AI har designet 16 nye bakteriedræbende virusser – nogle slår naturens egen model

I et studie offentliggjort i Science den 6. august 2026 brugte forskere fra Stanford University og Arc Institute, ledet af Brian Hie med Samuel King som førsteforfatter, genomiske sprogmodeller kaldet Evo 1 og Evo 2. Modellerne foreslog komplette DNA-sekvenser, som ikke matchede naturligt forekommende genomer i de anvendte databaser .

Resultatet var 16 nye bakteriofager, der kunne formere sig i laboratoriet og dræbe E. coli. Flere af dem overgik den naturlige virus ΦX174, som forskerne brugte som skabelon, mens en cocktail af fagene kunne hæmme bakterier, der var blevet resistente over for enkelte fag .

Fra 700.000 AI-forslag til 16 fungerende virusser

Evo 2 er en såkaldt genomisk grundmodel. Den er trænet på DNA-sekvenser fra blandt andet bakterier, arkæer, planter, dyr og mennesker og kan analysere biologiske sekvenser på enkelt-nukleotidniveau . Forskerne finjusterede Evo 1 og Evo 2 med bakteriofag-genomer, så modellerne kunne generere hele sekvenser med en realistisk genetisk opbygning og en ønsket målretning mod værtsbakterier .

Arbejdet foregik i flere trin:

• Modellerne genererede cirka 700.000 kandidatgenomer .
• Beregningsmæssige filtre reducerede feltet til 302 lovende kandidater .
• 285 genomer blev kemisk syntetiseret – det vil sige fremstillet som fysisk DNA – og testet i E. coli .
• 16 af de 285 genomer gav funktionelle, replikerende bakteriofager. Det svarer til en succesrate på cirka 5,6 procent .

Studiet giver dermed et af de første målbare pejlemærker for, hvor ofte generativ biologi kan gå fra et computerdesignet genom til et biologisk system, der faktisk virker .

Nogle AI-fager slog den naturlige ΦX174

Alle 16 fungerende fag kunne inficere E. coli og lyse bakteriecellerne – altså ødelægge dem – i laboratorieforsøg . Flere af de AI-designede virusser havde højere væksthastighed eller dræbte bakterier hurtigere end vildtypen ΦX174 i direkte sammenligninger .

Designene var samtidig markant forskellige fra den naturlige skabelon. Nogle indeholdt mere end 50 ændringer i aminosyresekvenserne sammenlignet med ΦX174, en grad af forskellighed, som ifølge forskerne ligger langt ud over, hvad tilfældige mutationer normalt ville frembringe på samme måde .

Et af fagene indeholdt desuden en DNA-pakkende proteinstruktur, som ikke er kendt fra nogen identificeret organisme på Jorden . Det er et eksempel på, at modellen ikke blot kopierede en kendt virus, men kunne kombinere biologiske egenskaber på en måde, der gav en ny og fungerende konstruktion.

En cocktail med de 16 fag kunne også overvinde resistens hos flere E. coli-stammer. Det omfattede bakterievarianter, som havde udviklet modstand mod enkelte bakteriofager .

Kan AI give nyt liv til fagterapi?

Bakteriofager har længe været undersøgt som et muligt supplement eller alternativ til antibiotika. De kan målrettes bestemte bakterier, men bakterierne kan til gengæld udvikle resistens mod de fag, der bruges mod dem.

AI-designede fag kan potentielt gøre det hurtigere at udvikle nye kandidater, når en bakteriestamme ændrer sig. En cocktail med flere fag kan angribe bakterien på forskellige måder samtidig og dermed gøre det vanskeligere for den at undslippe behandlingen .

Det betyder dog ikke, at der allerede findes en godkendt behandling til patienter. Forsøgene blev udført på laboratoriestammer af E. coli, og der vil kræves omfattende yderligere forskning, før teknologien eventuelt kan bruges klinisk. Studiets vigtigste gennembrud er, at genomiske sprogmodeller nu har vist, at de kan producere komplette virusgenomer, som fungerer eksperimentelt .

Brian Hie har fremhævet, at modellernes evne til at indarbejde større evolutionær variation kan gøre fagterapi mere effektiv som alternativ i tilfælde, hvor antibiotika ikke længere virker .

Et sikkerhedssystem, der ikke er bygget til helt nye genomer

Gennembruddet har en tydelig bagside. I en ledsagende kommentar i Science skrev Thomas Inglesby og Moritz Hanke fra Johns Hopkins Center for Health Security, at udviklingen rejser presserende spørgsmål om biosikkerhed og biosecurity. De formulerede bekymringen sådan:

"Selv om dette er lovende for anvendelser inden for biovidenskab, rejser det også presserende spørgsmål om biosikkerhed og biosecurity. Muligheden for at sammensætte virusgenomer ved hjælp af generativ AI findes nu; den styring, der skal sikre, at mulighederne bruges sikkert og forsvarligt, gør ikke."

En central sikkerhedsforanstaltning er screening af DNA-bestillinger gennem International Gene Synthesis Consortium. Systemet sammenholder blandt andet bestilte sekvenser med kendte patogener, men ordningen er frivillig og ikke et lovkrav. Den er desuden ikke udviklet til at opdage sekvenser, som aldrig tidligere har eksisteret i naturen .

Arc Institute forsøgte at begrænse risikoen ved bevidst at udelade eukaryote viruspatogener – virusser, der inficerer mennesker eller andre dyr – fra Evo 2's træningsdata . Alligevel peger eksperter på, at de samme metoder i andre hænder kan bruges til at udvikle sekvenser for farlige patogener, og at AI kan generere nye designs hurtigere, end de nuværende overvågningssystemer kan nå at opdage eller standse dem .

En kommentar i Nature fremhævede tilsvarende, at værktøjer, der udvikles til lægemiddelopdagelse, samtidig kan sænke tærsklen for at skabe nye biologiske trusler .

Det egentlige gennembrud – og det åbne spørgsmål

Forskerne har vist, at AI kan gå fra at foreslå enkelte gener eller proteiner til at designe et helt virusgenom, som kan fungere i en levende bakteriecelle. Det åbner en mulig vej til hurtigere og mere fleksibel fagterapi mod antibiotikaresistente infektioner.

Men teknologien gør også en gammel sikkerhedsudfordring mere konkret: Kontrolsystemer, der leder efter kendte farlige sekvenser, er mindre effektive, når en biologisk konstruktion er ny. Det næste store skridt bliver derfor ikke kun at forbedre modellernes designkraft, men også at udvikle bindende regler, bedre screening og sikkerhedstiltag, der kan følge med.