Искусственный интеллект впервые сконструировал вирусы, которые убивают устойчивых к ним бактерий

Есть вирус, которого проходят на первом курсе биологии. Речь о ΦX174, рядовом бактериофаге, который охотится на бактерию Escherichia coli. Геном у него короткий, кольцевой, всего на одиннадцать генов. Именно на нём в 1977 году впервые целиком прочитали ДНК живого организма, а в 2003-м впервые собрали такой геном заново из химических реагентов. С тех пор на ΦX174 держится добрая часть молекулярной биологии: вирус изучен вдоль и поперёк.

Слабость у него тоже давняя. Бактерии умеют меняться так, что вирус перестаёт за них цепляться, и охота срывается. Для медицины это не отвлечённая деталь. Фаговую терапию давно рассматривают как запасной путь на случай, если антибиотики перестанут справляться. Но у любого одного вируса-охотника есть та же уязвимость, что и у лекарства: рано или поздно бактерия подбирает защиту.

Команда из Стэнфорда и Института Арк решила проверить: если у природного вируса кончились приёмы против конкретных бактерий, может ли новые придумать искусственный интеллект? Настоящая история здесь не про вирус, написанный с нуля. Она про то, как ИИ разогнал эволюцию одного-единственного вируса настолько, что тот обошёл собственный тупик. И про то, что осталось за скобками бодрых заголовков.

Вирус, который бактерии научились обходить

Фаговая терапия предлагает убивать бактерии вирусом-охотником вместо антибиотика. У неё есть то же слабое место, что и у лекарств. Бактерии эволюционируют быстро и рано или поздно приспосабливаются к любому конкретному охотнику.

С ΦX174 в лаборатории так и случилось. Часть колоний E. coli накопила мутации в группе генов waa, которая отвечает за сахарную оболочку на поверхности клетки. Именно за эту оболочку цепляется вирус перед атакой, как за поручень перед прыжком в вагон. Стоит изменить форму поручня, и ухватиться больше не за что: фаг подплывает к клетке и соскальзывает.

Один выход из тупика известен давно: собрать не один вирус, а коктейль из генетически разных штаммов. Приспособиться сразу ко всем сложнее. Проблема в том, что настоящих генетически разных вариантов одного и того же фага в природе не так много, а перебирать их вручную долго. Здесь и решили попробовать искусственный интеллект.

Как модель выучила язык вирусных геномов

Модели, которые для этого использовали, называются Evo. Их в Институте Арк обучали не на текстах, а на ДНК. Работает такая модель похожим образом на языковую модель для текста: там она предсказывает следующее слово, здесь следующую букву генетического кода, A, T, G или C. Только вместо связного предложения на выходе получается целый вирусный геном.

Базовую версию прогнали через геномы бактериофагов из открытых баз данных, их набралось больше двух миллионов. Заражать людей, животных или растения такие вирусы не умеют по определению: подобные последовательности из обучения исключили намеренно, чтобы модель физически не смогла предложить что-то опаснее бактериофага.

Дальше модель дообучили прицельно. Ей показали геномы вирусов из семейства Microviridae, к которому относится сам ΦX174, и попросили писать варианты именно этого вируса, а не бактериофагов вообще.

Модель выдала сотни тысяч вариантов генома. Из них отобрали и синтезировали в лаборатории почти триста, каждый раз заново собирая молекулу ДНК из химических реагентов, как когда-то с оригинальным ΦX174. Дальше начиналась настоящая проверка: соберётся ли из этой ДНК живой, работающий вирус.

Из без малого трёхсот чертежей выжило шестнадцать

Собрались не все. Из почти трёхсот синтезированных геномов в рабочий, заражающий бактерию вирус превратились шестнадцать. Слово «заработал» здесь буквальное: вирус должен был вставить свою ДНК в бактерию, размножиться внутри неё и разорвать клетку изнутри. Так фаги обычно убивают добычу.

Часть шестнадцати превзошла исходник. Несколько вариантов росли и убивали бактерий быстрее природного ΦX174, а некоторые обгоняли его и в прямой конкуренции за одну и ту же культуру клеток.

Один из шестнадцати преподнёс отдельный сюрприз. Когда его капсид, белковую оболочку вируса, посмотрели под криоэлектронным микроскопом, внутри нашли белок, который упаковывает ДНК совсем не так, как у природного ΦX174. Он оказался его далёким эволюционным родственником — будто модель подставила деталь из другой ветви вирусного семейного дерева.

Родственники, а не пришельцы

Если вы уже представили вирус, написанный ИИ с чистого листа, эта картинка неточная. Независимый анализ, о котором позже написал IEEE Spectrum со ссылкой на биохимика Оливера Крука, слегка сбивает пафос заголовков про «вирусы из ничего». По этим подсчётам, геномы шестнадцати рабочих фагов в среднем отличались от шаблона ΦX174 всего на несколько процентов. Точных копий среди них нет. Но и организмов, придуманных с нуля, тоже нет. Это близкие родственники исходного вируса, а не новый вид.

Сама механика победы это подтверждает. Успешные фаги сложились как мозаика: они собрались из кусков нескольких разных предложенных моделью вариантов через рекомбинацию. Изменения при этом сосредоточились именно в той части белка, которой вирус цепляется за бактериальную поверхность. Это тот самый поручень из прошлого раздела.

Модель не сочинила вирус целиком. Она быстро перебрала варианты одного слабого места, точки контакта с рецептором, и нашла те, что снова подходят к изменившейся поверхности бактерии. Результат от этого не становится хуже. Он становится точнее: ускоренная точечная эволюция одного узла сама по себе полезный инструмент, даже если громкое слово «новый вирус» ему великовато.

Где кончается победа над бактериями

Пришло время назвать точно, кого обыграли фаги. Речь о трёх лабораторных штаммах E. coli, которые в пробирке перестали поддаваться природному ΦX174. Не клинические супербактерии из больниц, не пациенты с инфекцией, а культуры клеток на чашке Петри. Коктейль из шестнадцати ИИ-фагов подавил рост всех трёх штаммов за несколько пересевов. Природный вирус в одиночку не справился ни с одним из штаммов. Всё это получено внутри пробирки. Животных и тем более людей в этих опытах не было.

К устойчивости бактерий к антибиотикам это напрямую тоже не относится: устойчивость касалась самого вируса, не лекарства. Связь с антибиотиками у авторов работы пока логическая: в этих опытах её не проверяли. Если научиться быстро подбирать новые фаги под любую бактерию, сменившую маскировку, тем же приёмом в будущем можно попробовать бить и по бактериям, устойчивым к лекарствам. Проверить это предстоит уже отдельно, на других бактериях и, если дойдёт, на животных.

Есть у истории и вторая сторона, которую не обошли и сами авторы. Синтезировать работающий вирус целиком, начиная с текста от ИИ, теперь умеют в обычной лаборатории. В сопроводительной статье в том же номере журнала это назвали поводом заранее продумать правила безопасности для подобных проектов. Начинать предлагают с этапа обучения модели, а не только на выходе готового вируса. Авторов работы это скорее хвалит: вопросы биобезопасности они, в отличие от многих в этой области, поставили заранее, а не постфактум.

ИИ не придумал вирус с нуля. Он разогнал эволюцию одного вируса до скорости, недоступной природе, и починил ему ровно то слабое место, которое бактерии успели прикрыть. Получится ли так же ускорить не только эволюцию вируса в пробирке, но и лекарство для живого организма, покажут только будущие опыты.

---

Источники. Исследование: King S. H., Hie B. L. и соавторы, «Generative design of bacteriophages with genome language models», Science, опубликовано 6 августа 2026 (DOI 10.1126/science.aec2657), Стэнфордский университет и Институт Арк. Полный текст журнальной версии закрыт подпиской, поэтому детали метода и результаты приведены по препринту той же работы на bioRxiv, «Generative design of novel bacteriophages with genome language models», размещён 17 сентября 2025 (DOI 10.1101/2025.09.12.675911), по официальному сообщению Института Арк (arcinstitute.org), пресс-релизу Стэнфордского университета (news.stanf