Tekoäly suunnitteli 16 toimivaa virusta: näin historiallinen läpimurto onnistui

Stanfordin tutkijat ovat käyttäneet generatiivista tekoälyä kokonaisten toimivien virusgenomien suunnittelemiseen. Laboratoriokokeissa 285 ehdotuksesta syntyi 16 lisääntymiskykyistä bakteriofagia, joista osa menestyi luonnollista vertailuvirusta paremmin.

Tekoäly ei enää ainoastaan analysoi perimää tai ehdota muutoksia yksittäisiin proteiineihin. Tutkijat ovat nyt osoittaneet, että tekoälyllä voidaan suunnitella kokonainen virusgenomi, valmistaa se laboratoriossa ja saada lopputuloksena lisääntymiskykyinen virus.

Science-tiedelehdessä 6. elokuuta 2026 julkaistussa tutkimuksessa käytettiin Evo 1- ja Evo 2 -genomimalleja tuhansien mahdollisten genomien tuottamiseen. Laboratoriokokeisiin valittiin 285 suunnitelmaa, joista 16 osoittautui toimiviksi bakteriofageiksi eli bakteereihin iskeviksi viruksiksi.

Tutkimus oli esitelty alustavasti jo syyskuussa 2025 julkaistussa ennakkoversiossa. Nyt tulokset on julkaistu vertaisarvioituina, mikä tekee työstä aiempaa vahvemman tieteellisen näytön tekoälyn kyvystä suunnitella kokonaisia toimivia genomeja.

Tekoäly oppi käsittelemään DNA:ta kielenä

Evo-mallit toimivat osittain samalla periaatteella kuin tekstiä tuottavat kielimallit. Sanojen ja lauseiden sijasta ne käsittelevät DNA:n emäksiä ja oppivat laajoista genomiaineistoista, millaiset biologiset rakenteet ja jaksot esiintyvät yhdessä.

Tutkijat käyttivät lähtökohtana tunnettua ΦX174-bakteriofagia. Sen genomi on vain 5 386 emäsparin mittainen ja sisältää 11 geeniä, joten se on kokonaiseksi genomiksi verrattain pieni mutta silti riittävän monimutkainen vaativaan suunnittelukokeeseen.

Evo-mallien perusversiot oli opetettu yli kahdella miljoonalla bakteriofagigenomilla. Tutkimusta varten malleja hienosäädettiin lisäksi 14 466 Microviridae-heimon sekvenssillä, jotta ne pystyivät tuottamaan ΦX174:n kaltaisia mutta siitä geneettisesti poikkeavia ehdotuksia.

Kokonaisen genomin suunnittelu on huomattavasti vaikeampaa kuin yhden proteiinin muokkaaminen. Useiden geenien, säätelyalueiden ja muiden DNA-jaksojen täytyy toimia yhteen, jotta virus pystyy kokoamaan itsensä, tunnistamaan oikean isäntäbakteerin ja lisääntymään sen sisällä.

ΦX174 tekee tehtävästä erityisen haastavan, koska osa sen geeneistä sijaitsee DNA:ssa päällekkäin. Yhteen kohtaan tehty muutos voi siksi vaikuttaa samanaikaisesti useampaan proteiiniin ja rikkoa toimivan kokonaisuuden.

Tavalliset geenien tunnistusohjelmat löysivät enintään seitsemän viruksen 11 geenistä. Tutkimusryhmä rakensi siksi oman analyysimenetelmän, jolla tekoälyn tuottamia sekvenssejä voitiin seuloa ennen kallista laboratoriovaihetta.

285 suunnitelmasta 16 muuttui toimiviksi viruksiksi

Tekoäly tuotti tuhansia genomiehdotuksia. Tutkijat arvioivat niiden rakennetta, laatua, mahdollista isäntävalikoimaa ja geneettistä monimuotoisuutta ennen kuin 285 lupaavinta suunnitelmaa vietiin laboratoriokokeisiin.

Valitut DNA-sekvenssit valmistettiin kemiallisesti, koottiin kokonaisiksi genomeiksi ja siirrettiin vaarattomaan E. coli C -laboratoriokantaan. Jos suunnitelma toimi, bakteeri alkoi tuottaa uusia bakteriofageja ja bakteerikasvu heikkeni nopeasti.

Kaikkiaan 16 ehdotusta pystyttiin varmistamaan lisääntymiskykyisiksi viruksiksi. Onnistumisaste oli noin 5,6 prosenttia, joten mallit eivät kirjoittaneet toimivia genomeja erehtymättömästi.

Läpimurto on siinä, että yksikin kokonainen tekoälyn suunnittelema genomi kykeni toimimaan biologisena järjestelmänä. Tässä kokeessa toimivia kokonaisuuksia löytyi 16, ja kolme niistä menestyi testeissä luonnollista ΦX174-vertailuvirusta paremmin.

Kaikki 16 toimivaa bakteriofagia tartuttivat rajatusti E. coli C -kantaa tai sille läheistä E. coli W -kantaa. Ne eivät kasvaneet kuudessa muussa testatussa bakteerikannassa, mikä osoitti isäntäkohtaisuuden säilyneen geneettisistä muutoksista huolimatta.

Genomit poikkesivat tunnetuista luonnollisista viruksista

Toimivissa genomeissa oli 67–392 muutosta verrattuna niiden lähimpään tunnettuun luonnolliseen vastineeseen. Kyse ei siis ollut vain ΦX174:n suorista kopioista tai muutamasta yksittäisestä pistemutaatiosta.

Yhden Evo-Φ2147-nimisen bakteriofagin samankaltaisuus lähimpään tunnettuun fagivastineeseen jäi 93 prosenttiin. Arc Instituten tutkimusesittelyn mukaan tämä voisi joidenkin taksonomisten kriteerien perusteella riittää kokonaan uuden viruslajin määrittelemiseen.

Kolmessatoista toimivassa genomissa oli lisäksi mutaatioita, joita tutkijat eivät löytäneet tunnetuista luonnollisista sekvensseistä. Mallit eivät siten ainoastaan toistaneet harjoitusaineistoaan, vaan tuottivat biologisesti toimivia yhdistelmiä tunnetun aineiston ulkopuolelta.

Yksi bakteriofageista käytti DNA:n pakkaamisessa kaukaista sukua olevan G4-fagin J-proteiinia. Vastaava vaihdos oli aikaisemmin osoittautunut vaikeaksi perinteisellä suunnittelulla, koska yhden osan muuttaminen vaatii usein yhteensopivia muutoksia myös muualla genomissa.

Tulos viittaa siihen, että genomimalli oli oppinut ainakin osan niistä monimutkaisista yhteyksistä, jotka pitävät viruksen eri osat toimintakykyisinä samanaikaisesti. Se ei kuitenkaan tarkoita, että malli ymmärtäisi biologiaa ihmisen tavoin tai pystyisi ennustamaan jokaisen suunnitelmansa seuraukset.

Bakteriofageista etsitään apua antibioottiresistenssiin

Bakteriofagit tartuttavat bakteereja eivätkä ihmisen soluja. Ne käyttävät bakteeria lisääntymiseensä ja voivat lopulta hajottaa isäntäsolunsa, minkä vuoksi niitä tutkitaan vaihtoehtona tai täydentäjänä antibiooteille.

Fagiterapia ei ole uusi ajatus, mutta sen kehittäminen on vaikeaa. Yksittäinen bakteriofagi tartuttaa yleensä vain tiettyjä bakteerikantoja, ja bakteerit voivat ajan myötä kehittää vastustuskyvyn myös niitä vastaan.

Tekoälyn mahdollinen etu on geneettinen monipuolisuus. Jos samaa haitallista bakteeria vastaan voidaan suunnitella useita toisistaan poikkeavia bakteriofageja, niiden yhdistelmä voi tarjota enemmän tapoja ohittaa bakteerin puolustus.

Science-tutkimuksessa tekoälyn suunnittelemista bakteriofageista koottu yhdistelmä pystyi laboratoriossa murtamaan sellaisten E. coli -bakteerien vastustuskyvyn, joihin luonnollinen ΦX174 ei enää tehonnut. Tämä oli osoitus mahdollisuudesta, ei vielä valmis hoitomenetelmä.

Tarve uusille ratkaisuille on suuri. Maailman terveysjärjestö WHO arvioi heinäkuussa 2026, että noin joka kuudes vuonna 2023 laboratoriossa vahvistettu bakteeri-infektio oli vastustuskykyinen antibiooteille. Bakteerien mikrobilääkeresistenssi yhdistettiin maailmanlaajuisesti yli 4,7 miljoonaan kuolemaan vuonna 2021.

Tuloksista on silti pitkä matka potilaiden hoitamiseen. Kokeissa käytettiin vaarattomia laboratoriobakteereja, eikä tutkimus osoita, että samat bakteriofagit olisivat ihmisille turvallisia tai tehokkaita lääkkeitä.

Mahdollisen fagilääkkeen pitäisi läpäistä laajat turvallisuus-, annostelu- ja tehotutkimukset. Lisäksi olisi selvitettävä muun muassa elimistön immuunireaktio, virusten kohdentuminen ja bakteerien kyky kehittää uutta vastustuskykyä.

Sama virus on ollut genetiikan merkkipaalu ennenkin

ΦX174 valittiin malliksi käytännöllisten syiden lisäksi sen historiallisen aseman vuoksi. Sen perimä oli vuonna 1977 ensimmäinen kokonaisuudessaan sekvensoitu genomi.

Vuonna 2003 ΦX174:stä tuli myös ensimmäinen kokonaan kemiallisesti valmistettu genomi. Nyt sama bakteriofagi toimi lähtökohtana ensimmäisille tekoälyllä suunnitelluille ja laboratoriossa toimiviksi vahvistetuille kokonaisille genomeille.

Kehityskaari kuvaa genomiikan muutosta poikkeuksellisen selvästi. Ensin DNA opittiin lukemaan, sitten kokonainen genomi valmistamaan ja nyt sen rakenne voidaan antaa generatiivisen mallin suunniteltavaksi.

Avoimet genomimallit nostavat esiin turvallisuuskysymykset

Evo 2 on avoimesti saatavilla oleva malli, mikä voi nopeuttaa biologista ja lääketieteellistä tutkimusta. Samalla kokonaisen toimivan virusgenomin tuottaminen osoittaa, että tekoäly voi madaltaa biologisen suunnittelun teknisiä esteitä.

Tässä tutkimuksessa riskejä rajattiin käyttämällä vaarattomia E. coli -kantoja ja bakteriofageja, jotka tartuttavat bakteereihin. Mallien koulutuksesta jätettiin turvallisuussyistä pois eukaryoottien eli muun muassa ihmisten, eläinten ja kasvien soluja tartuttavien virusten sekvenssit.

Arc Instituten myöhempien testien mukaan poissulkeminen heikensi mallin kykyä käsitellä ihmisviruksia ja teki sen tuottamista taudinaiheuttajien proteiinisekvensseistä käytännössä satunnaisia. Instituutti kuitenkin myöntää, että biologisten mallien kykyjen kasvaessa tarvitaan lisää turvallisuuteen tähtäävää kehitystyötä.

Science-lehdessä tutkimuksen rinnalla julkaistussa asiantuntijakommentissa Thomas Inglesby ja Moritz Hanke varoittivat, ettei generatiivisten virusgenomien hallintaan ole vielä riittävää järjestelmää. Heidän mukaansa ihmis-, eläin- tai kasvipatogeeneja tartuttavien virusten genomeja ei pitäisi ryhtyä tuottamaan tällä menetelmällä.

Turvallisuutta ei myöskään voida rakentaa vain tekoälymallin rajoitusten varaan. Valvontaa tarvitaan tutkimuksen arvioinnissa, laboratorioissa ja synteettisen DNA:n valmistuksessa, jotta huolestuttava suunnitelma ei siirry tietokoneelta fyysiseksi genomiksi.

Pelkkä DNA-sekvenssi ei vielä synnytä virusta. Genomi täytyy valmistaa, koota, siirtää sopivaan isäntään ja testata asianmukaisessa laboratoriossa, mikä vaatii edelleen erikoisosaamista, laitteita ja biologista ymmärrystä.

Läpimurto on yksittäisiä viruksia suurempi

Tutkimuksen merkittävin tulos ei ole yksi erityinen bakteriofagi, vaan todiste siitä, että tekoälyn suunnittelema kokonainen genomi voi toimia todellisessa biologisessa ympäristössä. Kyse ei ole enää vain tietokoneella uskottavalta näyttävästä DNA-jaksosta.

Seuraava tieteellinen haaste on hallita lopputulosta nykyistä tarkemmin. Tutkijat haluavat pystyä määrittelemään esimerkiksi sen, mihin bakteeriin virus tarttuu, kuinka tehokkaasti se toimii ja kuinka kauas sen genomi poikkeaa luonnollisista viruksista.

Myöhemmin sama lähestymistapa voisi ulottua pidempiin genomeihin ja muihin hyödyllisiin biologisiin järjestelmiin. Samalla turvallisuusvaatimusten, DNA-tilausten seulonnan ja kansainvälisen sääntelyn on kehityttävä suunnittelumallien rinnalla.

16 toimivaa bakteriofagia eivät vielä merkitse uutta lääkettä antibioottiresistenssiin. Ne osoittavat kuitenkin, että generatiivinen tekoäly on siirtymässä biologian analysoijasta uusien biologisten kokonaisuuksien suunnittelijaksi.