Yapay zekâ doğada bulunmayan 16 işlevsel bakteriyofaj tasarladı

Çalışma, 6 Ağustos 2026’da Science dergisinde yayımlandı. Laboratuvar testlerinde 16 yapay zekâ tasarımı bakteriyofaj çoğaldı ve E. coli bakterilerini öldürdü. Bu fajlardan oluşan bir karışım, tek tek fajlara direnç geliştirmiş bazı E. coli suşlarının büyümesini de baskıladı .

Evo 1 ve Evo 2 genomları nasıl tasarladı?

Evo 2, bakterilerden arkelere, bitkilerden hayvanlara ve insanlara kadar farklı canlı gruplarından DNA dizileriyle eğitilmiş bir genom temel modeli. Model, genetik dizileri tek nükleotid düzeyinde analiz edebiliyor; yani DNA’nın en küçük yapı taşlarının sıralanışını ayrıntılı biçimde değerlendirebiliyor .

Araştırmacılar, Evo 1 ve Evo 2’yi bakteriyofaj genomları üzerinde özel olarak geliştirdi. Amaç, hem gerçekçi bir genetik yapıya hem de hedef bakteri üzerinde çalışabilecek özelliklere sahip tam genom dizileri üretmekti. Tasarımlarda, E. coli enfekte eden ve iyi incelenmiş doğal bir faj olan ΦX174 şablon olarak kullanıldı .

Süreç, yapay zekânın yaklaşık 700.000 aday viral genom dizisi üretmesiyle başladı. Bilgisayar destekli eleme sonunda 302 aday öne çıkarıldı. Bunların 285’i kimyasal olarak sentezlendi; başka bir ifadeyle, yapay zekânın önerdiği DNA dizileri laboratuvarda fiziksel DNA’ya dönüştürüldü ve E. coli hücrelerinde test edildi .

Sonuçta 285 sentezlenmiş genomun 16’sı işlevsel ve çoğalabilen bakteriyofajlar oluşturdu. Bu, yaklaşık yüzde 5,6’lık bir başarı oranına karşılık geliyor ve genom ölçeğinde üretken yapay zekâ tasarımı için ölçülebilir ilk verimlilik göstergelerinden birini sunuyor .

Bazı yapay fajlar doğal virüsten daha hızlı çalıştı

Laboratuvar deneylerinde 16 fajın tamamı E. coli hücrelerini enfekte etti ve hücreleri parçalayarak öldürdü. Böylece tasarımların yalnızca bilgisayar ortamında makul görünen diziler olmadığı; canlı hücrelerde çoğalabildiği, enfeksiyon başlatabildiği ve bakterileri parçalayabildiği gösterildi .

Bazı yapay zekâ tasarımları, büyüme hızı ve bakterileri parçalama süresi bakımından doğal ΦX174 fajından daha iyi performans gösterdi . Bazı genomlarda doğal virüse kıyasla 50’den fazla amino asit değişikliği bulunuyordu. Bu düzeydeki farklılık, rastgele mutasyonların tipik olarak oluşturacağı çeşitliliğin oldukça ötesine geçiyor .

Daha da dikkat çekici bulgulardan biri, fajlardan birinin bilinen hiçbir canlıda bulunmayan bir DNA paketleme proteini kodlamasıydı. Bu sonuç, yapay zekânın yalnızca mevcut biyolojik örnekleri taklit etmekle kalmayıp, doğada bilinenlerden belirgin biçimde ayrılan yeni biyolojik yapılar önerebildiğini gösteriyor .

Araştırmacıların hazırladığı 16 fajlık karışım da farklı E. coli suşlarındaki direnci aşmayı başardı. Bu suşlar arasında, tek tek fajlara karşı bağışıklık kazanmış varyantlar da yer aldı .

Antibiyotik direncine karşı ne anlama geliyor?

Bakteriyofajlar yalnızca bakterileri enfekte eden virüslerdir. Bu nedenle, insan hücrelerini hedefleyen virüslerden farklı olarak, belirli bakterileri ortadan kaldırmak için kullanılabilirler. Faj tedavisi, özellikle birden fazla antibiyotiğe dirençli bakterilerin neden olduğu enfeksiyonlar için araştırılan alternatif yaklaşımlardan biri.

Yapay zekâ ile yeni fajların daha hızlı tasarlanabilmesi, bakterilerin tek bir faj türüne karşı geliştirdiği direnci aşmaya yardımcı olabilir. Birden fazla fajdan oluşan kokteyller, bakteriye farklı yollarla saldırdığı için direnç gelişimini zorlaştırma potansiyeline sahip .

Bu çalışma, genom dil modellerinin yalnızca tek tek gen veya protein tasarlamakla kalmayıp, canlı hücrelerde çalışan bütün viral genomlar üretebildiğini ortaya koyuyor. Bu da gelecekte belirli bir bakteriyel patojene yönelik fajların daha hızlı prototiplenmesini mümkün kılabilir .

Ancak önemli bir sınır var: Deneyler laboratuvar ortamında, belirli E. coli suşları üzerinde gerçekleştirildi. Bulgular, yapay zekâ tasarımlarının bugün doğrudan bir tedaviye dönüştüğü anlamına gelmiyor; klinik güvenlik ve etkinlik için ek araştırmalar gerekiyor.

Biyogüvenlik: Teknoloji ilerledi, kurallar geride kaldı

Çalışmayla birlikte biyogüvenlik ve biyogüvenlik yönetişimi konusundaki kaygılar da öne çıktı. Science’ta yayımlanan eşlik eden değerlendirmede, Johns Hopkins Sağlık Güvenliği Merkezi’nden Thomas Inglesby ve Moritz Hanke şu uyarıda bulundu: “Bu çalışma yaşam bilimleri uygulamaları açısından umut verici olsa da acil biyogüvenlik ve biyolojik güvenlik sorularını gündeme getiriyor. Üretken yapay zekâ kullanarak viral genomlar oluşturma kapasitesi artık mevcut; bu kapasitenin güvenli ve emniyetli biçimde kullanılmasını sağlayacak yönetişim ise mevcut değil” .

Mevcut temel önlemlerden biri, Uluslararası Gen Sentezi Konsorsiyumu’nun DNA siparişlerini bilinen patojen dizileriyle karşılaştıran tarama sistemi. Ancak bu sistem gönüllülük esasına dayanıyor, yasal olarak zorunlu değil ve doğadaki hiçbir canlıda bulunmayan yeni dizileri yakalamak üzere tasarlanmadı .

Arc Institute, güvenlik amacıyla insanları veya diğer hayvanları enfekte eden ökaryotik virüsleri Evo 2’nin eğitim verilerinin dışında tuttu. Buna rağmen uzmanlar, benzer yöntemlerin kötü niyetli kişilerce tehlikeli patojenler üretmek için kullanılabileceği ve yapay zekâ tasarımlarının mevcut gözetim sistemlerinin tespit edip durdurabileceğinden daha hızlı hazırlanabileceği konusunda uyarıyor .

Nature’daki bir değerlendirme de aynı ikili kullanıma dikkat çekti: Bu araçlar yeni ilaçlar ve faydalı biyolojik uygulamalar geliştirmek için tasarlanıyor olsa da, daha önce görülmemiş biyolojik tehditlerin oluşturulmasını kolaylaştırabilir .

Dolayısıyla çalışma iki gerçeği aynı anda ortaya koyuyor: Yapay zekâ, antibiyotik direncine karşı yeni ve daha hızlı çözümler geliştirmeye yardımcı olabilir; ancak aynı teknoloji için daha güçlü tarama, denetim ve sorumlu kullanım kurallarının da hızla oluşturulması gerekiyor.