AI ontwerpt voor het eerst werkende virusgenomen: 16 nieuwe bacteriofagen verslaan de natuur

De studie van onderzoekers van Stanford University en het Arc Institute, onder leiding van Brian Hie en met Samuel King als hoofdauteur, verscheen op 6 augustus 2026 in Science. De genomen kwamen niet overeen met sequenties uit natuurlijke databanken en waren dus niet simpelweg kopieën van bestaande virussen .

Van DNA-taalmodel naar werkend virus

De onderzoekers gebruikten Evo 1 en Evo 2, zogenoemde genomische taalmodellen. Waar een tekstmodel patronen in woorden leert herkennen, analyseren deze modellen patronen in DNA — tot op het niveau van afzonderlijke nucleotiden. Evo 2 is getraind op genetische informatie uit onder meer bacteriën, archaea, planten, dieren en mensen .

Voor dit experiment werden de modellen verder afgestemd op bacteriofagen. Ze moesten volledige genomen genereren met een geloofwaardige genetische opbouw en een voorkeur voor de beoogde gastheer: E. coli . Als uitgangspunt diende ΦX174, een bekende natuurlijke bacteriofaag die E. coli infecteert.

De schaal van het ontwerpproces was groot:

• De modellen produceerden ongeveer 700.000 kandidaatgenomen .
• Computationele filters brachten die terug tot 302 veelbelovende ontwerpen .
• Daarvan werden 285 DNA-sequenties chemisch gesynthetiseerd en in E. coli getest .
• 16 ontwerpen leverden een werkende, zichzelf replicerende bacteriofaag op — ongeveer 5,6 procent van de gesynthetiseerde sequenties .

Volgens de onderzoekers vormt dit de eerste meetbare productiviteitsbenchmark voor generatieve biologie op het niveau van volledige genomen .

Sommige ontwerpen waren sneller dan ΦX174

Alle 16 werkende fagen konden E. coli infecteren en lyseren: ze vermenigvuldigden zich in de bacteriën en lieten de gastheercellen barsten . Meerdere ontwerpen deden het in directe vergelijkingen beter dan de natuurlijke faag ΦX174, onder meer wat betreft groeisnelheid en de snelheid waarmee ze bacteriën afbreken .

De afstand tot het natuurlijke uitgangspunt was soms aanzienlijk. Sommige AI-ontwerpen bevatten meer dan 50 veranderingen in aminozuren ten opzichte van het natuurlijke virus — een mate van variatie die volgens de onderzoekers veel verder gaat dan doorgaans door willekeurige mutatie zou ontstaan .

Bij één van de fagen vonden onderzoekers bovendien een DNA-verpakkingsproteïne die niet bekend is uit enig eerder beschreven organisme. Dat wijst erop dat het model niet alleen bestaande biologische oplossingen combineerde, maar ook een sterk afwijkende functionele structuur kon opleveren .

Een mengsel van de 16 fagen bleek daarnaast resistentie bij meerdere E. coli-stammen te kunnen omzeilen. Dat gold ook voor bacteriën die ongevoelig waren geworden voor afzonderlijke fagen .

Waarom dit relevant kan zijn voor antibioticaresistentie

Bacteriofagen worden al langer onderzocht als alternatief of aanvulling op antibiotica. Hun zwakke punt is echter dat bacteriën relatief snel resistentie kunnen ontwikkelen tegen één specifieke faag. Een cocktail met meerdere fagen kan de bacterie tegelijk via verschillende routes onder druk zetten.

AI kan dat proces mogelijk versnellen. In plaats van voor elke nieuwe bacteriestam langdurig naar geschikte natuurlijke fagen te zoeken, zouden onderzoekers sneller nieuwe varianten kunnen ontwerpen, testen en combineren. De studie laat zien dat genomische taalmodellen niet alleen genen of eiwitten kunnen voorspellen, maar complete virale genomen kunnen genereren die experimenteel functioneren .

Dat maakt de techniek interessant voor toekomstige faagtherapieën tegen multidrugresistente infecties. De resultaten zijn nog geen behandeling voor patiënten: de experimenten vonden plaats in het laboratorium en waren gericht op E. coli. Wel leveren ze een eerste ontwerp-en-testmodel voor therapeutische fagen op .

De keerzijde: bestaande controles lopen achter

Dezelfde mogelijkheid die nieuwe behandelingen kan versnellen, roept urgente vragen op over biosafety en biosecurity. In een begeleidend commentaar in Science schreven Thomas Inglesby en Moritz Hanke van het Johns Hopkins Center for Health Security dat de mogelijkheid om met generatieve AI virale genomen samen te stellen inmiddels bestaat, terwijl de governance om dat veilig en verantwoord te sturen nog tekortschiet .

Een belangrijk bestaand vangnet is screening van DNA-bestellingen door de International Gene Synthesis Consortium. Die controle is vrijwillig en vergelijkt bestellingen vooral met bekende ziekteverwekkende sequenties. Een volledig nieuwe sequentie die in geen enkele natuurlijke databank voorkomt, kan daardoor moeilijker worden herkend .

Het Arc Institute nam een voorzorgsmaatregel door eukaryote viruspathogenen — virussen die mensen of andere dieren infecteren — bewust buiten de trainingsgegevens van Evo 2 te houden . Toch waarschuwen deskundigen dat vergelijkbare methoden in verkeerde handen kunnen worden toegepast en dat AI-ontwerpen mogelijk sneller kunnen worden gegenereerd dan huidige toezicht- en screeningsystemen ze kunnen detecteren .

Ook een commentaar in Nature benadrukte het zogenoemde dual-use-probleem: technologie die wordt ontwikkeld voor geneesmiddelenonderzoek kan tegelijk de drempel verlagen voor het ontwerpen van nieuwe biologische bedreigingen .

De doorbraak draait daarom niet alleen om de vraag wat AI biologisch kan ontwerpen. Minstens zo belangrijk is de vraag welke veiligheidsregels, controles en internationale afspraken nodig zijn nu een computer voor het eerst een volledig functioneel virusgenoom kan samenstellen.