дорогой лотереей с приличными шансами, а не проектированием в инженерном смысле слова.
Чего ждать пока не стоит
Персонального фага «по анализу» в ближайшей аптеке. Между работающей лункой планшета и зарегистрированным лекарством лежат годы испытаний и вопросы, которых эта работа не касалась: как организм отвечает на введение вируса, как считать дозу, как контролировать качество партии, как вообще регистрировать препарат, который меняется под каждого пациента.
Сделано следующее: показано, что генеративная модель способна написать полный геном, который в лаборатории оживает и убивает бактерию. Заявлено — что это путь к фаговой терапии нового поколения. Первое уже результат, второе пока гипотеза, и держать их порознь — самое полезное, что можно сделать с этой новостью.
Пока нет комментариев